256 पेपर
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।
यह शोध पत्र HealthFormer का प्रस्ताव करता है, जो एक द्वि-स्तरीय, समय-जागरूक (time-aware) ट्रांसफॉर्मर फ्रेमवर्क है जिसे मल्टी-टास्क सेल्फ-सुपरविजन का उपयोग करके बड़े पैमाने पर अनुदैर्ध्य (longitudinal) EHRs पर प्रीट्रेन किया गया है ताकि पदानुक्रमित, घटना-केंद्रित रोगी निरूपण (patient representations) सीखे जा सकें जो सरल फाइन-ट्यूनिंग के माध्यम से कैंसर की घटनाओं की भविष्यवाणी करने में अत्याधुनिक प्रदर्शन प्राप्त करते हैं।
यह अध्ययन प्रदर्शित करता है कि फेडरेटेड लर्निंग विविध अंतर्राष्ट्रीय समूहों में एचआईवी देखभाल के लिए गोपनीयता-संरक्षित, बहु-स्थल मशीन लर्निंग को प्रभावी रूप से सक्षम बनाता है, जो केंद्रीकृत मॉडलों के तुलनीय प्रदर्शन प्राप्त करते हुए स्थानीय साइट-विशिष्ट दृष्टिकोणों से काफी बेहतर प्रदर्शन करता है।
यह अध्ययन प्रदर्शित करता है कि वियरेबल-व्युत्पन्न डेटा की निष्क्रिय निगरानी, विशेष रूप से कम कदमों की संख्या और बढ़ी हुई विश्राम हृदय गति, अस्पताल में भर्ती होने के उच्च जोखिम वाले हार्ट फेल्योर रोगियों की तीन दिन पहले तक प्रभावी ढंग से पहचान कर सकती है।
इस अध्ययन ने एक मल्टी-लेबल BERT-आधारित नेचुरल लैंग्वेज प्रोसेसिंग एप्लिकेशन विकसित और मान्य किया है जो अनस्ट्रक्चर्ड मानसिक स्वास्थ्य रिकॉर्ड से हिंसा के विभिन्न रूपों, रोगी की भूमिकाओं और प्रासंगिक विवरणों को सफलतापूर्वक निकालता है और वर्गीकृत करता है, जिसने टेम्पोरल (सामयिक) पहलुओं को छोड़कर अधिकांश विशेषताओं पर उच्च प्रदर्शन प्राप्त किया है।
लेखकों ने विश्लेषणात्मक समस्याओं के कारण, जिन्हें संशोधन की आवश्यकता है, ईडी (ED) ट्राइएज से आईसीयू (ICU) में प्रवेश की भविष्यवाणी करने वाले एक उच्च-परिशुद्धता मॉडल के संबंध में अपना पांडुलिपि वापस ले लिया है, और उन्होंने अनुरोध किया है कि इस कार्य को उद्धृत न किया जाए।
यह शोध पत्र एक नियामक-सूचित सांख्यिकीय ढांचे को प्रस्तुत करता है जो बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) की अर्थपूर्ण और आंतरिक पुनरावृत्ति (रिपीटेबिलिटी) एवं पुनरुत्पादकता (रिप्रोड्यूसिबिलिटी) को परिमाणित करता है, यह प्रदर्शित करते हुए कि ये मीट्रिक्स प्रॉम्प्टिंग रणनीतियों और मॉडल विन्यासों के आधार पर महत्वपूर्ण रूप से भिन्न होते हैं, अक्सर नैदानिक सटीकता से स्वतंत्र होते हैं, और बायोमेडिकल अनुप्रयोगों में एलएलएम (LLM) विश्वसनीयता के व्यवस्थित मूल्यांकन के लिए आवश्यक हैं।
442 वयस्कों का यह अध्ययन प्रदर्शित करता है कि वियरेबल-व्युत्पन्न कार्डियोवैस्कुलर फिटनेस आयु एक वैध मीट्रिक है जो नींद की गुणवत्ता और शारीरिक गतिविधि जैसे स्वतंत्र जीवनशैली कारकों के साथ महत्वपूर्ण रूप से सह-संबंधित है, और साथ ही समय के साथ शारीरिक सुधारों को भी ट्रैक करती है।
यह अध्ययन AIFYA का एक व्यावहारिक मूल्यांकन प्रस्तुत करता है, जो केन्या के राष्ट्रीय नवजात प्रोटोकॉल के अनुरूप एक मानव-पर्यवेक्षित लार्ज लैंग्वेज मॉडल-आधारित नैदानिक निर्णय सहायता प्रणाली है, जो सफल कार्यान्वयन, उच्च विशेषज्ञ-रेटेड सटीकता और कम-संसाधन वाले सार्वजनिक स्वास्थ्य सुविधाओं में मजबूत उपयोगकर्ता अपनाने का प्रदर्शन करता है।
यह अध्ययन प्रकट करता है कि पूर्ण इतिहासों पर उच्च नैदानिक सटीकता प्राप्त करने के बावजूद, लार्ज लैंग्वेज मॉडल्स महत्वपूर्ण सुरक्षा विफलताओं का प्रदर्शन करते हैं—जिसमें आवश्यक जांचों को हतोत्साहित करना और जीवन-घातक स्थितियों के लिए ट्राइएज (triage) को अनुचित रूप से कम श्रेणी में रखना शामिल है—साथ ही इनमें महत्वपूर्ण लैंगिक असमानताएं भी देखी गईं, जब इनका मूल्यांकन 1,000 सिंथेटिक क्लिनिकल ट्रांसक्रिप्ट्स के विरुद्ध किया गया जो वास्तविक दुनिया की चिकित्सा जटिलता का अनुकरण करते हैं।