📄 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

Red-Teaming Medical AI: Systematic Adversarial Evaluation of LLM Safety Guardrails in Clinical Contexts

Questo studio presenta un quadro sistematico di valutazione avversariale per l'IA medica, rivelando che, sebbene i modelli linguistici siano generalmente robusti, rimangono vulnerabili alla manipolazione tramite impersonificazione di autorità (in particolare in contesti educativi), il che evidenzia la necessità di migliorare le difese basate sul contesto piuttosto che sulla sola accuratezza fattuale.

Ekram, T. T.2026-03-05
📄 health informatics

Enhancing Prediabetes Diagnosis from Continuous Glucose Monitoring Data via Iterative Label Cleaning and Deep Learning

Questo studio presenta un framework ibrido che combina l'iterativa pulizia delle etichette tramite clustering e XGBoost con un modello di deep learning Conv+BiLSTM per migliorare l'accuratezza della diagnosi di prediabete utilizzando i dati del monitoraggio continuo del glucosio, riducendo significativamente il rumore nelle etichette e ottenendo un'alta capacità discriminativa.

Arethiya, N. J., Krammer, L., David, J., Bakshi, V., BasuChoudhary, A., Bhuiyan, U., Sen, S., Mazumder, R., McNeely, P.2026-03-05
📄 health informatics

Trustworthy personalized treatment selection: causal effect-trees and calibration in perioperative medicine

Questo studio presenta un framework di pronto impiego che integra alberi di effetti causali e analisi di calibrazione per distinguere l'eterogeneità clinicamente affidabile da quella rumorosa, trasformando l'apprendimento automatico causale in un sistema di supporto decisionale validato per la selezione personalizzata dei trattamenti in ambito perioperatorio.

Mittelberg, Y., Stiglitz, D. K., Kowadlo, G.2026-03-04
📄 health informatics

Evaluating a Locally Deployed 20-Billion Parameter Large Language Model for Automated Abstract Screening in Systematic Reviews

Lo studio dimostra che un modello linguistico su larga scala di 20 miliardi di parametri, implementato localmente con una strategia di prompting orientata alla sensibilità, può accelerare notevolmente lo screening degli abstract nelle revisioni sistematiche mantenendo un'alta accuratezza, sebbene le prestazioni varino in base alla natura del dominio e alla chiarezza dei criteri di inclusione.

Moreira Melo, P. H., Poenaru, D., Guadagno, E.2026-03-04
📄 health informatics

Perceptions of Artificial Intelligence in the Editorial and Peer Review Process: A Cross-Sectional Survey of Traditional, Complementary, and Integrative Medicine Journal Editors

Uno studio trasversale rivela che, sebbene la maggior parte degli editori di riviste di medicina tradizionale, complementare e integrativa riconosca il potenziale futuro dell'intelligenza artificiale per le funzioni editoriali di routine, l'adozione effettiva rimane limitata da barriere pratiche, etiche e dalla mancanza di politiche specifiche e formazione.

Ng, J. Y., Bhavsar, D., Krishnamurthy, M., Dhanvanthry, N., Fry, D., Kim, J. W., King, A., Lai, J., Makwanda, A., Olugbe (…)2026-03-04
📄 health informatics

Governing Trust in Health AI: A Qualitative Study of Cybersecurity Professionals Perspectives

Questo studio qualitativo evidenzia come i professionisti della cybersecurity, attraverso la loro prospettiva sulla governance e la responsabilità, giochino un ruolo fondamentale nel plasmare la fiducia nei sistemi di intelligenza artificiale sanitaria, considerati infrastrutture cliniche critiche che richiedono una supervisione umana continua.

Adekunle, T., Ohaeche, J., Adekunle, T., Adekunle, D., Kogbe, M.2026-03-03
📄 health informatics

Anatomically and Biochemically Guided Deep Image Prior for Sodium MRI Denoising

Questo studio presenta un nuovo framework di Deep Image Prior (DIP-Fusion) che integra dati anatomici della risonanza magnetica protonica e informazioni metaboliche della risonanza magnetica al sodio tramite una regolarizzazione TV direzionale, dimostrando risultati superiori nel ridurre il rumore e migliorare la qualità delle immagini MRI al sodio sia in volontari sani che in pazienti oncologici.

ALI, H., Woitek, R., Trattnig, S., Zaric, O.2026-03-02
📄 health informatics

Understanding Clinician Edits to Ambient AI Draft Notes: A Feasibility Analysis Using Large Language Models

Lo studio dimostra che l'uso di modelli linguistici su larga scala con prompting a pochi esempi è fattibile per categorizzare le modifiche cliniche alle note generate dall'IA, ottenendo risultati promettenti per farmaci e sintomi, sebbene le categorie più complesse richiedano ancora la revisione umana.

Guo, Y., Zhou, Y., Hu, D., Sutari, S., Chow, E., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-03-02
📄 health informatics

Artificial Intelligence in Healthcare: 2025 Year in Review

Il rapporto del 2025 evidenzia una significativa maturazione della ricerca sull'intelligenza artificiale in sanità, caratterizzata da un raddoppio delle pubblicazioni, un declino dei modelli di machine learning classici a favore di modelli fondazionali multimodali e una transizione verso applicazioni cliniche più complesse che riflettono la diversità dei dati reali.

Edara, R., Khare, A., Atreja, A., Awasthi, R., Highum, B., Hakimzadeh, N., Ramachandran, S. P., Mishra, S., Mahapatra, D (…)2026-02-28