227 पेपर
यह पायलट कोहॉर्ट अध्ययन यह प्रदर्शित करता है कि सिंक्रोनस वर्चुअल सीबीटी (CBT) के साथ एसिंक्रोनस माइंडलैंप (mindLAMP) ऐप को संयोजित करने वाला एक नवीन ब्लेंडेड हाइब्रिड केयर मॉडल गर्भवती और प्रसवोत्तर महिलाओं में चिंता और अवसाद के लक्षणों को महत्वपूर्ण रूप से कम करता है, जो मातृ मानसिक स्वास्थ्य में महत्वपूर्ण उपचार अंतराल को पाटने की इसकी क्षमता का सुझाव देता है।
यह शोध पत्र एक ऐसा डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो अनिमॉडल दृष्टिकोणों की तुलना में थायराइड कैंसर की भविष्यवाणी करने में बेहतर सटीकता प्राप्त करने के लिए क्रॉस-मोडल अटेंशन के माध्यम से डोमेन-अनुकूलित लैंग्वेज मॉडल के क्लिनिकल टेक्स्ट विश्लेषण के साथ विजन ट्रांसफॉर्मर-निर्मित एमआरआई (MRI) फीचर्स को एकीकृत करता है।
यह अध्ययन 11,000 से अधिक प्रतिभागियों के फिटबिट डेटा का विश्लेषण करता है ताकि यह प्रकट किया जा सके कि जनसांख्यिकीय और स्वास्थ्य कारक वियरेबल डिवाइस पहनने के समय को कैसे प्रभावित करते हैं, जो यह प्रदर्शित करता है कि मानक अनुपालन सीमाएं रोगग्रस्त आबादी के डेटा को असमान रूप से बाहर करती हैं और इन पूर्वाग्रहों को कम करने तथा स्वास्थ्य समानता को आगे बढ़ाने के लिए एक लचीले पद्धतिगत ढांचे का प्रस्ताव करती हैं।
CHARIOT मॉडल, जिसे 1.9 करोड़ से अधिक यूके के वयस्कों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड का उपयोग करके विकसित और आंतरिक रूप से मान्य किया गया है, सक्रिय, रोगी-केंद्रित प्राथमिक रोकथाम को सक्षम करने के लिए स्टैटिन या जीवनशैली में बदलाव जैसे विशिष्ट हस्तक्षेपों के तहत 10-वर्षीय हृदय रोग जोखिम की कमी की अनूठी भविष्यवाणी करता है।
TDA इंजन v2.1 एक टोपोलॉजिकल ढांचा है जो सार्वजनिक स्वास्थ्य जांचों को निर्देशित करने के लिए टेम्पोरल क्लासिफिकेशन और कॉज़ल इन्फरेंस को एकीकृत करके सेंसर डेटा में स्ट्रक्चरल डेटा वॉइड्स को स्टोकेस्टिक गैप्स से गणितीय रूप से अलग करता है।
यह अध्ययन प्रदर्शित करता है कि, मॉडल के स्थिर मापदंडों के बावजूद, मल्टी-एजेंट एलएलएम (LLM) प्रणालियों के आंतरिक भूमिका विखंडन को एक सामान्य विचारोन्मुख (deliberative) से फीचर-विशेषज्ञ (feature-specialist) संरचना में बदलना एक संरचित इंडक्टिव बायस (inductive bias) के रूप में कार्य करता है जो विभिन्न नैदानिक वर्गीकरण कार्यों में संवेदनशीलता-विशिष्टता (sensitivity-specificity) ट्रेड-ऑफ और त्रुटि वितरणों को व्यवस्थित रूप से नया आकार देता है।
यह शोध पत्र चिकित्सा एआई सुरक्षा के मूल्यांकन के लिए एक व्यवस्थित रेड-टीमिंग ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि मानक गार्डरेल्स अधिकांश प्रतिकूल हमलों को प्रभावी ढंग से रोकते हैं, वे अधिकार प्रतिरूपण (authority impersonation) रणनीतियों—विशेष रूप से उन अनुरोधों के प्रति जो शैक्षिक पूछताछ के रूप में रूपायित होते हैं—के प्रति काफी संवेदनशील बने रहते हैं, जो तथ्यात्मक त्रुटियों के बजाय व्यवहारिक मोड-स्विचिंग को ट्रिगर करते हैं।
यह शोध पत्र एक हाइब्रिड डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो AI-READI डेटासेट में गलत वर्गीकरणों को सुधारकर और कम नैदानिक बोझ के साथ उच्च नैदानिक सटीकता प्राप्त करके, निरंतर ग्लूकोज निगरानी (Continuous Glucose Monitoring) डेटा से प्रीडायबिटीज निदान में महत्वपूर्ण सुधार करने के लिए इटरेटिव XGBoost-आधारित लेबल रिफाइनमेंट को एक कन्वेन्शनल-बायडायरेक्शनल LSTM मॉडल के साथ जोड़ता है।
यह शोध पत्र एक परिनियोजन-तैयार (deployment-ready) ढांचे का प्रस्ताव करता है जो विश्वसनीय शोर से कार्रवाई योग्य उपचार विषमता (actionable treatment heterogeneity) को अलग करने के लिए कारण अनुमान (causal inference), व्याख्या योग्य प्रभाव-वृक्षों (interpretable effect-trees) और अंशांकन मूल्यांकन (calibration assessment) को एकीकृत करता है, जिससे पेरिऑपरेटिव मेडिसिन में विश्वसनीय व्यक्तिगत उपचार चयन सक्षम होता है।
यह अध्ययन प्रदर्शित करता है कि एक स्थानीय रूप से तैनात 20-बिलियन पैरामीटर वाला LLM, संवेदनशीलता-वर्धित प्रॉम्प्टिंग रणनीति का उपयोग करते हुए, उच्च सटीकता और शून्य डेटा गोपनीयता जोखिमों के साथ व्यवस्थित समीक्षा (सिस्टमैटिक रिव्यू) एब्स्ट्रैक्ट स्क्रीनिंग को महत्वपूर्ण रूप से तेज़ कर सकता है, हालांकि इसका प्रदर्शन डोमेन के अनुसार भिन्न होता है और इसे मानव विशेषज्ञों के साथ एक दूसरे स्क्रीनर के रूप में उपयोग करना सबसे अच्छा है।