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 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.
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.
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.
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.
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 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.