📄 Category

health informatics

159 artículos

La informática de la salud une la tecnología de la información con la práctica médica para mejorar cómo gestionamos y analizamos los datos de pacientes. En este campo, los expertos diseñan sistemas que facilitan el acceso a historiales clínicos, optimizan la toma de decisiones y aceleran la investigación, todo con el objetivo final de brindar una atención más segura y personalizada.

En Gist.Science, nos enfocamos en el contenido fresco que llega desde medRxiv, la principal plataforma de prepublicaciones para ciencias médicas. Procesamos cada nuevo preprint en esta categoría para ofrecerte resúmenes técnicos detallados junto con explicaciones en lenguaje sencillo, asegurando que los hallazgos más recientes sean comprensibles para todos. A continuación, encontrarás los últimos artículos publicados en este ámbito.

Fully Automated Systematic Review Generation via Large Language Models: Quality Assessment and Implications for Scientific Publishing

Este estudio demuestra la viabilidad técnica de generar revisiones sistemáticas completamente automatizadas mediante modelos de lenguaje grandes, las cuales superaron en calidad percibida a una revisión humana en una evaluación ciega, aunque revelan limitaciones críticas como la repetición de contenido y la necesidad urgente de nuevos estándares de verificación y divulgación en la publicación científica.

McLaughlin, L., Walz, M. S., Arries, C.2026-02-23📄 health informatics

Machine Learning Analysis of User Sentiments in Tinnitus Management Apps

Este estudio analiza más de 340,000 reseñas de aplicaciones para el tratamiento del acúfeno utilizando un modelo de análisis de sentimientos basado en grafos (GNN-ABSA) para identificar que, aunque las funciones terapéuticas como el enmascaramiento sonoro reciben valoraciones positivas, aspectos como el precio, la publicidad y la estabilidad técnica generan críticas negativas, ofreciendo así una guía basada en datos para mejorar el diseño de estas herramientas digitales.

Yousaf, M. N., Anwar, M. N., Naveed, N., Haider, U.2026-02-22📄 health informatics

Clinicians' Rationale for Editing Ambient AI-Drafted Clinical Notes: Persistent Challenges and Implications for Improvement

Este estudio analiza las razones por las que los clínicos editan las notas generadas por IA ambiental, identificando errores de transcripción, riesgos legales y necesidades de precisión como factores clave, y propone mejoras en la tecnología, la personalización y el apoyo institucional para optimizar la colaboración humano-IA.

Guo, Y., Hu, D., Yang, Z., Chow, E., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-02-22📄 health informatics

Automation of Systematic Reviews with Large Language Models

Este estudio valida que el flujo de trabajo basado en modelos de lenguaje grande llamado otto-SR automatiza con alto rendimiento las tareas más laboriosas de las revisiones sistemáticas (cribado, extracción de datos y evaluación del riesgo de sesgo), permitiendo reproducir y actualizar rápidamente la evidencia existente con mayor precisión y eficiencia que los investigadores humanos.

Cao, C., Arora, R., Cento, P., Budak, A., Manta, K., Farahani, E., Cecere, M., Selemon, A., Sang, J., Gong, L. X., Kloosterman, R., Jiang, S., Saleh, R., Margalik, D., Lin, J., Jomy, J., Xie, J., Chen (…)2026-02-18📄 health informatics

Understanding Comorbidities in Hypermobile Ehlers-Danlos Syndrome: Could a Viral Infection Unmask the Disorder?

Un estudio con datos de más de 19 millones de pacientes en EE. UU. revela que el Síndrome de Ehlers-Danlos hiperlaxo (hEDS) es más prevalente de lo que se creía y que los afectados tienen un riesgo significativamente mayor de desarrollar Long COVID, especialmente si presentan comorbilidades como disautonomía o fatiga crónica, lo que sugiere que la infección viral puede desencadenar o revelar síntomas previamente no diagnosticados.

Pearson, M. L., Laraway, B. J., Elias, E. R., Bilousova, G., Haendel, M. A.2026-02-17📄 health informatics

Comparing AI and Human Coding of NIH Grant Abstracts to Identify Innovations in Opioid Addiction Treatment

Este estudio demuestra que, al comparar la codificación de resúmenes de subvenciones del NIH sobre tratamientos para la adicción a opioides, el modelo de lenguaje ChatGPT-4.0 generó descripciones de innovaciones con mayor profundidad y relevancia que los codificadores humanos, lo que sugiere que los modelos de lenguaje grandes pueden mejorar la eficiencia y calidad de la evaluación de investigación cualitativa.

Alkhatib, S. A., Jiwa, N., Judd, D., Luningham, J. M., Sawyer-Morris, G., Ulukaya, M., Molfenter, T., Taxman, F. S., Walters, S. T.2026-02-17📄 health informatics

Sino-US-DrugQA: A Benchmark for Evaluating Large Language Models in Cross-Jurisdictional Pharmaceutical Regulation

Este estudio presenta Sino-US-DrugQA, un nuevo conjunto de datos bilingüe de preguntas y respuestas que evalúa el rendimiento de modelos de lenguaje grandes en la comparación regulatoria farmacéutica entre China y EE. UU., revelando que, aunque son útiles para consultas monolingües, aún presentan limitaciones significativas en el razonamiento comparativo transjurisdiccional.

Chen, Z., Fu, X., Lu, W.2026-02-17📄 health informatics

Outcome Risk Modeling for Disability-Free Longevity: Comparison of Random Forest and Random Survival Forest Methods

Este estudio comparativo en el ensayo ASPREE concluye que, para predecir la longevidad sin discapacidad, los modelos de Bosques Aleatorios (RF) y Bosques Aleatorios de Supervivencia (RSF) muestran un rendimiento de discriminación y calibración comparable, lo que sugiere que la incorporación explícita del tiempo en el RSF no siempre mejora la precisión de las predicciones frente al RF.

Vanghelof, J. C., Tzimas, G., Du, L., Tchoua, R., Shah, R. C.2026-02-17📄 health informatics