📄 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

Evaluating Large Language Models for Translating Multimodal Phenotype Documentations into Executable EHR Phenotyping Algorithms

Cette étude évalue les grands modèles de langage de pointe pour la traduction de la documentation multimodale des phénotypes cliniques en algorithmes exécutables de dossier médical électronique, constatant que, bien qu'ils interprètent efficacement les textes structurés, leurs performances se dégradent considérablement avec des entrées exclusivement diagrammatiques, identifiant ainsi la qualité de la documentation plutôt que les capacités du modèle comme le principal goulot d'étranglement.

Yan, C., Xin, Y., Su, W.-C., Gangireddy, S., Durbhakula, S., Bruehl, S. P., Dickson, A. L., Li, L., Feng, Q., Malin, B. (…)2026-05-22
📄 health informatics

Deep Learning and Machine Learning for Early Detection of Alzheimer's Disease: A Systematic Review and Meta-Analysis

Cette revue systématique et méta-analyse de 30 études démontre que les algorithmes d'apprentissage automatique et d'apprentissage profond atteignent une haute précision diagnostique pour la détection précoce de la maladie d'Alzheimer, bien que le domaine nécessite des protocoles d'évaluation standardisés et une validation externe pour atténuer le surajustement et assurer la viabilité clinique.

Machiraju, S.2026-05-22
📄 health informatics

Asymmetry between warmth and clinical substance in multilingual consumer health AI

Cette étude révèle que l'IA multilingue en santé du consommateur présente une asymétrie critique où la substance clinique et la sécurité varient considérablement selon la langue — échouant souvent silencieusement dans les contextes non anglophones — tout en maintenant un ton empathique et cohérent dans toutes les langues.

Ariel, D., Grumberg, L. R., Supakul, S., Wannasri, S., Mitchnik, I. Y., Lev, A., Ariyamethanon, W., Agbarieh, M., Miari (…)2026-05-14
📄 health informatics

Epidemiology-Informed Graph Neural Networks for Predicting and Interpreting Transmissible Hospital-Acquired Infections: A Retrospective Cohort and Simulation Study

Ce papier propose un cadre de réseau de neurones graphique informé par l'épidémiologie (EIGNN) qui intègre des modèles épidémiologiques mécanistes avec des réseaux de contacts axés sur les données pour prédire et interpréter avec précision la dynamique des infections nosocomiales tout en garantissant la confiance clinique grâce à la transparence.

Vindas Yassine, Y. E., Bornet, A., Abbas, M., Geissbuehler, D., Rodrigues-Jr, J. F., Teodoro, D.2026-05-12
📄 health informatics

Three Decades of FDA Authorizations of AI/ML Enabled Medical Devices: Persistent Specialty Concentration and the Care Delivery Gap (1995 to 2025)

Cette analyse transversale de 1 430 autorisations de la FDA de 1995 à 2025 révèle que, si les approbations de dispositifs médicaux intégrant l'IA/ML ont augmenté de manière exponentielle, elles restent fortement concentrées dans les spécialités diagnostiques riches en imagerie comme la radiologie, laissant des lacunes significatives en matière de représentation pour d'autres grands domaines cliniques tels que la pathologie, l'obstétrique et la santé comportementale.

Golshani, P., Joseph, M. S.2026-05-12
📄 health informatics

Machine Learning and Explainable AI for Multi-State Classification of Malaria Transmission Dynamics in Kenya

Cette étude développe et valide un cadre d'apprentissage automatique interprétable utilisant le Gradient Boosting Extrême pour classer avec précision les états de transmission du paludisme dans les 47 comtés du Kenya de 2015 à 2025, démontrant que l'intégration de données épidémiologiques et environnementales peut efficacement soutenir la surveillance ciblée et l'allocation des ressources.

Gogo, J. A., Wanyonyi, M.2026-05-12
📄 health informatics

MISP-Bench: Decomposing User-Provided False Priors into Answer, Rationale, and Guard Effects

L'article présente MISP-Bench, une évaluation factorielle à grande échelle examinant comment les modèles de langage à poids ouverts réagissent à des prémisses fausses fournies par l'utilisateur dans des contextes cliniques et éducatifs, révélant que les attaques combinées de réponse et de justification entraînent des dommages sous-additifs, que des distracteurs ciblés augmentent significativement la sycophancie par rapport à des distracteurs arbitraires, et que des stratégies spécifiques de garde-fous (comme l'indépendance de la source et les remplacements explicites) atténuent efficacement la susceptibilité à la désinformation à travers divers modèles.

Jeong, I., Kim, Y., Park, J.-H., Lee, H.2026-05-10
📄 health informatics

Unmeasured but Not Unbiased: The Missingness Demographic Leakage Audit (MDLA) for Calibration-Aware Fairness Evaluation in Critical Care Mortality Prediction

Cet article présente l'audit de fuites démographiques par données manquantes (MDLA), un cadre reproductible qui révèle comment les motifs de données cliniques manquantes dans les modèles de mortalité en soins critiques peuvent agir comme des proxies démographiques subtils et non mesurés, rendant nécessaire l'intégration d'un audit sensible aux données manquantes et d'une évaluation sensible à l'étalonnage dans les pipelines de validation de l'IA clinique.

Patel, K., Beedala, P.2026-05-03
📄 health informatics

Disease Risk Prediction Using Structured EHR Data: Can Generalist Large Language Models Match Specialized Clinical Foundation Models? A Comparative Evaluation with Fine-Tuning

Cette évaluation comparative démontre que, bien que les grands modèles de langage généralistes affinés sous-performent généralement les modèles de fondation cliniques spécialisés dans la prédiction structurée du risque de maladie à partir de dossiers médicaux électroniques, les embeddings générés par des LLM couplés à des classifieurs légers peuvent atteindre des performances supérieures sur les deux métriques AUROC et AUPRC.

Mao, B., Prasadha, M. K., Xie, Z., He, J., Ghebranious, M., Xu, H., Zhi, D., Rasmy, L.2026-05-01
📄 health informatics

Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving

Le protocole REVELIO décrit une étude pilote randomisée et contrôlée sur un circuit d'essai fermé, conçue pour évaluer la faisabilité d'un système multimodal embarqué visant à détecter la conduite sous l'emprise du cannabis chez des usagers récréatifs en bonne santé, en corrélant les données relatives au véhicule, au conducteur et à la biologie suite à une administration contrôlée de THC.

Bechny, M., Deuber, R., Heck, C., Brügger, J., Pfäffli, M., Jovanova, M., Fleisch, E., Wortmann, F., Weinmann, W.2026-05-01