health informatics पेपर

A Reproducible Health Informatics Pipeline for Simulating and Integrating Early-Phase Oncology Clinical, Biomarker, and Pharmacokinetic Data for Exploratory Decision-Support Analytics

यह शोध पत्र एक पुनरुत्पादक (reproducible) पायथन-आधारित वर्कफ़्लो प्रस्तुत करता है जो ट्रांसलेशनल निर्णय सहायता के लिए विश्लेषण-तैयार डेटासेट, विज़ुअलाइज़ेशन और खोजपूर्ण भविष्य कहने वाले मॉडल उत्पन्न करने हेतु प्रारंभिक-चरण के ऑन्कोलॉजी क्लिनिकल, बायोमार्कर और फार्माकोकाइनेटिक डेटा का अनुकरण और एकीकरण करता है।

Petalcorin, M. I. R.2026-04-02

📄 health informatics

Development and Temporal Evaluation of Multimodal Machine Learning Models to Predict High Inpatient Opioid Exposure

यह अध्ययन प्रदर्शित करता है कि संरचित इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड डेटा को क्लिनिकल नोट एम्बेडिंग्स के साथ एकीकृत करने वाले मल्टीमॉडल मशीन लर्निंग मॉडल उच्च इनपेशेंट ओपिओइड एक्सपोज़र की सटीक भविष्यवाणी कर सकते हैं, जिससे लक्षित ओपिओइड स्टीवर्डशिप प्रयासों को सहायता मिल सकती है।

Kale, S., Singh, D., Truumees, E., Geck, M., Stokes, J.2026-04-02

📄 health informatics

Self-Reported Symptoms Enable Four-Phase Menstrual Cycle Classification with Hormonally Validated Labels

यह अध्ययन प्रदर्शित करता है कि ग्रेडिएंट बूस्टिंग और हिडन सेमी-मार्कोव मॉडल्स को संयोजित करने वाला एक हाइब्रिड मशीन लर्निंग फ्रेमवर्क केवल स्व-रिपोर्ट किए गए लक्षणों का उपयोग करके मासिक धर्म चक्र के चार चरणों को सटीक रूप से वर्गीकृत कर सकता है, जिससे 67.6% सटीकता प्राप्त होती है और लक्षण गतिशीलता को प्रजनन स्वास्थ्य के लिए एक स्केलेबल, डिवाइस-मुक्त डिजिटल बायोमार्कर के रूप में स्थापित किया जा सकता है।

Specht, B., Tayeb, Z. Z., Garbaya, S., Khadraoui, D., EL-Khozondar, M., Schneider, R.2026-04-01

📄 health informatics

DR. INFO at the Point of Care: A Prospective Pilot Study of an Agentic AI Clinical Assistant

यह संभावित पायलट अध्ययन प्रदर्शित करता है कि DR. INFO, एक एजेंटिक एआई क्लिनिकल असिस्टेंट, पुर्तगाली स्वास्थ्य देखभाल परिवेशों में चिकित्सकों के लिए समय दक्षता और नैदानिक निर्णय सहायता में महत्वपूर्ण सुधार करता है, जो उच्च संतुष्टि स्कोर और बिना किसी एट्रिशन बायस (attrition bias) के 81.2 का नेट प्रमोटर स्कोर प्राप्त करता है।

Corga Da Silva, R., Romano, M., Mendes, T., Isidoro, M., Ravichandran, S., Kumar, S., van der Heijden, M., Fail, O., Gna (…)2026-04-01

📄 health informatics

MedScope: A Lightweight Benchmark of Open-Source Large Language Models for Medical Question Answering

यह शोधपत्र MedScope प्रस्तुत करता है, जो एक हल्का बेंचमार्किंग फ्रेमवर्क है जो बहु-आयामी मेट्रिक्स और दृश्य विश्लेषणों का उपयोग करके चिकित्सा बहुविकल्पीय प्रश्नों पर छह ओपन-सोर्स लार्ज लैंग्वेज मॉडल्स का व्यवस्थित रूप से मूल्यांकन करता है, जो महत्वपूर्ण प्रदर्शन विषमता को प्रकट करता है और पारदर्शी बेसलाइन के रूप में उनके मूल्य के बावजूद, अनसुपरवाइज्ड उच्च-जोखिम वाले क्लिनिकल परिनियोजन के लिए उनकी वर्तमान अनुपयुक्तता को रेखांकित करता है।

Bian, R., Cheng, W.2026-04-01

📄 health informatics

Combining Token Classification With Large Language Model Revision for Age-Friendly 4M Entity Recognition From Nursing Home Text Messages: Development and Evaluation Study

यह अध्ययन एक बहु-चरणीय पाइपलाइन प्रस्तुत और मूल्यांकित करता है जो संशोधन के लिए एक फाइन-ट्यून्ड बायो-क्लिनिकलबर्ट (Bio-ClinicalBERT) टोकन क्लासिफायर को स्थानीय रूप से तैनात ओपन-सोर्स लार्ज लैंग्वेज मॉडल्स के साथ जोड़ता है, जो यह प्रदर्शित करता है कि यह हाइब्रिड दृष्टिकोण एकल-चरणीय मॉडलों की तुलना में अनौपचारिक नर्सिंग होम टेक्स्ट संदेशों से संरचित आयु-अनुकूल 4M (क्या महत्वपूर्ण है, दवा, मेंटेशन और गतिशीलता) जानकारी निकालने की सटीकता और दक्षता में महत्वपूर्ण सुधार करता है।

Amewudah, P., Popescu, M., Farmer, M. S., Powell, K. R.2026-04-01

📄 health informatics

MedResearchBench: A Multi-Domain Benchmark for Evaluating AI Research Agents on Clinical Medical Research

MedResearchBench एक पहला मल्टी-डोमेन बेंचमार्क पेश करता है जो विशेष रूप से सार्वजनिक डेटासेट और उच्च-गुणवत्ता वाले ग्राउंड ट्रुथ का लाभ उठाकर नैदानिक चिकित्सा कार्यों पर AI अनुसंधान एजेंटों का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जिससे सात नैदानिक डोमेन में छह चिकित्सा-विशिष्ट आयामों का उपयोग करके प्रदर्शन का आकलन किया जा सके, और इस प्रकार प्रकाशन-योग्य, नैदानिक रूप से सुदृढ़ अनुसंधान करने की AI की क्षमता के मूल्यांकन में मौजूद महत्वपूर्ण अंतर को दूर किया जा सके।

Tan, S., Tian, Z.2026-03-31

📄 health informatics

VaaS is a Multi-Layer Hallucination Reduction Pipeline for AI-Assisted Science: Production Validation and Prospective Benchmarking

यह शोध पत्र VaaS को प्रस्तुत और मान्य करता है, जो एक बहु-स्तरीय, लागत प्रभावी पाइपलाइन है जो पुनरावृत्ति परिशोधन (iterative refinement) और कठोर बेंचमार्किंग के माध्यम से वैज्ञानिक उद्धरण जनरेशन में AI मतिभ्रम (hallucinations) को लगभग शून्य स्तर तक कम करती है, जिससे उत्पादन स्तर पर विश्वसनीय AI-सहायता प्राप्त बायोमेडिकल अनुसंधान सक्षम होता है।

Sabharwal, A., Patel, M. S., Carrano, A., Rotman, M., Wierson, W., Ekker, S. C.2026-03-30

📄 health informatics

Availability and Quality of Anthropometric Data in Swiss Childrens Hospitals: The SwissPedGrowth Project

स्विसपेडग्रोथ (SwissPedGrowth) परियोजना डेटा की पूर्णता से संबंधित चुनौतियों और जनसंख्या की प्रतिनिधित्व क्षमता सुनिश्चित करने के लिए वेटिंग (weighting) की आवश्यकता के बावजूद, विकास अनुसंधान के लिए विविध स्विस बाल चिकित्सा अस्पतालों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड से उच्च गुणवत्ता वाले मानवमितीय (anthropometric) डेटा निकालने की व्यवहार्यता को प्रदर्शित करती है।

Leuenberger, L. M., Shoman, Y., Romero, F., Deligianni, X., Hartung, A., Mozun, R., Goebel, N., Bielicki, J. A., Burckha (…)2026-03-30

📄 health informatics

MOE-ECG: Multi-Objective Ensemble Fusion for Robust Atrial Fibrillation Detection Using Electrocardiograms

यह शोध पत्र MOE-ECG प्रस्तुत करता है, जो एक बहु-उद्देश्यीय एन्सेम्बल फ्यूजन फ्रेमवर्क है जो प्रेडिक्टिव परफॉरमेंस और मॉडल डाइवर्सिटी को एक साथ अनुकूलित करने के लिए पार्टिकल स्वार्म ऑप्टिमाइज़ेशन और डेम्पस्टर-शाफ़र थ्योरी का उपयोग करता है, जिससे कई ECG डेटासेटों में एट्रियल फाइब्रिलेशन डिटेक्शन के लिए एक सुदृढ़ और सटीक परिणाम प्राप्त होता है।

Peimankar, A., Hossein Motlagh, N., K. Khare, S., Spicher, N., Dominguez, H., Abolghasemi, V., Fujiwara, K., Teichmann (…)2026-03-30

← पिछला अगला →