📄 Category

health informatics

191 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

Explainable AI for Data-Driven Design of High-Dimensional Predictive Studies

Questo articolo introduce un Sistema di Raccomandazione AI Esplorativo che sfrutta l'intelligenza artificiale spiegabile per generare raccomandazioni basate sui dati per la selezione delle caratteristiche, i termini non lineari e le interazioni, migliorando così in modo significativo le prestazioni predittive e l'interpretabilità di modelli clinici ad alta dimensionalità come il modello di Cox a rischi proporzionali.

Yan, J., Machlanski, D., Butler, K., Dimitrakopoulos, P., Harrison, E. M., Guthrie, B. M., Tsaftaris, S. A.2026-05-24
📄 health informatics

Ambient AI Documentation in Mixed-Language Encounters: A Heuristic Evaluation of Spanish-English and Mandarin-English Conversations

Questo studio valuta le prestazioni di un sistema di documentazione AI ambientale negli incontri clinici multilingue, rilevando che, sebbene i tassi complessivi di errore di trascrizione siano bassi e il passaggio tra le lingue sia generalmente rilevato in modo affidabile, permangono sfide significative nel code-switching tra mandarino e inglese, inclusi valori anomali di errore elevati e frequenti cancellazioni nei punti di passaggio.

Hu, D., Flores, D., Flores, L., Chien, R., Lam, K., Chow, E., Guo, Y., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-05-22
📄 health informatics

Evaluating Large Language Models for Translating Multimodal Phenotype Documentations into Executable EHR Phenotyping Algorithms

Questo studio valuta i modelli linguistici di grandi dimensioni all'avanguardia per la traduzione della documentazione multimodale dei fenotipi clinici in algoritmi eseguibili per le cartelle cliniche elettroniche, rilevando che, sebbene interpretino efficacemente il testo strutturato, le loro prestazioni peggiorano significativamente con input costituiti esclusivamente da diagrammi, identificando infine la qualità della documentazione, e non le capacità del modello, come il principale collo di bottiglia.

Yan, C., Xin, Y., Su, W.-C., Gangireddy, S., Durbhakula, S., Bruehl, S. P., Dickson, A. L., Li, L., Feng, Q., Malin, B. (…)2026-05-22
📄 health informatics

Deep Learning and Machine Learning for Early Detection of Alzheimer's Disease: A Systematic Review and Meta-Analysis

Questa revisione sistematica e meta-analisi di 30 studi dimostra che gli algoritmi di machine learning e deep learning raggiungono un'alta accuratezza diagnostica per la rilevazione precoce della malattia di Alzheimer, sebbene il campo richieda protocolli di valutazione standardizzati e validazione esterna per mitigare l'overfitting e garantire la fattibilità clinica.

Machiraju, S.2026-05-22
📄 health informatics

Asymmetry between warmth and clinical substance in multilingual consumer health AI

Questo studio rivela che l'IA multilingue per la salute del consumatore presenta un'asimmetria critica in cui la sostanza clinica e la sicurezza variano significativamente a seconda della lingua, spesso fallendo in modo silenzioso nei contesti non inglesi, pur mantenendo un tono coerente ed empatico in tutte le lingue.

Ariel, D., Grumberg, L. R., Supakul, S., Wannasri, S., Mitchnik, I. Y., Lev, A., Ariyamethanon, W., Agbarieh, M., Miari (…)2026-05-14
📄 health informatics

Epidemiology-Informed Graph Neural Networks for Predicting and Interpreting Transmissible Hospital-Acquired Infections: A Retrospective Cohort and Simulation Study

Questo articolo propone un framework di rete neurale a grafo informato dall'epidemiologia (EIGNN) che integra modelli epidemiologici meccanicistici con reti di contatto basate sui dati per prevedere e interpretare accuratamente la dinamica delle infezioni ospedaliere, garantendo al contempo la fiducia clinica attraverso la trasparenza.

Vindas Yassine, Y. E., Bornet, A., Abbas, M., Geissbuehler, D., Rodrigues-Jr, J. F., Teodoro, D.2026-05-12
📄 health informatics

Three Decades of FDA Authorizations of AI/ML Enabled Medical Devices: Persistent Specialty Concentration and the Care Delivery Gap (1995 to 2025)

Questa analisi trasversale di 1.430 autorizzazioni FDA dal 1995 al 2025 rivela che, sebbene le approvazioni di dispositivi medici abilitati all'IA/ML siano aumentate esponenzialmente, esse rimangono fortemente concentrate in specialità diagnostiche ricche di immagini come la radiologia, lasciando significative lacune nella rappresentanza per altri importanti campi clinici quali la patologia, l'ostetricia e la salute comportamentale.

Golshani, P., Joseph, M. S.2026-05-12
📄 health informatics

Machine Learning and Explainable AI for Multi-State Classification of Malaria Transmission Dynamics in Kenya

Questo studio sviluppa e convalida un framework di apprendimento automatico interpretabile basato su Extreme Gradient Boosting per classificare accuratamente gli stati di trasmissione della malaria nei 47 contee del Kenya dal 2015 al 2025, dimostrando che l'integrazione di dati epidemiologici e ambientali può efficacemente supportare la sorveglianza mirata e l'allocazione delle risorse.

Gogo, J. A., Wanyonyi, M.2026-05-12
📄 health informatics

MISP-Bench: Decomposing User-Provided False Priors into Answer, Rationale, and Guard Effects

Il documento introduce MISP-Bench, un benchmark fattoriale su larga scala che valuta come i modelli linguistici a pesi aperti rispondono a preconcetti falsi forniti dagli utenti in contesti clinici ed educativi, rivelando che gli attacchi combinati di risposta e motivazione causano danni sub-additivi, che i distrattori mirati aumentano significativamente la sycofanzia rispetto a quelli arbitrari e che strategie specifiche di sicurezza (come l'indipendenza dalla fonte e le sovrascritture esplicite) mitigano efficacemente la suscettibilità alla disinformazione attraverso modelli diversi.

Jeong, I., Kim, Y., Park, J.-H., Lee, H.2026-05-10
📄 health informatics

Unmeasured but Not Unbiased: The Missingness Demographic Leakage Audit (MDLA) for Calibration-Aware Fairness Evaluation in Critical Care Mortality Prediction

Questo articolo introduce l'Audit di Perdita Demografica da Mancanza (MDLA), un framework riproducibile che rivela come i modelli di mortalità in terapia intensiva, basati su dati clinici mancanti, possano agire come proxy demografici sottili e non misurati, rendendo necessaria l'integrazione di audit consapevoli della mancanza e valutazioni consapevoli della calibrazione nelle pipeline di validazione dell'IA clinica.

Patel, K., Beedala, P.2026-05-03