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.
Questa revisione sistematica esamina la crescente applicazione dell'apprendimento automatico ai dati esposomici nella ricerca sulle malattie cardiovascolari, evidenziando il suo potenziale nel gestire la complessità dei dati e identificando al contempo le attuali limitazioni e le future direzioni della ricerca.
Questo studio trasversale condotto su 3.004 adulti in Qatar dimostra che la prontezza comportamentale, in particolare l'esercizio fisico quotidiano e la disponibilità a condividere i dati, è un predittore più forte dell'adozione di dispositivi indossabili e dell'integrazione della medicina digitale rispetto ai fattori demografici tradizionali come l'istruzione, evidenziando la necessità di dare priorità al coinvolgimento comportamentale rispetto al targeting demografico per un'implementazione equa della sanità digitale.
Questo studio a metodi misti sul sistema EHR Impilo dello Zimbabwe rivela che, sebbene gli operatori sanitari in prima linea generino apprendimento adattivo per la cura delle multimorbilità attraverso un ibrido di strumenti digitali e cartacei, la mancanza di configurazioni socio-tecniche per stabilizzare e istituzionalizzare tale apprendimento impedisce al sistema di evolversi in un vero Sistema Sanitario di Apprendimento capace di guidare un'ampia adattazione delle cure.
Questo studio valuta l'impatto dell'incorporazione dei dati CMS negli algoritmi delle cartelle cliniche elettroniche per la malattia di Alzheimer e le demenze correlate all'interno del sistema VA, riscontrando che, sebbene i dati CMS aumentino il rilevamento dei casi e la sensibilità, un algoritmo ampio senza dati CMS è ottimale per l'epidemiologia, mentre un algoritmo rigoroso con dati CMS produce le più forti associazioni genetiche per l'AD a esordio tardivo.
Questo studio confronta empiricamente i modelli linguistici di grandi dimensioni e le risposte dei pari alle domande poste online dai pazienti riguardo ai risultati degli esami di laboratorio, riscontrando che, mentre i LLM eccellono nel fornire spiegazioni mediche chiare e strutturate, i pari offrono un supporto emotivo più personalizzato, suggerendo che i LLM potrebbero integrare efficacemente le comunità di pari se migliorassero la loro profondità emotiva, la trasparenza del ragionamento e l'allineamento con le norme della comunità.
Questo articolo introduce FootNet, un dataset per smartphone multi-vista con maschere annotate da esperti per la segmentazione clinica del piede, e stabilisce un benchmark che dimostra come una U-Net con un encoder MobileNetV2 superi significativamente altri modelli, tra cui DeepLabV3, UNet++ e SAM ViT-B, in termini di accuratezza della segmentazione.
Questo studio presenta uno strumento predittivo validato che sfrutta la perdita di peso alla settimana 8 e le caratteristiche del paziente per prevedere gli esiti dei GLP-1 a sei mesi e il rischio di abbandono, offrendo approfondimenti clinicamente azionabili per il processo decisionale condiviso pur riconoscendo i propri limiti come guida prognostica piuttosto che terapeutica.
Questo studio dimostra che, mentre le caratteristiche ad alta intensità delle unità di azione facciale spesso non riescono a generalizzare tra dataset diversi, la dinamica temporale più lenta e specifici modelli di co-attivazione (come il disaccoppiamento occhio-bocca) fungono da marcatori robusti e trasferibili della depressione, suggerendo che la coerenza direzionale sia un criterio superiore per la selezione delle caratteristiche nella ricerca affettiva multi-sito.
La piattaforma di collegamento dei grandi dati sanitari (HCDL) in Corea del Sud affronta le inefficienze sistemiche integrando 13 database nazionali attraverso un terzo di fiducia e un processo di revisione centralizzato, facilitando con successo un aumento delle richieste di ricerca multi-database per far avanzare la medicina basata sui dati e la medicina di precisione.
Questo studio condotto su 39 clinici dimostra che, sebbene le spiegazioni basate sull'attribuzione migliorino in modo significativo la fiducia e la comprensione delle predizioni del machine learning in contesti clinici, quasi la metà dei partecipanti preferisce visualizzare molteplici tipologie di spiegazione, suggerendo che le implementazioni future dovrebbero dare priorità ai metodi di attribuzione offrendo al contempo formati diversificati adattati a specifici ruoli clinici.