📄 Category

health informatics

239 articoli

La sanità informatica rappresenta l'intersezione vitale tra dati medici e tecnologia, trasformando come raccogliamo, analizziamo e utilizziamo le informazioni per migliorare la cura dei pazienti. Questo campo innovativo non si limita alla gestione digitale delle cartelle cliniche, ma abbraccia l'intelligenza artificiale applicata alla diagnostica e agli strumenti che aiutano i ricercatori a scoprire nuovi modelli nelle grandi masse di dati sanitari.

Su Gist.Science, ogni nuovo preprint pubblicato su medRxiv in questa categoria viene elaborato con cura. Offriamo per ciascun studio una sintesi in linguaggio semplice per il pubblico generale e un riassunto tecnico dettagliato per gli specialisti, rendendo la ricerca complessa immediatamente accessibile senza sacrificare il rigore scientifico.

Di seguito troverete l'elenco aggiornato degli ultimi studi pubblicati su medRxiv in questo settore, pronti per essere esplorati nelle loro diverse forme di sintesi.

📄 health informatics

Registered Report: Artifact Index for Capacitive Electrocardiography Acquired with an Armchair

Questo rapporto registrato presenta un indice di artefatti per segnali ECG capacitivi acquisiti da una poltrona strumentata, il quale utilizza un approccio di voto di tre indici di qualità del segnale per distinguere efficacemente i segmenti puliti da quelli con artefatti durante le attività di lettura e visione della TV, consentendo così un monitoraggio continuo e affidabile della salute in contesti reali non supervisionati.

Warnecke, J. M., Baumgärtel, D., Bollmann, J., Deserno, T. M.2026-06-09
📄 health informatics

Topological Deep Learning Identifies Polygenic Variant Clusters Across Familial Multimorbid Disorders

Il documento introduce PolyCLIP-T, un framework multimodale guidato dalla topologia che sfrutta il sequenziamento dell'intero genoma e l'omologia persistente per identificare cluster stabili di varianti poligeniche attraverso disturbi multimorbidi familiari, superando efficacementamente i limiti delle tradizionali pipeline basate su regole nel rilevare driver genetici non codificanti, strutturali e a bassa penetranza.

Vomo-Donfack, K. L., Bousquet, G., Falgarone, G., Ginot, G., Morilla, I.2026-06-09
📄 health informatics

An AI-assisted feasibility evaluation of three photoplethysmography-derived microvascular reactivity signals in MIMIC-IV-WDB v0.1.0

Questo studio valuta tre segnali di reattività microvascolare derivati dalla fotopletismografia nel dataset MIMIC-IV-WDB v0.1.0 mediante ispezione visiva umana e assistita dall'IA, riscontrando che due segnali non sono riusciti a catturare la loro fisiologia prevista nella maggior parte dei casi e il terzo è stato limitato dal posizionamento del sensore, evidenziando così la necessità di una validazione preliminare dei dati grezzi prima della modellazione a valle.

Landry, T. C., Kim, Y.2026-06-06
📄 health informatics

BodyMAE: A Surface-Area Aware Masked Autoencoder for Body Composition Estimation from 3D Body Scans

Questo articolo introduce BodyMAE, un autoencoder mascherato sensibile alla superficie che sfrutta scansioni corporee 3D in scala metrica per stimare accuratamente parametri della composizione corporea come massa grassa e magra, raggiungendo un'alta correlazione con le misurazioni cliniche DXA e superando sfide quali la densità non uniforme dei punti e la variabilità dei dispositivi.

Zheng, Y., Feng, B., Cheng, R., Qiu, C., Long, Z., Vaziri, K., Hahn, J.2026-06-06
📄 health informatics

Genosolver: Rare Disease Diagnosis through Holistic Integration of Unstructured Clinical Narratives Using Large Language and Reasoning Models

Genosolver è un workflow integrato che sfrutta i modelli di linguaggio e di ragionamento di grandi dimensioni per estrarre approfondimenti clinici dettagliati da narrazioni non strutturate, migliorando significativamente i tassi di diagnosi delle malattie rare e superando gli strumenti esistenti come Exomiser nel prioritizzare efficacemente le varianti genetiche causative.

Islam, T., Danner, M., Ziad, Z., Begemann, M., Beijer, D., Lischka, A., Lausberg, E., Mattern, L., Suh, J., Wittig, P. (…)2026-06-05
📄 health informatics

Translating 3D Slicer into Brazilian Portuguese: A methodological approach to software localization in Latin America

Questo articolo presenta un quadro metodologico per la localizzazione del software open-source di imaging medico 3D Slicer in portoghese brasiliano, affrontando specifiche sfide linguistiche e terminologiche per migliorare l'accessibilità per gli utenti non anglofoni in America Latina.

Veiga, P. E. d. B., Murta, L. O., Goncalves, D. S., Silva, L. S., Montano-Serrano, V. M., Laredo, E. H., Lasso, A., Piep (…)2026-06-03
📄 health informatics

Knowledge-Driven Neuro-Symbolic Reasoning for Personalized Oncology Treatment Recommendation Based on Multi-Modal Medical Knowledge Graph

Questo articolo propone K-NeSyNet, un nuovo framework neuro-simbolico guidato dalla conoscenza che integra un grafo di conoscenza oncologica multimodale con un meccanismo di ragionamento simbolico a tre canali differenziabile e una fusione neurale adattiva per fornire raccomandazioni terapeutiche oncologiche personalizzate, accurate, sicure e interpretabili.

Yang, L., Wan, H., Zhu, J., Zhou, P., Wang, Z.2026-06-02
📄 health informatics

Beyond Identifier Matching: An Empirical Characterization of Failure Modes in Biomedical Knowledge Graph Integration

Questo studio dimostra empiricamente che fare affidamento esclusivamente sul matching degli identificatori per l'integrazione di grafi della conoscenza biomedica è insufficiente, rivelando che, sebbene i metodi basati sul cross-ontology e sugli embedding aumentino la copertura, introducono sistematicamente modalità di fallimento clinicamente significative come l'eccessiva fusione e il collasso semantico che oscurano distinzioni critiche nelle applicazioni a valle.

Hu, S., Cheng, H., Gillenwater, L., Manpearl, K., Mandava, A., Wang, Y., Pividori, M., Stranger, B., Krishnan, A., Green (…)2026-05-28
📄 health informatics

Explainable AI for Data-Driven Design of High-Dimensional Predictive Studies

Questo articolo introduce un Sistema di Raccomandazione AI Esplorativo che sfrutta l'intelligenza artificiale spiegabile per generare raccomandazioni basate sui dati per la selezione delle caratteristiche, i termini non lineari e le interazioni, migliorando così in modo significativo le prestazioni predittive e l'interpretabilità di modelli clinici ad alta dimensionalità come il modello di Cox a rischi proporzionali.

Yan, J., Machlanski, D., Butler, K., Dimitrakopoulos, P., Harrison, E. M., Guthrie, B. M., Tsaftaris, S. A.2026-05-24
📄 health informatics

Ambient AI Documentation in Mixed-Language Encounters: A Heuristic Evaluation of Spanish-English and Mandarin-English Conversations

Questo studio valuta le prestazioni di un sistema di documentazione AI ambientale negli incontri clinici multilingue, rilevando che, sebbene i tassi complessivi di errore di trascrizione siano bassi e il passaggio tra le lingue sia generalmente rilevato in modo affidabile, permangono sfide significative nel code-switching tra mandarino e inglese, inclusi valori anomali di errore elevati e frequenti cancellazioni nei punti di passaggio.

Hu, D., Flores, D., Flores, L., Chien, R., Lam, K., Chow, E., Guo, Y., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-05-22