199 articoli
Questo studio valida un flusso di lavoro basato su modelli linguistici di grandi dimensioni (otto-SR) che dimostra prestazioni elevate nel screening, nell'estrazione dei dati e nella valutazione del rischio di bias, permettendo di automatizzare e aggiornare rapidamente le revisioni sistematiche con maggiore precisione rispetto ai ricercatori umani.
Questo studio analizza i post di Reddit per rivelare che, sebbene gli ambienti naturali possano alleviare l'ansia sociale in molti giovani, la loro efficacia è complessa e dipende dalla percezione individuale del rischio di essere giudicati, suggerendo la necessità di interventi su misura che integrino tali spazi con le terapie tradizionali.
Questo studio esplorativo utilizza il tracciamento oculare e protocolli di pensiero ad alta voce per dimostrare come gli strumenti di screening embedded nei fascicoli clinici elettronici influenzino l'attenzione visiva dei medici di base e il flusso delle visite durante la valutazione del rischio di suicidio.
Questo studio dimostra che l'integrazione tra l'esperienza clinica e l'apprendimento della struttura causale permette di sviluppare modelli predittivi parsimoniosi e interpretabili per la disfunzione cerebrale acuta acquisita in pediatria, ottenendo prestazioni quasi equivalenti a quelle di modelli più complessi ma con un numero significativamente ridotto di biomarcatori.
Il documento presenta ED-Triage-Agent, un framework di intelligenza artificiale multi-agente progettato per collaborare con i clinici nel processo di triage del pronto soccorso, migliorando la classificazione della gravità dei pazienti attraverso un'intake autonoma e una valutazione collaborativa che preserva l'autonomia medica e la trasparenza decisionale.
Il paper presenta il Lilo Engine, un pipeline terapeutico deterministico a cinque livelli progettato per garantire la sicurezza e l'auditabilità HIPAA nell'assistenza agli anziani, ottenendo un recall del 100% nelle crisi e una latenza di rilevamento di 28,7 ms attraverso invarianti strutturali che eliminano le incertezze degli orchestratori multi-agente.
Uno studio su oltre 19 milioni di pazienti negli Stati Uniti rivela che l'iperlassità dell'EDS è più comune del previsto e che questi individui, specialmente se affetti da comorbidità come disfunzioni autonome o stanchezza cronica, presentano un rischio significativamente maggiore di sviluppare Long COVID, suggerendo che l'infezione virale possa talvolta svelare la diagnosi precedentemente non riconosciuta.
Questo studio dimostra che l'uso collaborativo di modelli linguistici di grandi dimensioni (LLM) migliora significativamente l'efficienza e l'accuratezza dello screening nelle revisioni sistematiche, riducendo notevolmente lo sforzo manuale rispetto all'impiego di singoli modelli.
Questo studio dimostra che, nel contesto dell'analisi delle abstract dei finanziamenti NIH per il trattamento della dipendenza da oppioidi, ChatGPT-4.0 ha generato descrizioni delle innovazioni valutate come significativamente più dettagliate e pertinenti rispetto a quelle prodotte da codificatori umani.
Questo studio introduce Sino-US-DrugQA, un benchmark bilingue di oltre 11.000 domande per valutare le capacità dei modelli linguistici di grandi dimensioni nel confronto normativo farmaceutico tra USA e Cina, rivelando che, sebbene efficaci per query monolingue, questi modelli mostrano limiti significativi nel ragionamento comparativo transfrontaliero che richiedono una revisione umana.
Questo studio confronta le foreste casuali (RF) e le foreste casuali di sopravvivenza (RSF) nel contesto del trial ASPREE, rivelando che, nonostante l'ipotesi iniziale, i due modelli mostrano prestazioni di discriminazione e calibrazione comparabili nella previsione della longevità senza disabilità, suggerendo che l'incorporazione del tempo non garantisce sempre una maggiore accuratezza predittiva.
Questo studio dimostra che un framework standardizzato basato su prompt per l'analisi dei biomarcatori clinici raggiunge un'accuratezza di livello clinico su quattro diversi fornitori di modelli linguistici, validando la fattibilità di sistemi di intelligenza artificiale indipendenti dal vendor.
Questo studio dimostra che un modello ibrido che integra un risolutore di Programmazione Lineare Interatta Mista (MILP) con un modello linguistico di grandi dimensioni (LLM) supera le soluzioni autonome, generando piani alimentari personalizzati che bilanciano con successo precisione nutrizionale, praticità e adattamento individuale.
Questo studio presenta un nuovo approccio computazionale che combina la similarità fenotipica con la propagazione su rete per migliorare l'accuratezza diagnostica e la coerenza clinica nella diagnosi delle malattie rare, superando i metodi esistenti del progetto Solve-RD.
Questo studio matched pre-post su oltre 6.000 note cliniche dimostra che l'implementazione di sistemi di documentazione AI ambientale modifica significativamente la struttura linguistica e la complessità sintattica delle sezioni HPI, rendendole più elaborate e coerenti rispetto alla documentazione tradizionale, mentre gli effetti sulla sezione A&P sono minori e più eterogenei.
Questo studio, basato sui dati della UK Biobank, propone una "Sleep Chart" che rivela come una durata del sonno compresa tra 6,4 e 7,8 ore sia associata al minimo invecchiamento biologico e al minor rischio di malattie, mentre sia un sonno breve che uno lungo mostrano un effetto a U con un aumento dell'invecchiamento biologico e della mortalità.
Contrariamente all'assunto comune che la generazione aumentata con recupero (RAG) riduca le allucinazioni, questo studio dimostra che nei contesti clinici tale approccio le aumenta, mentre la rappresentazione strutturata dei dati del paziente con tracciamento della provenienza si rivela un metodo più efficace per garantire l'affidabilità dei modelli linguistici.
Questo studio presenta un nuovo framework di deep learning basato su modelli visivi fondazionali che, analizzando immagini del fondo oculare, non solo stima l'età biologica retinica con alta precisione, ma decostruisce anche l'eterogeneità fisiologica dell'invecchiamento identificando firme specifiche legate all'infiammazione sistemica e alle variazioni emodinamiche.
Gli autori hanno sviluppato e validato un algoritmo scalabile basato sui registri di audit delle cartelle cliniche elettroniche che identifica con elevata accuratezza (91%) il clinico di prima linea responsabile di ciascun giorno di degenza, superando i metodi tradizionali e permettendo l'analisi dei modelli di continuità assistenziale.