📄 Category

health informatics

159 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.

Fully Automated Systematic Review Generation via Large Language Models: Quality Assessment and Implications for Scientific Publishing

Cette étude démontre la faisabilité technique de la génération entièrement automatisée de revues systématiques par l'IA, qui surpassent une revue humaine en qualité perçue tout en révélant des limites critiques concernant la profondeur de l'information et des biais dans la perception des experts, ce qui appelle à de nouveaux cadres de transparence et de vérification dans l'édition scientifique.

McLaughlin, L., Walz, M. S., Arries, C.2026-02-23📄 health informatics

Machine Learning Analysis of User Sentiments in Tinnitus Management Apps

Cette étude utilise un modèle d'analyse de sentiments basé sur des graphes (GNN-ABSA) pour analyser plus de 342 000 avis d'utilisateurs d'applications de gestion de l'acouphène, révélant que les fonctionnalités thérapeutiques sont bien accueillies tandis que les aspects commerciaux et techniques suscitent des critiques, offrant ainsi des données précieuses pour améliorer le développement et la prescription de ces outils numériques.

Yousaf, M. N., Anwar, M. N., Naveed, N., Haider, U.2026-02-22📄 health informatics

Clinicians' Rationale for Editing Ambient AI-Drafted Clinical Notes: Persistent Challenges and Implications for Improvement

Cette étude révèle que les cliniciens modifient principalement les notes médicales générées par l'IA ambiante pour corriger des erreurs de transcription, améliorer la précision clinique et réduire les risques médico-légaux, soulignant ainsi la nécessité d'une collaboration entre fournisseurs, institutions et praticiens pour optimiser ces outils.

Guo, Y., Hu, D., Yang, Z., Chow, E., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-02-22📄 health informatics

Automation of Systematic Reviews with Large Language Models

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.

Cao, C., Arora, R., Cento, P., Budak, A., Manta, K., Farahani, E., Cecere, M., Selemon, A., Sang, J., Gong, L. X., Kloosterman, R., Jiang, S., Saleh, R., Margalik, D., Lin, J., Jomy, J., Xie, J., Chen (…)2026-02-18📄 health informatics

Understanding Comorbidities in Hypermobile Ehlers-Danlos Syndrome: Could a Viral Infection Unmask the Disorder?

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.

Pearson, M. L., Laraway, B. J., Elias, E. R., Bilousova, G., Haendel, M. A.2026-02-17📄 health informatics

Comparing AI and Human Coding of NIH Grant Abstracts to Identify Innovations in Opioid Addiction Treatment

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.

Alkhatib, S. A., Jiwa, N., Judd, D., Luningham, J. M., Sawyer-Morris, G., Ulukaya, M., Molfenter, T., Taxman, F. S., Walters, S. T.2026-02-17📄 health informatics

Sino-US-DrugQA: A Benchmark for Evaluating Large Language Models in Cross-Jurisdictional Pharmaceutical Regulation

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.

Chen, Z., Fu, X., Lu, W.2026-02-17📄 health informatics

Outcome Risk Modeling for Disability-Free Longevity: Comparison of Random Forest and Random Survival Forest Methods

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.

Vanghelof, J. C., Tzimas, G., Du, L., Tchoua, R., Shah, R. C.2026-02-17📄 health informatics