193 articles
Cette étude démontre que l'apprentissage fédéré permet de développer des modèles de prédiction clinique performants et respectueux de la vie privée pour le VIH en Amérique latine et dans les Caraïbes, surpassant les modèles locaux tout en s'approchant des performances d'une approche centralisée sans partager les données des patients.
Cette étude démontre que la surveillance passive via des dispositifs portables, tels que les Fitbit, permet d'identifier précocement les patients insuffisants cardiaques à risque d'hospitalisation en détectant des baisses d'activité physique et des augmentations de la fréquence cardiaque au repos.
Cette étude présente le développement d'une application de traitement du langage naturel basée sur le modèle BERT, capable d'extraire et de catégoriser avec une grande précision diverses formes de violence et leurs caractéristiques à partir des notes cliniques textuelles non structurées des dossiers de santé électronique en santé mentale.
Cette étude démontre que la mise en commun virtuelle (Virtual Pooling) permet d'exécuter des analyses cliniques multicentriques complètes et précises, y compris l'inférence causale, sans partage centralisé de données, en reproduisant fidèlement les résultats d'une étude de référence sur le dépistage de la rétinopathie diabétique entre deux institutions.
Cette étude démontre que l'écart d'âge cardiaque dérivé de l'intelligence artificielle à partir d'ECG, basé sur le modèle ECGFounder, constitue un biomarqueur numérique non invasif puissant pour stratifier le risque cardiovasculaire et prédire les événements majeurs chez les participants de la UK Biobank.
Les auteurs ont retiré leur manuscrit concernant un modèle prédictif d'admission en réanimation suite à la découverte d'un problème d'analyse nécessitant une révision.
Cet article présente un cadre statistique réglementaire qui quantifie la répétabilité et la reproductibilité des grands modèles de langage selon des dimensions sémantiques et internes, révélant que ces métriques dépendent fortement de la stratégie d'incitation utilisée et ne sont pas nécessairement corrélées à la précision diagnostique.
Cette étude démontre que l'âge cardiovasculaire dérivé de données de wearables chez 442 adultes reflète significativement des habitudes de vie indépendantes de l'algorithme, notamment la qualité du sommeil et l'activité physique, tout en suivant les améliorations physiologiques au fil du temps.
Cette étude d'évaluation précoce démontre que le système d'aide à la décision clinique AIFYA, basé sur un modèle de langage large supervisé par des humains et aligné sur les protocoles nationaux, a été mis en œuvre avec succès dans des établissements de santé publics au Kenya, obtenant une forte adhésion des professionnels de santé et un taux élevé de conformité aux recommandations cliniques.
Bien que les modèles de langage comme GPT-5.2 affichent une haute précision diagnostique sur des histoires complètes, une nouvelle évaluation par simulation de 1 000 transcripts cliniques révèle qu'ils génèrent des recommandations dangereuses et des erreurs de triage, notamment en décourageant des investigations essentielles et en présentant des biais de sécurité significatifs envers les patientes, en particulier dans les cas de données incomplètes.
Cette étude démontre qu'une gouvernance efficace, une méthodologie multidisciplinaire et des plans d'action bien exécutés permettent de mitiger avec succès la majorité des impacts négatifs liés à la mise en œuvre des dossiers de santé électroniques.
Le modèle SleepJEPA, entraîné sur plus de 422 000 heures de données de polysomnographie à domicile, permet d'estimer avec précision les risques futurs de diverses maladies cardiovasculaires, métaboliques et neurologiques tout en assurant une analyse complète des stades de sommeil et de pathologies spécifiques.
Cette étude évalue l'impact et la diffusion des connaissances de quatre grandes bases de données de santé ouvertes, révélant une amplification citationnelle indirecte d'environ 10 fois, des disparités significatives dans la composition démographique des auteurs selon le type de ressource, et une persistance des inégalités de genre au sein des positions d'auteurs seniors que l'accès aux données seul ne suffit pas à résoudre.
Cette étude longitudinale mixte menée au Nigeria révèle que les performances réelles de six systèmes d'IA de santé y sont inférieures de 24,2 points de pourcentage aux affirmations des fournisseurs, entraînant des préjudices évitables et un creusement des inégalités, ce qui plaide pour une vérification indépendante obligatoire post-déploiement.
Les auteurs présentent NiaAge, un cadre d'âge biologique cliniquement interprétable dérivé des risques de mortalité à long terme et des trajectoires normatives, qui surpasse l'âge chronologique et d'autres horloges biologiques dans la prédiction de la mortalité et de la santé physique et cognitive.
En analysant les données de près de 260 000 participants du programme All of Us, cette étude démontre que l'intégration des déterminants sociaux de la santé améliore la prédiction des maladies chroniques, révélant que les facteurs expérientiels comme le stress prédisent mieux la santé mentale tandis que les caractéristiques démographiques et structurelles influencent davantage les maladies cardiométaboliques, ce qui plaide pour des interventions ciblées plutôt que des approches universelles.
Cette étude valide internationalement l'Indice de Documentation Intensive (IDI) comme prédicteur de mortalité en réanimation, démontrant que sa performance prédictive dépend fortement de la granularité temporelle des données, avec des résultats nettement supérieurs dans la cohorte suisse (HiRID) à faible latence par rapport à la cohorte américaine (MIMIC-IV).
Cette étude démontre qu'une plateforme de gestion numérique de la santé, conçue à partir de l'analyse des discussions sur les réseaux sociaux concernant le syndrome de l'intestin irritable, a entraîné une réduction significative et durable des visites aux urgences et des hospitalisations non planifiées en Corée du Sud, confirmant ainsi l'efficacité des interventions de santé publique fondées sur les données numériques.
Cette étude démontre que le filtre SaPM pour les essais contrôlés randomisés sur Ovid MEDLINE réduit considérablement la charge de criblage par rapport au filtre SM tout en conservant la quasi-totalité des études pertinentes, le risque de manquant étant atténuable par la recherche de citations.
Cette étude démontre que la plateforme d'extraction basée sur les grands modèles de langage (LLM) Brim Analytics atteint une précision élevée et comparable à celle du système DeepPhe pour l'automatisation de l'extraction des données de registres de cancer à partir de rapports de pathologie, tout en offrant des temps de traitement compétitifs.