227 पेपर
यह शोध पत्र BODHI को प्रस्तुत करता है, जो एक इंजीनियरिंग फ्रेमवर्क है जो एपिस्टेमिक अनिश्चितता (epistemic uncertainty) को विघटित करके और सद्गुण-आधारित नियमों (virtue-based rules) को लागू करके नैदानिक निर्णय सहायता AI को उन्नत करता है, जो नियंत्रित मूल्यांकनों में मॉडल की विनम्रता, जिज्ञासा और समग्र प्रतिक्रिया गुणवत्ता में महत्वपूर्ण सुधार करता है।
यह अध्ययन प्रदर्शित करता है कि एक व्याख्यात्मक (explainable) XGBoost मशीन लर्निंग मॉडल, जो मानवमितीय (anthropometric) डेटा को भोजन के समय और खाने की आदतों के साथ एकीकृत करता है, कार्डियोमेटाबोलिक जोखिम की सटीक भविष्यवाणी करता है और देर से रात का खाना खाने, अनियमित भोजन कार्यक्रम और कम भोजन आवृत्ति को प्रमुख परिवर्तनीय व्यवहार संबंधी जोखिम कारकों के रूप में पहचानता है।
इस क्रॉस-सेक्शनल अध्ययन ने 30,000 से अधिक सुरक्षित नेत्र विज्ञान संदेशों का विश्लेषण करने के लिए नेचुरल लैंग्वेज प्रोसेसिंग का उपयोग किया, जिससे यह पता चला कि जहाँ प्रशासनिक मुद्दे संचार पर हावी हैं, वहीं नैदानिक चिंताएं रोगी जनसांख्यिकी के अनुसार काफी भिन्न होती हैं, जो नेत्र देखभाल में ट्राइएज सुरक्षा और समानता में सुधार के अवसरों को उजागर करती हैं।
यह अध्ययन प्रदर्शित करता है कि चिकित्सा अभिलेखों में बिना क्यूरेट किया गया एआई-जनित डेटा एक स्व-संदर्भित चक्र बनाता है जो रोग संबंधी परिवर्तनशीलता और नैदानिक विश्वसनीयता को तेजी से नष्ट कर देता है, जिससे महत्वपूर्ण निष्कर्ष लुप्त हो जाते हैं और झूठी आश्वासन की दरें तीन गुना बढ़ जाती हैं, जिससे अनिवार्य मानवीय निरीक्षण के बिना एआई-जनित दस्तावेजीकरण चिकित्सकीय रूप से अनुपयोगी हो जाता है।
कौरो (Kauro) एक ओपन-सोर्स, ग्राफ-आधारित चैटबॉट है जो जनरेटिव एआई की स्टोकेस्टिक प्रकृति को वर्जन-कंट्रोल्ड, स्क्रिप्टेड कन्वर्सेशन पाथ्स से बदलकर सूचित सहमति (informed consent) जैसे उच्च-जोखिम वाले बायोमेडिकल संदर्भों में नियतात्मक (deterministic), ऑडिट करने योग्य और पुनरुत्पादनीय (reproducible) सूचना प्रसारण सुनिश्चित करता है।
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।