📄 Category

health informatics

199 articoli

Evaluating a Locally Deployed 20-Billion Parameter Large Language Model for Automated Abstract Screening in Systematic Reviews

Lo studio dimostra che un modello linguistico su larga scala di 20 miliardi di parametri, implementato localmente con una strategia di prompting orientata alla sensibilità, può accelerare notevolmente lo screening degli abstract nelle revisioni sistematiche mantenendo un'alta accuratezza, sebbene le prestazioni varino in base alla natura del dominio e alla chiarezza dei criteri di inclusione.

Moreira Melo, P. H., Poenaru, D., Guadagno, E.2026-03-04📄 health informatics

Perceptions of Artificial Intelligence in the Editorial and Peer Review Process: A Cross-Sectional Survey of Traditional, Complementary, and Integrative Medicine Journal Editors

Uno studio trasversale rivela che, sebbene la maggior parte degli editori di riviste di medicina tradizionale, complementare e integrativa riconosca il potenziale futuro dell'intelligenza artificiale per le funzioni editoriali di routine, l'adozione effettiva rimane limitata da barriere pratiche, etiche e dalla mancanza di politiche specifiche e formazione.

Ng, J. Y., Bhavsar, D., Krishnamurthy, M. + 20 more2026-03-04📄 health informatics

Using the ECHILD Database to Explore Educational and Health Outcomes of Unaccompanied Asylum-Seeking Children living in England (2005 to 2021)

Questo studio utilizza il database ECHILD per analizzare le caratteristiche demografiche e i tassi di collegamento tra dati di assistenza sociale, istruzione e sanità di un campione nazionale di minori stranieri non accompagnati in Inghilterra dal 2005 al 2021, evidenziando come la registrazione scolastica sia il fattore determinante per l'accesso ai dati sanitari.

Langella, R., Hardelid, P., Lewis, K. M.2026-03-04📄 health informatics

Leveraging Generative Artificial Intelligence for Enhanced Data Augmentation in Emotion Intensity Classification: A Comprehensive Framework for Cross-Dataset Transfer Learning

Questo articolo presenta un quadro completo per l'addestramento trasversale nella classificazione dell'intensità emotiva, che combina strategie di aumento dei dati guidate da modelli generativi e trasformazioni euristico-lexicali per sintetizzare esempi stilisticamente coerenti, dimostrando che l'approccio di aumento generativo condizionato (CGA) ottiene le migliori prestazioni di accuratezza e F1.

Wieczorek, J., Jiang, X., Palade, V. + 1 more2026-03-03📄 health informatics

Making sleep behaviors interpretable: adapting the two-process model of sleep regulation to longitudinal Fitbit sleep and activity behaviors for health insights

Questo studio propone un quadro interpretativo per i dati longitudinali di sonno e attività raccolti tramite Fitbit, adattando il modello a due processi della regolazione del sonno per derivare punteggi circadiani e omeostatici che rivelano associazioni significative con la depressione e offrono spunti clinici azionabili.

Coleman, P., Annis, J., Master, H. + 4 more2026-03-03📄 health informatics

Governing Trust in Health AI: A Qualitative Study of Cybersecurity Professionals Perspectives

Questo studio qualitativo evidenzia come i professionisti della cybersecurity, attraverso la loro prospettiva sulla governance e la responsabilità, giochino un ruolo fondamentale nel plasmare la fiducia nei sistemi di intelligenza artificiale sanitaria, considerati infrastrutture cliniche critiche che richiedono una supervisione umana continua.

Adekunle, T., Ohaeche, J., Adekunle, T. + 2 more2026-03-03📄 health informatics

Bias in respiratory diagnoses by Large Language Models (LLMs) in Low Middle Income Countries (LMICs)

Lo studio evidenzia che i modelli linguistici di grandi dimensioni (LLM), addestrati prevalentemente su dati dei paesi ad alto reddito, mostrano un bias diagnostico verso le epidemiologie occidentali e forniscono suggerimenti meno pertinenti rispetto ai medici nei contesti dei paesi a basso e medio reddito, anche quando vengono specificate le informazioni geografiche locali.

Mouelhi, A., Patel, K., Kussad, S. + 3 more2026-03-03📄 health informatics

Can Machine Learning Algorithms use Contextual Factors to Detect Unwarranted Clinical Variation from Electronic Health Record Encounter Data during the Treatment of Children Diagnosed with Acute Viral Pharyngitis

Questo studio dimostra che gli algoritmi di machine learning, utilizzando fattori contestuali estratti dai registri elettronici, possono rilevare con efficacia le variazioni cliniche ingiustificate nella prescrizione di antibiotici per la faringite virale acuta pediatrica, offrendo un'alternativa scalabile e interpretabile ai metodi statistici tradizionali.

mcowiti, a. O., Neaimeh, Y. R., Gu, J. + 6 more2026-03-02📄 health informatics

Real-world EHR-derived progression-free survival across successive lines of therapy informs metastatic breast cancer risk stratification

Questo studio presenta un framework scalabile basato su evidenze reali estratte dai registri elettronici di salute (EHR) che ricostruisce le linee di terapia successive nel carcinoma mammario metastatico e genera stime individualizzate della sopravvivenza libera da progressione, consentendo una stratificazione del rischio affidabile e interpretabile anche in sottogruppi eterogenei.

Zhao, X., Niederhauser, T., Balazs, Z. + 3 more2026-03-02📄 health informatics

PhenoSS: Phenotype semantic similarity-based approach for rare disease prediction and patient clustering

Il paper presenta PhenoSS, un framework statistico basato sulla similarità semantica dei fenotipi e sulle distribuzioni gaussiane che migliora la diagnosi delle malattie rare e il raggruppamento dei pazienti gestendo la struttura gerarchica dell'ontologia HPO, le dipendenze tra i termini e gli effetti di batch nei dati clinici.

Chen, S., Nguyen, Q. M., Hu, Y. + 3 more2026-03-02📄 health informatics

Interpretable Fine-tuned Large Language Models Facilitate Making Genetic Test Decisions for Rare Diseases

Il paper presenta RareDAI, un approccio basato su modelli linguistici di grandi dimensioni (LLM) affinati con una tecnica di auto-distillazione e ragionamento a catena (CoT) che supera i metodi tradizionali fornendo raccomandazioni diagnostiche interpretabili e ad alte prestazioni per la selezione dei test genetici nelle malattie rare.

Nguyen, Q. M., Chen, F., Liu, C. + 10 more2026-03-02📄 health informatics

Anatomically and Biochemically Guided Deep Image Prior for Sodium MRI Denoising

Questo studio presenta un nuovo framework di Deep Image Prior (DIP-Fusion) che integra dati anatomici della risonanza magnetica protonica e informazioni metaboliche della risonanza magnetica al sodio tramite una regolarizzazione TV direzionale, dimostrando risultati superiori nel ridurre il rumore e migliorare la qualità delle immagini MRI al sodio sia in volontari sani che in pazienti oncologici.

ALI, H., Woitek, R., Trattnig, S. + 1 more2026-03-02📄 health informatics

AI-Generated Responses to Patient's Messages: Effectiveness, Feasibility and Implementation

Questo studio valuta l'implementazione di uno strumento di intelligenza artificiale generativa per la stesura di risposte ai messaggi dei pazienti in un ospedale accademico olandese, rivelando che, nonostante un'adozione iniziale elevata, l'utilità percepita, l'efficienza clinica e il benessere degli operatori sono diminuiti nel tempo a causa di barriere pratiche e di aspettative non soddisfatte.

Bladder, K. J. M., Verburg, A. C., Arts-Tenhagen, M. + 9 more2026-03-02📄 health informatics

Artificial Intelligence in Healthcare: 2025 Year in Review

Il rapporto del 2025 evidenzia una significativa maturazione della ricerca sull'intelligenza artificiale in sanità, caratterizzata da un raddoppio delle pubblicazioni, un declino dei modelli di machine learning classici a favore di modelli fondazionali multimodali e una transizione verso applicazioni cliniche più complesse che riflettono la diversità dei dati reali.

Edara, R., Khare, A., Atreja, A. + 15 more2026-02-28📄 health informatics

Improving Clinical Applicability of Heart Failure Readmission Prediction via Automated Feature Engineering

Questo studio dimostra che l'ingegneria automatica delle caratteristiche tramite la Sintesi di Caratteristiche Profonde (DFS) migliora significativamente le prestazioni di calibrazione e discriminazione dei modelli di alberi potenziati per la previsione delle riammissioni ospedaliere per insufficienza cardiaca rispetto ai metodi tradizionali curati dai clinici, rendendo tali modelli più applicabili in ambito clinico.

Oloko-Oba, M. O., Aslam, A., Echols, M. + 2 more2026-02-28📄 health informatics