📄 Category

health informatics

193 articoli

Experimental multi-center validation of a radiomics-based photonic quantum precision medicine architecture for lesion-level prediction of anti-PD-1 response in non-small cell lung cancer

Questo studio valida multicentricamente un'architettura di medicina di precisione quantistica fotonica basata su radiomica, dimostrando che un modello quantistico addestrato su un ridottissimo set di due caratteristiche statisticamente robuste supera o eguaglia le prestazioni dei modelli classici nella previsione della risposta all'immunoterapia anti-PD-1 nel carcinoma polmonare non a piccole cellule.

Olgiati, S., Santona, F., Meloni, D. + 5 more2026-03-11📄 health informatics

The Risk Factors, Detection and Classification of Esophageal Cancer Using Ensemble Machine Learning Models

Questo studio presenta un framework di apprendimento automatico ensemble, basato su un approccio multi-seed e sull'analisi dei fattori di rischio socio-demografici, dietetici e ambientali in Etiopia, che ha raggiunto un'accuratezza del 98,3% e una sensibilità del 100% nella rilevazione precoce del cancro esofageo, offrendo una soluzione diagnostica affidabile per contesti sanitari con risorse limitate.

Gaso, M. S., Mekuria, R. R., Cankurt, S. + 3 more2026-03-11📄 health informatics

Co-designing a virtual reality based mindfulness application to address diabetes distress using Artificial Intelligence-informed Experience-Based Co-Design (AI-EBCD): a feasibility study

Questo studio di fattibilità descrive come la co-progettazione informata dall'intelligenza artificiale abbia guidato lo sviluppo di un'applicazione di realtà virtuale per la mindfulness, mirata ad alleviare il disagio legato al diabete attraverso un design personalizzato e culturalmente appropriato.

Ghosal, S., Zhang, M., Stanmore, E. + 7 more2026-03-11📄 health informatics

Regression vs. Medical LLMs: A Comprehensive Study for CVD and Mortality Risk Prediction

Questo studio confronta modelli di regressione tradizionali e avanzati con grandi modelli linguistici medici (MedLLM) sul dataset LURIC, dimostrando che sia le tecniche di boosting come CatBoost sia i MedLLM ottimizzati raggiungono prestazioni competitive (fino all'85% di AUROC) nella previsione del rischio cardiovascolare e della mortalità, sebbene i modelli linguistici richiedano calibrazione per correggere una sistematica sovrastima del rischio.

KOM SANDE, S. D., Skorski, M., Theobald, M. + 2 more2026-03-11📄 health informatics

Evaluating linkage approaches for address-level socioenvironmental exposure assessment

Lo studio dimostra che, sebbene il matching fuzzy degli indirizzi raggiunga una precisione del 100%, i metodi di geocodifica basati su punti stradali o intervalli stradali mostrano prestazioni inferiori e un rischio maggiore di disallineamento in aree ad alta densità abitativa e svantaggio socioeconomico, sottolineando la necessità di approcci di collegamento più precisi e standardizzati per la valutazione delle esposizioni ambientali a livello di indirizzo.

Hartlage, C. S., Manning, E. R., Brokamp, C.2026-03-10📄 health informatics

Variability in Automated Sepsis Case Detection: A Systematic Analysis of Implementation Methods in Clinical Data Repositories

Questa revisione sistematica evidenzia come la significativa eterogeneità nei metodi di implementazione computazionale porti a tassi di rilevamento della sepsi drasticamente diversi negli stessi dataset, sottolineando l'urgente necessità di standardizzare la reportistica metodologica e pubblicare il codice sorgente per migliorare la riproducibilità della ricerca.

Meyer-Eschenbach, F., Schmiedler, R., Stoephasius, J. v. + 13 more2026-03-10📄 health informatics

Adversarial Robustness of Capsule Networks for Medical Image Classification

Lo studio dimostra che le reti a capsule (CapsNets) offrono una robustezza superiore rispetto alle CNN e ai ViT contro le perturbazioni avversarie nella classificazione di immagini mediche, grazie a rappresentazioni latenti più stabili e a un routing Bayesiano-Pearson migliorato, rendendole una scelta affidabile per applicazioni cliniche.

Srinivasan, A., Sritharan, D. V., Chadha, S. + 4 more2026-03-10📄 health informatics

Measurement strategy alters inferred age-dependent accumulation and mortality risk of mosaic Y loss

Lo studio dimostra che l'uso di metodi di quantificazione basati sulla fase, rispetto a quelli basati sull'intensità, rivela un accumulo più marcato e stabile della perdita mosaico del cromosoma Y (mLOY) con l'età, identificando rischi di mortalità a carichi più bassi e modificando sostanzialmente le stime di prevalenza e le soglie di rischio clinico nella popolazione maschile.

Ware, A., Weyrich, M., Fatima, S. + 12 more2026-03-10📄 health informatics

Machine Unlearning for GDPR Right-to-Erasure in Antimicrobial Resistance Prediction Models

Questo studio dimostra che la metodologia di addestramento SISA (Sharded, Isolated, Sliced and Aggregated) consente di soddisfare i requisiti di cancellazione del GDPR nei modelli di predizione della resistenza antimicrobica riducendo drasticamente i tempi di elaborazione e i costi computazionali rispetto al riaddestramento completo, mantenendo al contempo un'accuratezza clinica pressoché invariata.

Saniya, S., Khan, A. A.2026-03-10📄 health informatics

More Signal vs. More Noise - Comparing Full Text and Abstract as Inputs for Large Language Model-based Classification of Oncology Trial Eligibility Criteria

Lo studio dimostra che l'utilizzo dell'articolo completo, anziché solo dell'abstract, migliora significativamente la capacità di GPT-5 di classificare i criteri di eleggibilità per i trial oncologici, poiché il segnale aggiuntivo contenuto nel testo integrale supera il potenziale rumore informativo.

Weyrich, J., Dennstaedt, F., Foerster, R. + 4 more2026-03-10📄 health informatics

Accelerating Exploratory Clinical Research: An LLM-Powered Framework for Cross-Study Data Harmonization and Natural Language Querying

Questo articolo presenta un framework basato su modelli linguistici di grandi dimensioni (LLM) che automatizza l'armonizzazione dei dati clinici SDTM tra diversi studi e abilita l'interrogazione tramite linguaggio naturale, riducendo significativamente lo sforzo manuale e accelerando l'analisi esplorativa nella ricerca clinica.

Garg, A., Sett, A., Baumann, B. + 4 more2026-03-09📄 health informatics

AI-Driven Feature Selection Using Only Survey Variable Descriptions: Large Language Models Identify Adolescent Vaping Predictors

Questo studio dimostra che i modelli linguistici di grandi dimensioni istruiti possono selezionare in modo efficace e affidabile, basandosi esclusivamente sulle descrizioni testuali delle variabili di un sondaggio, i predittori dell'inizio del consumo di sistemi di erogazione elettronica di nicotina tra gli adolescenti, ottenendo prestazioni predittive superiori o comparabili a quelle dei modelli tradizionali.

Zhang, K., Zhao, Z., Hu, Y. + 1 more2026-03-09📄 health informatics

Time-to-event modeling with multimodal clinical and genetic features improves risk stratification of liver complications in chronic hepatitis C

Utilizzando dati multimodali del programma "All of Us", lo studio ha sviluppato un modello di sopravvivenza interpretabile che integra caratteristiche cliniche e genetiche per migliorare la stratificazione del rischio di cirrosi, carcinoma epatocellulare e mortalità nei pazienti con epatite C cronica, superando i limiti della sola stadiazione della fibrosi.

Islam, H., Arian, A., Franses, J. W. + 1 more2026-03-09📄 health informatics

Predictors of COVID-19 hospital outcomes: a machine learning analysis of the National COVID Cohort Collaborative

Questo studio analizza i dati del National COVID Cohort Collaborative per valutare l'efficacia di modelli di machine learning nella previsione della mortalità e della durata della degenza ospedaliera per pazienti con COVID-19, concludendo che le variabili strutturate dei registri elettronici offrono una discriminazione moderata per la mortalità ma sono insufficienti per prevedere la durata della degenza, evidenziando inoltre il compromesso tra discriminazione e calibrazione nell'uso della tecnica SMOTE per gestire lo squilibrio delle classi.

Vazquez, J., Taylor, L., Chen, Y.-Y. K. + 5 more2026-03-09📄 health informatics

Extracting patient reported cannabis use and reasons for use from electronic health records: a benchmarking study of large language models

Questo studio dimostra che è possibile estrarre con alta precisione lo stato di utilizzo della cannabis e le relative motivazioni dai registri clinici elettronici di pazienti con malattie reumatiche autoimmuni, combinando modelli linguistici clinici affinati e classificatori basati su grandi modelli linguistici.

Wang, Y., Bozkurt, S., Le, N. + 6 more2026-03-09📄 health informatics