193 articoli
Questo studio valida l'uso dell'Intelligenza Artificiale spiegabile su un ampio cohort di anziani per identificare nuovi determinanti della fragilità e migliorare gli strumenti di screening per la previsione delle cadute e la stratificazione del rischio clinico.
Questo studio dimostra che la selezione della soglia di probabilità per i modelli di intelligenza artificiale clinica, come quello per le riacutizzazioni dell'asma, deve essere gestita come un processo di governance organizzativa che bilancia le prestazioni statistiche, la capacità operativa e i valori clinici, piuttosto che essere trattata come una semplice ottimizzazione tecnica.
Questo studio presenta un gemello digitale governato per la malattia di Parkinson che utilizza l'aggiornamento bayesiano e un sistema di "silenzio governato" per fornire previsioni di progressione della malattia con garanzie di affidabilità e equità, identificando al contempo le lacune nei dati che limitano la copertura clinica.
Questo studio dimostra che l'integrazione di dati socio-ambientali a livello di indirizzo con dati sanitari permette di sviluppare modelli di valutazione del rischio ad alta precisione per le ospedalizzazioni pediatriche a Cincinnati, superando le tradizionali analisi di area per supportare interventi clinici e politici più mirati.
Lo studio dimostra che l'applicazione di filtri linguistici su Ovid MEDLINE ed Embase presenta rischi di esclusione dovuti sia a errori nei metadati che alla rimozione manuale durante lo screening, suggerendo l'uso della ricerca bibliografica per mitigare tali perdite.
Lo studio dimostra che i punteggi aggregati dei benchmark nascondono differenze clinicamente significative nella sicurezza dei modelli linguistici avanzati, poiché la variabilità negli errori di triage, nei bias contestuali e nella gestione delle crisi non è correlata all'accuratezza complessiva.
Utilizzando i dati dell'indagine HINTS 2022, questo studio dimostra che la difficoltà nella comprensione delle statistiche mediche e l'influenza dei social media sono fattori significativamente associati a una maggiore percezione di complessità e preoccupazione riguardo alla qualità delle informazioni sul cancro, sottolineando l'importanza della alfabetizzazione statistica per migliorare la comunicazione sanitaria.
Questo studio presenta la prima valutazione su larga scala in un contesto reale di un sistema autonomo basato su modelli linguistici integrato in una piattaforma di telemedicina primaria negli USA, dimostrando che un'architettura di sistema mirata e meccanismi di sicurezza garantiscono un'accuratezza diagnostica e di gestione paragonabile a quella dei clinici, fornendo così le prove necessarie per un deployment clinico responsabile e scalabile.
Il documento presenta Indiapub, un'applicazione web open-source che utilizza i dati di OpenAlex per visualizzare e analizzare la distribuzione geografica e istituzionale delle pubblicazioni accademiche in India, fornendo strumenti interattivi per supportare la pianificazione delle politiche di ricerca e identificare squilibri regionali.
Questo studio dimostra che l'impiego combinato di tecniche di selezione delle caratteristiche e di campionamento dei dati, come il Chi-quadrato e SMOTE, all'interno di un modello di deep learning migliora significativamente l'accuratezza nel rilevamento delle frodi Medicare, raggiungendo il 95,4% e mitigando il problema dello squilibrio dei dati.
Questo studio di simulazione sul trapianto di fegato dimostra che le prestazioni dei modelli predittivi clinici possono variare significativamente tra diverse popolazioni, sottolineando la necessità di una rigorosa validazione esterna e di un'eventuale ricalibrazione per garantire la loro trasportabilità in nuovi contesti.
Questo studio esamina come i pazienti con diabete utilizzano i modelli linguistici su larga scala (LLM) per compiti di gestione della malattia, rivelando che questi strumenti fungono da supporto informativo, interpretativo, decisionale ed emotivo, e discute le implicazioni per la loro integrazione sicura negli ecosistemi di auto-gestione.
Il paper presenta THESEUS, un framework basato su modelli linguistici di grandi dimensioni che automatizza la traduzione di descrizioni testuali di studi osservazionali in script R eseguibili e standardizzati per l'ecosistema OHDSI, riducendo le barriere tecniche alla ricerca riproducibile.
Questo studio prospettico canadese dimostra, tramite un modello congiunto longitudinale-sopravvivenza su 2.847 pazienti, che le traiettorie individuali dei sintomi gastrointestinali e il tasso di interruzione del trattamento nella sindrome dell'intestino irritabile sono dinamicamente collegati, rivelando che una maggiore gravità basale e un miglioramento più lento dei sintomi predicono significativamente una maggiore probabilità di abbandono della terapia.
Il paper presenta HybridNet-XR, un'architettura CNN ibrida ed efficiente che, tramite apprendimento auto-supervisionato senza docente, raggiunge prestazioni diagnostiche superiori nel rilevamento di patologie polmonari con un minimo consumo di memoria, rendendolo ideale per ambienti clinici con risorse computazionali limitate.
Questo studio qualitativo condotto a Singapore esamina le esperienze dei clinici con la tecnologia di trascrizione AI ambientale, evidenziando come essa possa ridurre il carico amministrativo e migliorare l'interazione con i pazienti, pur richiedendo soluzioni per garantire accuratezza, supporto multilingue e conformità alle normative locali sulla privacy.
Questo studio dimostra che i sistemi di sicurezza delle IA conversazionali, basati sulla singola analisi dei messaggi, non rilevano la "deriva strutturale", un fenomeno per cui le risposte dell'IA amplificano e espandono gradualmente le interpretazioni dell'utente verso contenuti psicotici, suggerendo la necessità di un monitoraggio in tempo reale basato sull'evoluzione dell'intera conversazione.
Il sistema di intelligenza artificiale agentic ClinPreAI ha dimostrato di superare le soluzioni tradizionali e commerciali nel prevedere il rischio di depressione postpartum analizzando dati sanitari multimodali, offrendo un approccio autonomo che democratizza la creazione di modelli predittivi clinici.
Questo studio valida l'Indice di Documentazione Intensiva (IDI), un nuovo framework che quantifica i ritmi temporali della documentazione infermieristica, dimostrando come l'integrazione di questi pattern nei modelli predittivi migliori significativamente l'accuratezza nella stima della mortalità in terapia intensiva per pazienti con insufficienza cardiaca.
Il documento presenta OpenScientist, un'intelligenza artificiale agenziale open-source che accelera la scoperta biomedica automatizzando l'analisi di dati complessi e generando ipotesi scientifiche verificabili in ambiti clinici come l'Alzheimer e il mieloma multiplo.