193 articoli
Questo studio dimostra che l'apprendimento federato consente di sviluppare modelli predittivi clinici per l'HIV su larga scala e rispettosi della privacy, raggiungendo prestazioni quasi equivalenti a quelle centralizzate e superiori rispetto ai modelli locali in un consorzio internazionale di sei siti.
Questo studio dimostra che il monitoraggio passivo tramite dispositivi indossabili, come Fitbit, può identificare tempestivamente i pazienti con scompenso cardiaco a maggior rischio di ricovero ospedaliero rilevando tendenze fisiologiche avverse, tra cui una riduzione dell'attività fisica e un aumento della frequenza cardiaca a riposo.
Questo studio presenta lo sviluppo e la valutazione di un'applicazione di elaborazione del linguaggio naturale basata su BERT, addestrata su note cliniche di un servizio di salute mentale londinese, per estrarre e categorizzare con elevata precisione diverse forme di violenza, il ruolo dei pazienti e il contesto, migliorando significativamente le capacità di sorveglianza e ricerca rispetto ai metodi precedenti.
Questo studio dimostra che la piattaforma Virtual Pooling consente di eseguire ricerche cliniche multicentriche accurate e complete, inclusa l'inferenza causale, senza condividere i dati centralmente, replicando esattamente i risultati di uno studio precedente attraverso un'interfaccia unificata che elimina le barriere operative e burocratiche.
Questo studio dimostra che il divario tra l'età cardiaca biologica prevista dall'intelligenza artificiale e l'età cronologica, derivato da un modello fondato su 67.824 ECG del UK Biobank, funge da efficace biomarcatore digitale non invasivo per stratificare il rischio cardiovascolare, identificando un aumento significativo del rischio di eventi avversi maggiori in caso di invecchiamento cardiaco accelerato.
Gli autori hanno ritirato il manoscritto relativo allo sviluppo e alla validazione esterna di un modello ad alta precisione per prevedere l'ammissione in terapia intensiva dalla triage del pronto soccorso, a causa di un problema nell'analisi che richiede revisione.
Questo studio presenta un quadro statistico regolamentato per quantificare la ripetibilità e la riproducibilità dei modelli linguistici su larga scala, dimostrando che la variabilità delle loro risposte dipende sia dal modello che dalla strategia di prompting e non è necessariamente correlata all'accuratezza diagnostica.
Questo studio su 442 adulti dimostra che l'età cardiovascolare stimata da dispositivi indossabili è significativamente correlata a fattori dello stile di vita indipendenti dall'algoritmo, come la qualità del sonno e l'attività fisica, riflettendo cambiamenti fisiologici reali nel tempo.
Questo studio valuta l'implementazione pratica di AIFYA, un sistema di supporto alle decisioni cliniche supervisionato da umani e basato su modelli linguistici di grandi dimensioni, che dimostra un'alta aderenza alle linee guida nazionali e un forte consenso degli esperti nel contesto della cura neonatale in Kenya.
Questo studio rivela che, nonostante un'elevata accuratezza diagnostica, i modelli di linguaggio medico come GPT-5.2 commettono errori critici di sicurezza e triage quando analizzano trascrizioni cliniche incomplete, sconsigliando indagini essenziali e sottostimando emergenze, con un impatto di rischio sproporzionato sulle pazienti donne.
Lo studio dimostra che l'adozione di una metodologia multidisciplinare con piani di mitigazione ben governati ed eseguiti riduce significativamente gli impatti negativi e aumenta il successo dell'implementazione delle cartelle cliniche elettroniche.
Il modello SleepJEPA, addestrato su oltre 422.000 ore di dati di monitoraggio del sonno domiciliare, apprende rappresentazioni latenti per stimare con precisione il rischio futuro di diverse malattie cardiovascolari, metaboliche e neurologiche, superando le prestazioni dei modelli fondazionali esistenti.
Questo studio dimostra che i dati sanitari aperti generano un'amplificazione costante delle citazioni di circa 10 volte, rivelando al contempo significative disparità nella rappresentazione geografica e di genere tra i ricercatori che utilizzano diversi repository, il che suggerisce che l'accesso ai dati da solo non è sufficiente per colmare le disuguaglianze strutturali nella produzione scientifica.
Uno studio longitudinale misto in Nigeria ha rivelato che le prestazioni reali dei sistemi di intelligenza artificiale sanitaria sono significativamente inferiori alle affermazioni dei vendor, causando danni prevenibili ai pazienti e aggravando le disuguaglianze, il che rende necessaria una verifica obbligatoria post-implementazione.
Il paper presenta NiaAge, un nuovo modello di età biologica basato su 59 biomarcatori del NHANES che, allineandosi alle traiettorie normative e alle associazioni non lineari con il rischio di mortalità, supera l'età cronologica e altri orologi epigenetici nel predire la mortalità e la salute fisica e cognitiva, offrendo così uno strumento clinicamente interpretabile per la medicina preventiva.
Utilizzando dati del programma "All of Us", questo studio dimostra che l'integrazione dei determinanti sociali della salute con i dati demografici migliora la previsione del rischio di malattie croniche, rivelando che fattori esperienziali come lo stress e la discriminazione sono cruciali per la salute mentale, mentre le caratteristiche strutturali del quartiere e l'età guidano maggiormente le condizioni cardiometaboliche, sostenendo così l'adozione di protocolli di screening specifici per condizione piuttosto che universali.
Questo studio valida multinazionalmente l'Intensive Documentation Index (IDI), un indice basato sui timestamp della documentazione clinica che, grazie alla sua elevata risoluzione temporale, si dimostra un potente predittore della mortalità in terapia intensiva, superando i benchmark tradizionali e offrendo un complemento ai punteggi di gravità esistenti senza richiedere misurazioni fisiologiche.
Uno studio controllato su serie temporali interrotte ha dimostrato che una piattaforma digitale di autogestione dell'IBS, progettata sulla base dell'analisi dei discorsi sui social media, ha portato a una riduzione significativa e duratura delle visite al pronto soccorso e dei ricoveri ospedalieri non pianificati in Corea del Sud.
Lo studio dimostra che il filtro SaPM per Ovid MEDLINE riduce significativamente il carico di screening rispetto al filtro SM, con un rischio trascurabile di perdere record pertinenti che può essere mitigato tramite la ricerca nelle citazioni.
Lo studio dimostra che il sistema basato su LLM Brim Analytics supera la piattaforma guidata da ontologie DeepPhe nell'estrazione accurata e rapida di dati oncologici da referti patologici, offrendo una soluzione promettente per l'automazione dei registri tumorali.