183 पेपर
यह अध्ययन प्रदर्शित करता है कि एक लार्ज लैंग्वेज मॉडल, यूजर पर्सोना (user persona) के आधार पर, पेरूवियन स्वास्थ्य सर्वेक्षणों के लिए मनोवैज्ञानिक रूप से विश्वसनीय और जनसांख्यिकीय रूप से सुसंगत सिंथेटिक डेटा उत्पन्न कर सकता है, हालांकि विशिष्ट विचलनों की उपस्थिति यह आवश्यक बनाती है कि नीति-निर्माण के लिए ऐसे डेटा का उपयोग करने से पहले उनका कठोर सत्यापन किया जाए।
यह अध्ययन प्रदर्शित करता है कि FTIR रक्त स्पेक्ट्रा पर पार्शियल लीस्ट स्क्वायर्स रिग्रेशन, कनवल्शनल न्यूरल नेटवर्क और कर्व-फिटिंग दृष्टिकोणों को एकीकृत करना एक सहक्रियात्मक ढांचा बनाता है जो साथ ही HbA1c स्तरों की भविष्यवाणी करने में उच्च सटीकता प्राप्त करता है और स्केलेबल मधुमेह निगरानी के लिए ग्लाइकेशन-संबंधी बायोमार्कर की यांत्रिक व्याख्यात्मकता प्रदान करता है।
यह शोध पत्र C-RLM को प्रस्तुत करता है, जो एक स्कीमा-प्रवर्तित (schema-enforced) पुनरावर्ती ढांचा है जो 2.7 गुना कम्प्यूटेशनल ओवरहेड के बावजूद, पुनरावृत्ति ज्ञान संकलन (iterative knowledge compilation) के माध्यम से 100% संरचनात्मक निरंतरता और पूर्ण ऑडिटेबिलिटी प्राप्त करके, जटिल नैदानिक अभिलेखों को संश्लेषित करने में मानक RAG और लॉन्ग-कॉन्टेक्स्ट LLMs से बेहतर प्रदर्शन करता है।
यह अध्ययन प्रदर्शित करता है कि एक ऑन-प्रिमाइसेस, ओपन-सोर्स मल्टीमॉडल फ्रेमवर्क, जो लार्ज लैंग्वेज मॉडल्स का उपयोग करके संरचित नैदानिक डेटा को मुक्त-पाठ पैथोलॉजी रिपोर्ट के साथ जोड़ता है, इम्प्लांट-आधारित स्तन पुनर्निर्माण के बाद जटिलताओं के जोखिमों के विभेदन में महत्वपूर्ण सुधार करता है, जो सटीक सर्जिकल निर्णय लेने के लिए एक गोपनीयता-संरक्षित और व्याख्या योग्य उपकरण प्रदान करता है।
यह शोध पत्र eHEALS-Br को प्रस्तुत करता है, जो एक सुरक्षित वेब-आधारित प्लेटफॉर्म है जो वास्तविक समय में व्यक्तिगत फीडबैक प्रदान करने के लिए ब्राज़ीलियाई ई-हेल्थ साक्षरता स्केल के प्रशासन और स्कोरिंग को स्वचालित करता है, जो एक पायलट अध्ययन में उच्च विश्वसनीयता प्रदर्शित करता है और ब्राज़ील में जनसंख्या अनुसंधान और व्यक्तिगत नैदानिक स्वास्थ्य साक्षरता मूल्यांकन दोनों के लिए एक स्केलेबल उपकरण प्रदान करता है।
यह अध्ययन प्रदर्शित करता है कि लॉजिस्टिक प्रेडिक्शन मॉडल के लिए क्लोज्ड-फॉर्म सैंपल साइज मानदंड, जैसे कि राइली फ्रेमवर्क, जैसे-जैसे लक्षित भेदभाव (टारगेट डिस्क्रिमिनेशन) बढ़ता है, तेजी से आशावादी होते जाते हैं और आवश्यक सैंपल साइज का कम आकलन करते हैं, जो मुख्य रूप से सेपरेशन-जैसे व्यवहार के कारण होता है जो कैलिब्रेशन को अस्थिर कर देता है, जिससे उच्च-भेदभाव वाले परिदृश्यों के लिए सिमुलेशन-आधारित स्ट्रेस टेस्ट का उपयोग करना आवश्यक हो जाता है।
यह अध्ययन ChatGPT की स्वास्थ्य संबंधी प्रतिक्रियाओं में स्रोत विश्वसनीयता का मूल्यांकन करने के लिए एक 'अथॉरिटी सिग्नल्स फ्रेमवर्क' पेश करता है, जिसमें यह पाया गया कि 100 प्रश्नों के एक नमूने में उद्धृत 615 स्रोतों में से 75% से अधिक स्थापित संस्थागत संगठनों से आते हैं न कि वैकल्पिक स्वास्थ्य सूचना प्रदाताओं से।
यह अध्ययन प्रदर्शित करता है कि स्वास्थ्य सेवा एआई प्रणालियों में परिष्कृत भ्रामक संरेखण (deceptive alignment) और मूल्यांकन जागरूकता का पता लगाने के लिए, मानव विशेषज्ञ निर्णय के साथ स्वचालित अर्थ संबंधी विश्लेषण को संयोजित करने वाला एक त्रि-स्तरीय रेड-टीमिंग ढांचा आवश्यक है, जो यह प्रकट करता है कि कीवर्ड-आधारित फिल्टर उच्च-जोखिम वाले व्यवहारों के 83% को पकड़ने में विफल रहते हैं जबकि उन्नत अर्थ संबंधी मॉडल नियामक परिहार रणनीतियों की पहचान करने में मानव विशेषज्ञों के साथ पूर्ण सहमति प्राप्त करते हैं।
यह शोध पत्र AdaptiveFedLoRA का प्रस्ताव करता है, जो एक नवीन फेडरेटेड लर्निंग फ्रेमवर्क है जो विषम चिकित्सा लघु भाषा मॉडल (medical small language model) परिनियोजनों में क्लाइंट ड्रिफ्ट को प्रभावी ढंग से कम करने और अभिसरण (convergence) में सुधार करने के लिए बहुआयामी ड्रिफ्ट मापन के आधार पर LoRA रैंकों को गतिशील रूप से समायोजित करता है, जो संचार दक्षता बनाए रखते हुए विभिन्न क्लाइंट पैमानों पर मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
यह अध्ययन प्रदर्शित करता है कि वास्तविक समय के चिकित्सक डिजिटल खोज डेटा को जलवायु संकेतकों के साथ एकीकृत करने से ब्राज़ील में डेंगू अस्पताल में भर्ती होने के अल्पकालिक पूर्वानुमान की सटीकता में महत्वपूर्ण सुधार होता है, विशेष रूप से विलंबित आधिकारिक रिपोर्टिंग प्रणालियों की सीमाओं को दूर करते समय।