📄 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.

Leveraging Predictive AI and LLM-Powered Trial Matching to Improve Clinical Trial Recruitment: A Usability Assessment of Trialshub

Cette étude d'usabilité menée auprès de coordonnateurs de recherche clinique à la Morehouse School of Medicine démontre que Trialshub, une plateforme de matching d'essais cliniques propulsée par l'IA, présente un fort potentiel pour améliorer les processus de recrutement, tout en identifiant des axes d'amélioration spécifiques liés à la fiabilité du système et à la clarté de l'interface pour son déploiement réel.

Blankson, P.-K., Hussien, S., Idris, F., Trevillion, G., Aslam, A., Afani, A., Dunlap, P., Chepkorir, J., Melgarejo, P., Idris, M.2026-04-20📄 health informatics

On Estimating Age and Gender from Parkinson's Disease Diagnostic-Oriented Recordings Using Wav2Vec 2.0

Cette étude démontre que le modèle auto-supervisé Wav2Vec 2.0 permet d'estimer avec une grande robustesse le genre et, dans une moindre mesure l'âge via la parole connectée, à partir d'enregistrements de patients atteints de maladies parkinsoniennes, tout en révélant des biais liés à la tâche pour l'estimation de l'âge.

Klempir, O., Tichopad, A., Krupicka, R.2026-04-15📄 health informatics

Attitudes and Perceptions of Generative Artificial Intelligence Chatbots in the Scientific Process of Traditional, Complementary, and Integrative Medicine Research: A Large-Scale, International Cross-Sectional Survey

Cette étude internationale révèle que la majorité des chercheurs en médecine traditionnelle, complémentaire et intégrative reconnaissent le potentiel des chatbots d'intelligence générative pour optimiser leur travail scientifique, tout en soulignant le besoin urgent de formations pour surmonter les défis liés aux biais et aux erreurs.

Ng, J. Y., Tan, J., Syed, N., Adapa, K., Gupta, P. K., Li, S., Mehta, D., Ring, M., Shridhar, M., Souza, J. P., Yoshino, T., Lee, M. S., Cramer, H.2026-04-15📄 health informatics

A case report on gendered biases in a Finnish healthcare AI assistant

Cette étude révèle que l'assistant IA finlandais basé sur la génération augmentée par récupération (RAG) présente des biais de genre significatifs et cliniquement pertinents, notamment en associant de manière stéréotypée les variantes féminines aux soins infantiles et à la santé reproductive, des erreurs qui se manifestent tant au niveau de la récupération des données que de la génération du modèle.

Luisto, R., Snell, K., Vartiainen, V., Sanmark, E., Äyrämö, S.2026-04-14📄 health informatics

Nationwide Prediction of Missed and Cancelled Appointments Using Real-World EHR Data

Cette étude rétrospective nationale utilisant des données de dossiers médicaux électroniques a démontré que l'intégration de modèles d'apprentissage automatique, notamment XGBoost, permet de prédire avec une grande précision les rendez-vous ambulatoires non utilisés, offrant ainsi des opportunités d'optimisation de la gestion des rendez-vous.

Miran, S. A., Cheng, Y., Faselis, C., Brandt, C., Vasaitis, S., Nesbitt, L., Zanin, L., Tekle, S., Ahmed, A., Nelson, S. J., Zeng-Treitler, Q.2026-04-13📄 health informatics

Spine Reviews: Crowdsourcing Global Spine Expert Knowledge via Digital Ledger Technology

Cette étude prospective démontre que la technologie de registre numérique (DLT) couplée à des jetons non transférables (SBT) permet de collecter rapidement et à faible coût des recommandations de traitement cohérentes cliniquement auprès d'experts internationaux en chirurgie rachidienne, révélant ainsi l'importance de l'équipoise clinique et de la diversité des données pour la modélisation prédictive.

Challier, V., Diebo, B., Lafage, V., Dehouche, N., Lonjon, G., Cristini, J., SpineDAO,2026-04-13📄 health informatics

Individualised evoked response detection based on the spectral noise colour

L'article présente Fmpi, un cadre de détection analytique des potentiels évoqués qui, en modélisant le bruit de fond spécifique à chaque individu, permet un diagnostic en temps réel plus rapide et plus précis que les méthodes actuelles, tout en intégrant un mécanisme d'arrêt précoce pour réduire la durée des tests.

Undurraga Lucero, J. A., Chesnaye, M., Simpson, D., Laugesen, S.2026-04-13📄 health informatics

Early Detection of Absurdity Signals in Pharmacovigilance: A Machine Learning Ensemble Approach to Identify Rare Adverse Drug Reactions

Cette étude présente une approche d'apprentissage automatique par ensemble qui détecte les signaux d'absurdité dans les données de pharmacovigilance en préservant les événements indésirables rares et atypiques, souvent ignorés par les méthodes statistiques traditionnelles, afin d'améliorer la détection précoce des réactions médicamenteuses graves.

Dasgupta, R.2026-04-12📄 health informatics

Validated Synthetic Data Generation from a Multicenter Spine Surgery Registry: Methodology and Benchmark

Cette étude présente et valide un pipeline de génération de données synthétiques pour un registre chirurgical rachidien multicentrique, démontrant la faisabilité technique d'un cadre certifié garantissant à la fois la confidentialité des patients, la fidélité statistique et l'utilité pour l'IA, le tout avec une traçabilité immuable sur la blockchain.

Challier, V., Jacquemin, C., Diebo, B., Dehouche, N., Denisov, A., Cristini, J., Campana, M., Castelain, J.-E., Lonjon, G., Lafage, V., Ghailane, S., SpineDAO Collaborative Group,2026-04-11📄 health informatics

Spatial Decomposition of Longitudinal RNFL Maps Reveals Distinct Modes of Glaucomatous Progression with Structure Function and Genetic Signatures

Cette étude démontre que la décomposition spatiale des cartes longitudinales de la couche de fibres nerveuses rétiniennes révèle six modes distincts de progression du glaucome, offrant une meilleure corrélation avec le champ visuel et des signatures génétiques plus fortes que les mesures globales conventionnelles.

Chen, L., Zhao, Y., Moradi, M., Eslami, M., Wang, M., Elze, T., Zebardast, N.2026-04-11📄 health informatics