📄 Category

health informatics

191 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

Explainable AI for Data-Driven Design of High-Dimensional Predictive Studies

Cet article présente un système de recommandation par IA exploratoire qui exploite l'IA explicable pour générer des recommandations fondées sur les données concernant la sélection de variables, les termes non linéaires et les interactions, améliorant ainsi considérablement les performances prédictives et l'interprétabilité des modèles cliniques de haute dimension tels que le modèle à risques proportionnels de Cox.

Yan, J., Machlanski, D., Butler, K., Dimitrakopoulos, P., Harrison, E. M., Guthrie, B. M., Tsaftaris, S. A.2026-05-24
📄 health informatics

Ambient AI Documentation in Mixed-Language Encounters: A Heuristic Evaluation of Spanish-English and Mandarin-English Conversations

Cette étude évalue les performances d'un système de documentation par IA ambiante lors de consultations cliniques bilingues, révélant que, bien que les taux globaux d'erreurs de transcription soient faibles et que les changements de langue soient généralement détectés de manière fiable, des défis majeurs persistent avec le code-switching mandarin-anglais, notamment des erreurs aberrantes élevées et des suppressions fréquentes aux points de changement de langue.

Hu, D., Flores, D., Flores, L., Chien, R., Lam, K., Chow, E., Guo, Y., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-05-22
📄 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