📄 Category

health informatics

239 articles

L'informatique de la santé se situe à la croisée des données médicales et de la technologie, transformant des informations brutes en connaissances actionnables pour améliorer les soins. Ce domaine englobe tout, de l'analyse de grands ensembles de données cliniques à la création d'outils numériques qui aident les médecins à prendre des décisions plus rapides et plus précises.

Sur Gist.Science, nous suivons de près les dernières avancées de ce secteur en traitant chaque nouveau prépublication soumise sur medRxiv. Pour chaque étude, nous proposons une explication claire en langage courant ainsi qu'un résumé technique détaillé, rendant la recherche complexe accessible à tous les publics.

Vous trouverez ci-dessous la sélection la plus récente de ces travaux, offrant un aperçu direct des innovations qui façonnent l'avenir de la médecine numérique.

📄 health informatics

Registered Report: Artifact Index for Capacitive Electrocardiography Acquired with an Armchair

Ce rapport enregistré présente un indice d'artéfact pour les signaux ECG capacitifs acquis à partir d'un fauteuil instrumenté, lequel utilise une approche de vote de trois indices de qualité de signal pour distinguer efficacement les segments propres des segments artéfactés lors de la lecture et du visionnage de la télévision, permettant ainsi une surveillance continue et fiable de la santé dans des contextes réels non supervisés.

Warnecke, J. M., Baumgärtel, D., Bollmann, J., Deserno, T. M.2026-06-09
📄 health informatics

Topological Deep Learning Identifies Polygenic Variant Clusters Across Familial Multimorbid Disorders

Le document présente PolyCLIP-T, un cadre multimodal guidé par la topologie qui exploite le séquençage du génome complet et l'homologie persistante pour identifier des clusters stables de variants polygéniques à travers les troubles multimorbides familiaux, surmontant efficacement les limites des pipelines traditionnels basés sur des règles pour la détection de moteurs génétiques non codants, structurels et à faible pénétrance.

Vomo-Donfack, K. L., Bousquet, G., Falgarone, G., Ginot, G., Morilla, I.2026-06-09
📄 health informatics

An AI-assisted feasibility evaluation of three photoplethysmography-derived microvascular reactivity signals in MIMIC-IV-WDB v0.1.0

Cette étude évalue trois signaux de réactivité microvasculaire dérivés de la photopléthysmographie dans l'ensemble de données MIMIC-IV-WDB v0.1.0 à l'aide d'une inspection visuelle humaine et assistée par IA, constatant que deux signaux n'ont pas réussi à capturer leur physiologie prévue dans la plupart des cas et que le troisième était limité par le placement du capteur, soulignant ainsi la nécessité d'une validation préliminaire des données brutes avant la modélisation en aval.

Landry, T. C., Kim, Y.2026-06-06
📄 health informatics

BodyMAE: A Surface-Area Aware Masked Autoencoder for Body Composition Estimation from 3D Body Scans

Cet article présente BodyMAE, un autoencodeur masqué sensible à la surface qui exploite des scans corporels 3D à échelle métrique pour estimer avec précision les mesures de la composition corporelle telles que la masse grasse et la masse maigre, atteignant une corrélation élevée avec les mesures cliniques par DXA tout en surmontant des défis tels que la densité de points non uniforme et la variabilité des appareils.

Zheng, Y., Feng, B., Cheng, R., Qiu, C., Long, Z., Vaziri, K., Hahn, J.2026-06-06
📄 health informatics

Genosolver: Rare Disease Diagnosis through Holistic Integration of Unstructured Clinical Narratives Using Large Language and Reasoning Models

Genosolver est un flux de travail intégré qui exploite les modèles de langage et de raisonnement de grande taille pour extraire des informations cliniques détaillées à partir de récits non structurés, améliorant considérablement les taux de diagnostic des maladies rares et surpassant les outils existants comme Exomiser en hiérarchisant efficacement les variants génétiques causatifs.

Islam, T., Danner, M., Ziad, Z., Begemann, M., Beijer, D., Lischka, A., Lausberg, E., Mattern, L., Suh, J., Wittig, P. (…)2026-06-05
📄 health informatics

Translating 3D Slicer into Brazilian Portuguese: A methodological approach to software localization in Latin America

Cet article présente un cadre méthodologique pour la localisation du logiciel d'imagerie médicale open-source 3D Slicer en portugais brésilien, abordant des défis linguistiques et terminologiques spécifiques afin d'améliorer l'accessibilité pour les utilisateurs non anglophones en Amérique latine.

Veiga, P. E. d. B., Murta, L. O., Goncalves, D. S., Silva, L. S., Montano-Serrano, V. M., Laredo, E. H., Lasso, A., Piep (…)2026-06-03
📄 health informatics

Knowledge-Driven Neuro-Symbolic Reasoning for Personalized Oncology Treatment Recommendation Based on Multi-Modal Medical Knowledge Graph

Ce document propose K-NeSyNet, un nouveau cadre neuro-symbolique piloté par la connaissance qui intègre un graphe de connaissances oncologiques multimodal à un mécanisme de raisonnement symbolique à trois canaux différentiable et à une fusion neurale adaptative afin de fournir des recommandations de traitement contre le cancer personnalisées, précises, sûres et interprétables.

Yang, L., Wan, H., Zhu, J., Zhou, P., Wang, Z.2026-06-02
📄 health informatics

Beyond Identifier Matching: An Empirical Characterization of Failure Modes in Biomedical Knowledge Graph Integration

Ce papier démontre empiriquement que le recours exclusif à la correspondance d'identifiants pour l'intégration de graphes de connaissances biomédicaux est insuffisant, révélant que, bien que les méthodes basées sur la correspondance inter-ontologies et sur les plongements augmentent la couverture, elles introduisent systématiquement des modes d'échec cliniquement significatifs tels que la fusion excessive et l'effondrement sémantique qui obscurcissent des distinctions critiques dans les applications en aval.

Hu, S., Cheng, H., Gillenwater, L., Manpearl, K., Mandava, A., Wang, Y., Pividori, M., Stranger, B., Krishnan, A., Green (…)2026-05-28
📄 health informatics

Explainable AI for Data-Driven Design of High-Dimensional Predictive Studies

Cet article présente un système de recommandation par IA exploratoire qui exploite l'IA explicable pour générer des recommandations fondées sur les données concernant la sélection de variables, les termes non linéaires et les interactions, améliorant ainsi considérablement les performances prédictives et l'interprétabilité des modèles cliniques de haute dimension tels que le modèle à risques proportionnels de Cox.

Yan, J., Machlanski, D., Butler, K., Dimitrakopoulos, P., Harrison, E. M., Guthrie, B. M., Tsaftaris, S. A.2026-05-24
📄 health informatics

Ambient AI Documentation in Mixed-Language Encounters: A Heuristic Evaluation of Spanish-English and Mandarin-English Conversations

Cette étude évalue les performances d'un système de documentation par IA ambiante lors de consultations cliniques bilingues, révélant que, bien que les taux globaux d'erreurs de transcription soient faibles et que les changements de langue soient généralement détectés de manière fiable, des défis majeurs persistent avec le code-switching mandarin-anglais, notamment des erreurs aberrantes élevées et des suppressions fréquentes aux points de changement de langue.

Hu, D., Flores, D., Flores, L., Chien, R., Lam, K., Chow, E., Guo, Y., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-05-22