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.
Este estudio valida que un marco de análisis de biomarcadores basado en prompts estandarizados logra una precisión clínica en cinco modelos de lenguaje grandes de cuatro proveedores distintos, demostrando su generalización independiente del proveedor en más de 4.000 pacientes.
Este estudio presenta una nueva metodología computacional que combina la similitud fenotípica con la propagación en redes para mejorar la precisión y la coherencia clínica en el diagnóstico de enfermedades raras, superando los métodos existentes al integrar la jerarquía de la nomenclatura de Orphanet.
Los investigadores desarrollaron un marco de aprendizaje profundo basado en modelos de visión fundacional que, al analizar imágenes de fondo de ojo, no solo predice la edad biológica retinal con alta precisión, sino que también descompone las señales de envejecimiento en componentes normativos y patológicos, revelando así firmas de envejecimiento retinal heterogéneas asociadas a la inflamación sistémica y variaciones hemodinámicas.
Este estudio desarrolla y valida una puntuación de salud neurológica (NHS) basada en aprendizaje automático que utiliza variables genéticas, de estilo de vida y bioquímicas para cuantificar el riesgo de diversos trastornos neurológicos.
Este estudio evalúa y compara diversos métodos de imputación de datos para mejorar la precisión y fiabilidad de las medidas de calidad de vida en pacientes con cáncer de esófago.
Este estudio demuestra que existe una desconexión entre la ética abstracta y la memoria clínica en los modelos de lenguaje, ya que la mayoría de los modelos evaluados pueden resistir órdenes dañinas pero fallan al recordar alergias críticas de los pacientes en simulaciones de cuidados intensivos.
Este estudio presenta un modelo de cadenas de Markov basado en datos anonimizados para predecir el riesgo de falta de adherencia al tratamiento, identificando barreras sistémicas como los costos y los retrasos administrativos para mejorar las estrategias de asistencia al paciente.