199 articles
Cette étude valide le flux de travail automatisé otto-SR, basé sur les grands modèles de langage, démontrant qu'il surpasse les chercheurs humains dans le dépistage et l'extraction de données pour les revues systématiques, tout en permettant leur mise à jour rapide et fiable.
En analysant des publications Reddit, cette étude révèle que les environnements naturels peuvent à la fois atténuer et exacerber l'anxiété sociale chez les jeunes, soulignant la nécessité de concevoir des interventions adaptées à leurs craintes spécifiques d'évaluation sociale.
Cette étude exploratoire utilisant le suivi oculaire et des protocoles de pensée à voix haute révèle que les cliniciens en soins primaires consacrent une attention visuelle substantielle aux dossiers de santé électroniques pour vérifier les indicateurs de risque, ce qui retarde souvent la discussion sur le suicide et modifie le flux de la consultation.
Cette étude démontre que l'intégration de l'expertise clinique et de l'apprentissage de structures causales permet de développer des modèles prédictifs parcimonieux et interprétables pour la dysfonction cérébrale aiguë acquise en unité de soins intensifs pédiatriques, avec une performance comparable à celle des modèles utilisant l'ensemble des variables.
Ce papier présente ED-Triage-Agent, un cadre d'intelligence artificielle multi-agents conçu pour collaborer avec les cliniciens afin d'améliorer la classification de l'urgence (ESI) aux urgences en respectant le flux de travail clinique et l'autonomie humaine.
Ce papier présente le Lilo Engine, un pipeline thérapeutique déterministe à cinq couches conçu pour garantir une sécurité absolue et une détection fiable des crises chez les personnes âgées en maison de retraite, remplaçant les orchestrateurs multi-agents par des invariants structurels pour atteindre un rappel de crise de 100 % et une latence de 28,7 ms.
Cette étude basée sur des données de plus de 19 millions de patients aux États-Unis révèle que le syndrome d'Ehlers-Danlos hypermobile (hEDS) est plus fréquent que prévu et que les patients atteints de ce trouble sont significativement plus susceptibles de développer un COVID long, suggérant que l'infection virale peut révéler ou aggraver des symptômes précédemment non diagnostiqués.
Cette étude démontre que l'utilisation collaborative de grands modèles de langage, tels que GPT-4 et Claude-3, permet d'automatiser le criblage des revues systématiques avec une précision et un rappel supérieurs à ceux des modèles individuels, réduisant ainsi considérablement l'effort humain nécessaire.
Cette étude démontre que, lorsqu'elles sont correctement sollicitées, les modèles de langage comme ChatGPT-4.0 surpassent les codeurs humains dans l'identification et la description des innovations des projets de recherche NIH sur la dépendance aux opioïdes, offrant ainsi une méthode plus efficace et de meilleure qualité pour l'évaluation qualitative.
Cette étude présente Sino-US-DrugQA, une nouvelle ressource bilingue de benchmarking conçue pour évaluer les performances des grands modèles de langage dans l'analyse comparative des réglementations pharmaceutiques entre les États-Unis et la Chine, révélant que bien que ces modèles soient utiles pour des requêtes monolingues, ils éprouvent encore des difficultés significatives dans le raisonnement comparatif interjuridictionnel.
Cette étude comparant les forêts aléatoires (RF) et les forêts aléatoires de survie (RSF) dans le cadre de l'essai ASPREE conclut que les deux méthodes offrent des performances de discrimination et d'étalonnage similaires pour la prédiction de la longévité sans incapacité, suggérant que l'intégration explicite du temps dans le modèle RSF n'apporte pas systématiquement une précision supérieure.
Cette étude démontre qu'un cadre d'analyse standardisé basé sur des invites permet d'obtenir une précision clinique de qualité sur cinq grands modèles de langage distincts issus de quatre fournisseurs différents, confirmant ainsi la généralisabilité et l'indépendance vis-à-vis des vendeurs des systèmes d'IA cliniques.
Cette étude propose et évalue un modèle hybride combinant un grand modèle de langage (LLM) et une programmation linéaire en nombres entiers (MILP) pour générer des plans alimentaires personnalisés et précis, démontrant ainsi une supériorité globale par rapport aux approches utilisant isolément l'un ou l'autre de ces outils.
Les auteurs proposent une nouvelle pipeline computationnelle combinant la similarité phénotypique et la propagation sur un réseau pour améliorer la précision et la cohérence clinique du diagnostic des maladies rares, surpassant les méthodes existantes du projet Solve-RD.
Cette étude appariée pré-post démontre que l'utilisation de systèmes d'IA ambiants pour la documentation clinique modifie significativement la structure linguistique des notes, en particulier dans la section HPI où les textes deviennent plus longs et complexes, tandis que les effets varient selon le fournisseur et la section de la note, soulignant la nécessité d'évaluer ces impacts au-delà de la simple efficacité.
Cette étude, basée sur la cohorte UK Biobank, établit une « charte du sommeil » démontrant que la durée optimale de sommeil (entre 6,4 et 7,8 heures) est associée à un ralentissement du vieillissement biologique à travers 23 horloges moléculaires, tandis que des durées trop courtes ou trop longues augmentent les risques de maladies systémiques et de mortalité, suggérant que l'optimisation du sommeil est un levier modifiable clé pour un vieillissement en bonne santé.
Cette étude démontre que, contrairement aux hypothèses courantes, l'ajout de documents bruts par récupération augmente les hallucinations des modèles de langage en contexte clinique, tandis que la représentation préalable des données patient sous forme d'artefacts structurés avec traçabilité explicite constitue une approche plus efficace pour garantir la fiabilité factuelle et la sécurité.
Cette étude présente un cadre d'apprentissage profond interprétable basé sur des images du fond d'œil qui, au-delà de la prédiction précise de l'âge biologique rétinien, permet de disséquer l'hétérogénéité physiologique du vieillissement en identifiant des signatures distinctes liées à l'inflammation systémique et aux variations hémodynamiques.
Cette étude a développé et validé un algorithme évolutif utilisant les journaux d'audit des dossiers médicaux électroniques pour identifier avec une grande précision le clinicien de première ligne responsable d'un patient, surpassant ainsi les approches traditionnelles basées sur la fréquence des actions.