256 पेपर
यह अध्ययन प्रदर्शित करता है कि कंपोजिट-ओनली मल्टी-टास्क लर्निंग कैंसर पीयर-सपोर्ट टेक्स्ट में बहुआयामी मनोसामाजिक बोझ का प्रभावी ढंग से प्रोफाइलिंग करती है, जबकि लार्ज लैंग्वेज मॉडल्स से प्राप्त सॉफ्ट-लेबल सुपरविजन, इमोशन क्लासिफिकेशन के लिए हार्ड-लेबल बेसलाइन्स की तुलना में कम प्रदर्शन करता है।
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।
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।
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।
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।
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।
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।
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।
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।
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।