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.
Questo studio impiega un framework di mediazione multimodale guidato dall'IA per analizzare i dati del programma di ricerca All of Us, rivelando che la vulnerabilità psicosociale agisce come un chiave mediatore latente che collega lo svantaggio socioeconomico alla multimorbilità cardiometabolica.
Questo articolo introduce il Demographic Calibration Gap Score (DCGS) per dimostrare che i metodi di calibrazione globale standard non riescono ad affrontare gli errori di predizione sistematici tra i sottogruppi razziali e di genere nei modelli di rischio del cancro al seno, in particolare sotto cambiamenti distribuzionali, evidenziando così la necessità di metriche di calibrazione specifiche per i sottogruppi per prevenire decisioni cliniche distorte.
Un sondaggio globale condotto su 766 professionisti della salute mentale rivela che oltre la metà sta già utilizzando strumenti di intelligenza artificiale generativa, principalmente per la pianificazione del trattamento e compiti amministrativi, sebbene questa diffusa adozione avvenga nonostante una significativa mancanza di orientamento istituzionale, formazione formale e quadri normativi.
Questo articolo dimostra che i modelli visione-linguaggio esibiscono una cecità da inattenzione simile a quella umana, ma mostrano anche un modo unico di fallimento della confabulazione, rendendo necessaria un'analisi della rilevazione del segnale con baseline di controllo corrispondenti per valutare accuratamente le loro capacità di percezione visiva.
Questo studio introduce il Chemical-Gene Atlas (CGA), una risorsa interattiva che integra 4.110 sostanze chimiche con 928 geni associati alla letalità dello sviluppo per mappare le vulnerabilità specifiche per l'esposizione attraverso le finestre gestazionali e identificare le principali interazioni gene-ambiente alla base dell'aborto spontaneo ricorrente.
Questo manoscritto, che proponeva un modello di deep learning spiegabile per la diagnosi del tumore al seno utilizzando ecografie 2D in scala di grigi, è stato ritirato dagli autori a causa di conflitti di interesse e del disaccordo di un coautore riguardo alla metodologia.
Questo articolo introduce SPIRIT-CONSORT-ELM, un nuovo framework e un dataset che estendono le linee guida di reporting esistenti al livello dell'elemento, utilizzando una pipeline ibrida di PubMedBERT e modelli linguistici generativi di grandi dimensioni per valutare automaticamente la completezza e la trasparenza dei report di studi controllati randomizzati con alta accuratezza.
Questo studio trasversale condotto tra i professionisti sanitari di Freetown, in Sierra Leone, rivela una bassa prevalenza di copertura assicurativa sanitaria privata nonostante un'elevata propensione all'iscrizione, senza che siano stati identificati fattori demografici o socioeconomici significativi come determinanti, evidenziando la necessità di affrontare barriere non esaminate quali il costo e l'accessibilità per far progredire la Copertura Sanitaria Universale nella regione.
Questo studio convalida l'utilità del braccialetto Empatica E4 per la ricerca sul sonno analizzando il dataset Wearanize+, confermando la sua accuratezza nel monitorare la frequenza cardiaca e la temperatura cutanea attraverso le fasi del sonno, pur identificando specifiche limitazioni nelle misurazioni dell'attività elettrodermica dovute all'accumulo di sudore al polso.
Questo articolo propone un framework di IA multimodale spiegabile che integra l'apprendimento profondo supervisionato con l'apprendimento per rinforzo offline conservativo per supportare le decisioni cliniche post-operatorie, criticando simultaneamente le pratiche dei dati sintetici e validando l'architettura del sistema attraverso una rigorosa metodologia basata su dati reali.