193 artículos
Este estudio demuestra que el aprendizaje federado permite desarrollar modelos predictivos de VIH con un rendimiento casi centralizado y superior a los modelos locales en seis sitios de CCASAnet, ofreciendo una infraestructura escalable y que preserva la privacidad para la investigación internacional.
Este estudio demuestra que el monitoreo pasivo con dispositivos wearables, específicamente la reducción de pasos y el aumento de la frecuencia cardíaca en reposo, puede identificar eficazmente a pacientes con insuficiencia cardíaca en riesgo de visitas hospitalarias.
Este estudio presenta el desarrollo y validación de una aplicación de procesamiento de lenguaje natural basada en BERT que extrae y categoriza eficazmente diversos tipos de violencia y sus características de los registros de salud mental en texto libre, mejorando significativamente las capacidades previas de vigilancia e investigación.
Este estudio demuestra que la Plataforma de Agrupación Virtual (VP) permite ejecutar estudios clínicos multicéntricos retrospectivos completos, desde la limpieza de datos hasta la inferencia causal, con resultados exactos y sin necesidad de compartir datos centralizados ni coordinación manual entre instituciones.
Este estudio demuestra que la brecha de edad cardíaca derivada de la inteligencia artificial a partir de un ECG actúa como un biomarcador digital no invasivo eficaz para estratificar el riesgo cardiovascular, donde una sobreestimación de la edad cardíaca se asocia con un riesgo significativamente mayor de eventos adversos mayores.
Los autores retiraron este manuscrito sobre un modelo de alta precisión para predecir la admisión a la UCI desde el triaje de urgencias debido a un problema en el análisis que requiere revisión, por lo que solicitan que no sea citado.
Los autores desarrollaron un marco estadístico basado en la guía de la FDA para cuantificar la repetibilidad y reproducibilidad semántica e interna de los modelos de lenguaje grande, demostrando que estas métricas varían según el modelo, la estrategia de prompting y la tarea, sin estar necesariamente asociadas a la precisión diagnóstica.
Un estudio con 442 usuarios de Ultrahuman Ring demuestra que la edad cardiovascular derivada de dispositivos portátiles es un indicador válido que refleja significativamente hábitos de vida independientes como el sueño y la actividad física, y que responde a cambios fisiológicos a lo largo del tiempo.
Este estudio de evaluación temprana demuestra que AIFYA, un sistema de apoyo a la decisión clínica basado en modelos de lenguaje grande y supervisado por humanos y alineado con los protocolos nacionales de Kenia, logró una alta adopción y concordancia experta en el manejo de neonatos en entornos de recursos limitados, validando su seguridad y potencial para ensayos clínicos futuros.
Aunque el modelo GPT-5.2 alcanzó una alta precisión diagnóstica en un estudio con 1,000 transcripciones clínicas sintéticas, la evaluación reveló que ante historias incompletas el modelo generó recomendaciones peligrosas al desalentar pruebas esenciales y subestimar la urgencia de casos críticos, mostrando además un sesgo de seguridad significativo hacia las pacientes mujeres.
El estudio demuestra que la implementación de planes de acción mediante una gobernanza efectiva y una metodología multidisciplinaria reduce significativamente los impactos negativos asociados a la adopción de registros electrónicos de salud, logrando una tasa de efectividad del 80,5% en la mitigación de problemas tras seis meses.
El estudio presenta SleepJEPA, un modelo fundacional de representación del sueño entrenado con datos de poligrafía en el hogar que estima con precisión el riesgo a largo plazo de diversas enfermedades cardiovasculares, metabólicas y neurológicas, superando a modelos anteriores y permitiendo la clasificación de etapas del sueño y condiciones específicas como la narcolepsia.
Este estudio demuestra que, aunque la inversión en repositorios de datos de salud abiertos varía enormemente, todos generan una amplificación consistente de citas indirectas de aproximadamente 10 veces, pero revelan disparidades significativas en la representación de autores de países de ingresos bajos y medios y una brecha de género persistente en la autoría senior que las políticas de acceso a los datos por sí solas no pueden resolver.
Un estudio mixto longitudinal en Nigeria reveló que las afirmaciones de rendimiento de los proveedores de IA en salud sobreestiman significativamente la eficacia real en comparación con la medición independiente, lo que genera daños prevenibles y profundiza las desigualdades, por lo que se exige una verificación obligatoria post-implementación.
El estudio presenta NiaAge, un nuevo marco de edad biológica derivado de asociaciones no lineales con el riesgo de mortalidad a largo plazo y trayectorias normativas de envejecimiento, que demuestra una capacidad predictiva superior a la edad cronológica y a otros relojes de edad en la evaluación de la salud física, cognitiva y la mortalidad.
Este estudio utiliza datos del programa "All of Us" para demostrar que la inclusión de determinantes sociales de la salud mejora la predicción de enfermedades crónicas, revelando que los factores experienciales como el estrés son cruciales para la salud mental, mientras que las características demográficas y del vecindario son más determinantes para las condiciones cardiometabólicas, lo que respalda la implementación de protocolos de cribado específicos según la condición en lugar de enfoques universales.
Este estudio valida multinacionalmente el Índice de Documentación Intensiva (IDI) como predictor de mortalidad en UCI, demostrando que su eficacia depende críticamente de la resolución temporal de los registros clínicos, logrando un rendimiento superior en datos suizos de alta granularidad en comparación con los datos estadounidenses de menor frecuencia.
Un análisis de series temporales interrumpidas controlado utilizando datos de seguros nacionales de Corea del Sur demostró que una plataforma de autogestión digital diseñada a partir de discursos en redes sociales redujo significativamente las visitas a urgencias y hospitalizaciones no planificadas por síndrome de intestino irritable a nivel poblacional.
Este estudio demuestra que el filtro SaPM para ensayos controlados aleatorizados en Ovid MEDLINE reduce significativamente la carga de cribado en comparación con el filtro SM, manteniendo una recuperación de registros casi completa que puede complementarse con la búsqueda de citas para minimizar el riesgo de omitir estudios elegibles.
Este estudio demuestra que la plataforma basada en modelos de lenguaje grande (LLM) Brim Analytics logra una alta precisión y eficiencia al extraer automáticamente variables de registros oncológicos de informes de patología, superando en consistencia al sistema impulsado por ontologías DeepPhe, especialmente en la estadificación T.