📄 Category

health informatics

193 articles

Experimental multi-center validation of a radiomics-based photonic quantum precision medicine architecture for lesion-level prediction of anti-PD-1 response in non-small cell lung cancer

Cette étude de validation multicentrique démontre qu'une architecture d'apprentissage automatique quantique photonique, entraînée sur un espace de caractéristiques radiomiques réduit et validé statistiquement, peut prédire avec succès la réponse à l'anti-PD-1 dans le cancer du poumon non à petites cellules, surpassant ou égalant les modèles classiques lors de tests sur des données externes.

Olgiati, S., Santona, F., Meloni, D. + 5 more2026-03-11📄 health informatics

The Risk Factors, Detection and Classification of Esophageal Cancer Using Ensemble Machine Learning Models

Cette étude propose un cadre robuste d'apprentissage automatique ensembliste, optimisé par une stratégie multi-graines et une sélection de caractéristiques, qui atteint une précision exceptionnelle (98,3 %) et une sensibilité parfaite pour la détection précoce du cancer de l'œsophage en Éthiopie en se basant sur des facteurs de risque socio-démographiques, alimentaires et environnementaux.

Gaso, M. S., Mekuria, R. R., Cankurt, S. + 3 more2026-03-11📄 health informatics

Co-designing a virtual reality based mindfulness application to address diabetes distress using Artificial Intelligence-informed Experience-Based Co-Design (AI-EBCD): a feasibility study

Cette étude de faisabilité présente la conception participative d'une application de réalité virtuelle pour la pleine conscience, adaptée à la détresse diabétique grâce à l'intelligence artificielle, en identifiant les préférences des utilisateurs et en définissant les spécifications nécessaires pour développer un prototype personnalisé et culturellement pertinent.

Ghosal, S., Zhang, M., Stanmore, E. + 7 more2026-03-11📄 health informatics

Regression vs. Medical LLMs: A Comprehensive Study for CVD and Mortality Risk Prediction

Cette étude comparative menée sur la cohorte LURIC démontre que les grands modèles de langage médicaux (MedLLMs), optimisés par few-shot prompting ou finetuning, rivalisent avec les techniques de régression avancées et les méthodes cliniques de référence pour prédire le risque de mortalité cardiovasculaire, bien qu'ils nécessitent un recalage pour corriger leur tendance à surestimer la mortalité.

KOM SANDE, S. D., Skorski, M., Theobald, M. + 2 more2026-03-11📄 health informatics

Evaluating linkage approaches for address-level socioenvironmental exposure assessment

Cette étude démontre que le jumelage flou des adresses est nettement plus précis que les méthodes de géocodage pour l'évaluation des expositions socio-environnementales au niveau des parcelles, révélant ainsi des risques de biais différentiels dans les quartiers défavorisés et soulignant la nécessité d'approches de liaison standardisées et précises pour la recherche en santé.

Hartlage, C. S., Manning, E. R., Brokamp, C.2026-03-10📄 health informatics

PrivateBoost: Privacy-Preserving Federated Gradient Boosting for Cross-Device Medical Data

Le papier présente PrivateBoost, un système de boosting de gradient fédéré préservant la confidentialité conçu pour les données médicales mobiles, qui permet l'entraînement de modèles sur des appareils disposant d'un seul échantillon en utilisant un partage de secret de Shamir et une agrégation anonyme sans nécessiter de communication directe entre les clients ni de gestion complexe de clés.

Specht, B., Garbaya, S., Ermis, O. + 4 more2026-03-10📄 health informatics

Variability in Automated Sepsis Case Detection: A Systematic Analysis of Implementation Methods in Clinical Data Repositories

Cette étude systématique révèle une hétérogénéité méthodologique significative dans la détection automatisée du sepsis à partir des bases MIMIC-III et eICU-CRD, entraînant des taux de détection variables et appelant à une normalisation des rapports et à la publication de codes sources pour améliorer la reproductibilité.

Meyer-Eschenbach, F., Schmiedler, R., Stoephasius, J. v. + 13 more2026-03-10📄 health informatics

Measurement strategy alters inferred age-dependent accumulation and mortality risk of mosaic Y loss

Cette étude démontre que la méthode de quantification de la perte mosaïque du chromosome Y (phase par rapport à l'intensité) modifie fondamentalement les estimations de son accumulation liée à l'âge, de ses seuils de risque de mortalité et de sa prévalence dans la population, révélant que les approches conventionnelles sous-estiment la charge de risque en excluant les mosaïcismes de faible intensité.

Ware, A., Weyrich, M., Fatima, S. + 12 more2026-03-10📄 health informatics

More Signal vs. More Noise - Comparing Full Text and Abstract as Inputs for Large Language Model-based Classification of Oncology Trial Eligibility Criteria

Cette étude démontre que l'utilisation de l'intégralité des articles plutôt que de leurs résumés améliore significativement la précision des modèles d'IA dans la classification des critères d'éligibilité des essais cliniques en oncologie, car le signal supplémentaire apporté par le texte complet l'emporte sur le bruit informationnel.

Weyrich, J., Dennstaedt, F., Foerster, R. + 4 more2026-03-10📄 health informatics

Accelerating Exploratory Clinical Research: An LLM-Powered Framework for Cross-Study Data Harmonization and Natural Language Querying

Ce papier présente un cadre piloté par des modèles de langage (LLM) qui automatise l'harmonisation des données d'essais cliniques au format SDTM et permet leur interrogation en langage naturel via un agent text-to-SQL, afin de surmonter les problèmes d'interopérabilité et d'accélérer la génération de preuves dans la recherche clinique.

Garg, A., Sett, A., Baumann, B. + 4 more2026-03-09📄 health informatics

AI-Driven Feature Selection Using Only Survey Variable Descriptions: Large Language Models Identify Adolescent Vaping Predictors

Cette étude démontre que des modèles de langage de grande taille peuvent identifier de manière fiable, à partir uniquement des descriptions textuelles des variables d'enquête, les prédicteurs de l'initiation à la cigarette électronique chez les adolescents, permettant ainsi de construire des modèles prédictifs performants tout en préservant la confidentialité des données.

Zhang, K., Zhao, Z., Hu, Y. + 1 more2026-03-09📄 health informatics

Time-to-event modeling with multimodal clinical and genetic features improves risk stratification of liver complications in chronic hepatitis C

En utilisant des données multimodales harmonisées du programme All of Us, cette étude a développé et validé un cadre de survie interprétable intégrant des facteurs cliniques et génétiques qui améliore significativement la stratification du risque de complications hépatiques et de mortalité chez les patients atteints d'hépatite C chronique.

Islam, H., Arian, A., Franses, J. W. + 1 more2026-03-09📄 health informatics

Predictors of COVID-19 hospital outcomes: a machine learning analysis of the National COVID Cohort Collaborative

Cette étude rétrospective utilisant les données du N3C montre que les modèles d'apprentissage automatique basés sur des données EHR structurées offrent une discrimination modérée pour prédire la mortalité des patients hospitalisés pour COVID-19, mais échouent à prédire avec précision la durée de séjour, tout en soulignant les compromis critiques entre discrimination et calibration lors de l'utilisation de techniques de rééchantillonnage comme SMOTE.

Vazquez, J., Taylor, L., Chen, Y.-Y. K. + 5 more2026-03-09📄 health informatics

Extracting patient reported cannabis use and reasons for use from electronic health records: a benchmarking study of large language models

Cette étude démontre qu'il est possible d'extraire avec précision, à l'aide de modèles de langage clinique affinés et de grands modèles de langage, les mentions d'utilisation de cannabis et les raisons de cette utilisation dans les dossiers médicaux électroniques de patients atteints de maladies rhumatismales auto-immunes.

Wang, Y., Bozkurt, S., Le, N. + 6 more2026-03-09📄 health informatics