📄 Category

health informatics

191 papers

In de wereld van de gezondheidszorg speelt informatiekunde een steeds grotere rol. Dit vakgebied verbindt medische data met geavanceerde technologie om diagnoses te versnellen, behandelingen te optimaliseren en publieke gezondheid te bewaken. Het gaat hierbij niet alleen om cijfers, maar om het begrijpelijk maken van complexe patronen die levens kunnen redden.

Op Gist.Science verzamelen we de nieuwste inzichten uit dit dynamische veld, direct afkomstig van medRxiv. Voor elk nieuw preprint in deze categorie verwerken wij de inhoud grondig en leveren we zowel een heldere samenvatting in gewone taal als een gedetailleerde technische analyse. Zo maken we de wetenschap toegankelijk voor iedereen, ongeacht hun achtergrond.

Hieronder vindt u de meest recente publicaties uit de categorie Health Informatics, direct uit de medRxiv database.

📄 health informatics

MedScope: A Lightweight Benchmark of Open-Source Large Language Models for Medical Question Answering

Dit paper introduceert MedScope, een lichtgewicht benchmarkkader dat zes open-source grote taalmodellen systematisch evalueert op medische meerkeuzevragen door niet alleen nauwkeurigheid, maar ook efficiëntie, consistentie en foutpatronen te analyseren, en concludeert dat hoewel deze modellen waardevolle baselines bieden, ze nog niet geschikt zijn voor onbeheerde inzet in hoog-risico zorgscenario's.

Bian, R., Cheng, W.2026-04-01
📄 health informatics

Combining Token Classification With Large Language Model Revision for Age-Friendly 4M Entity Recognition From Nursing Home Text Messages: Development and Evaluation Study

Deze studie introduceert en evalueert een efficiënt, lokaal draaiend pipeline-systeem dat een fijngefineerde token-classificatie combineert met LLM-revisie om de 4M-gegevens (Wat telt, Medicatie, Mentatie en Mobiliteit) nauwkeurig uit ongestructureerde verpleeghuis-tekstberichten te extraheren, wat resulteert in een betere prestatie dan eerdere methoden en de basis legt voor kwaliteitsrapportage en klinisch toezicht.

Amewudah, P., Popescu, M., Farmer, M. S., Powell, K. R.2026-04-01
📄 health informatics

MedResearchBench: A Multi-Domain Benchmark for Evaluating AI Research Agents on Clinical Medical Research

Dit paper introduceert MedResearchBench, het eerste benchmark voor het evalueren van AI-onderzoekssystemen op klinisch medisch onderzoek, dat bestaat uit 16 taken in zeven domeinen gebaseerd op openbare datasets en geëvalueerd volgens zes medisch specifieke criteria om de betrouwbaarheid en publicatiekwaliteit van door AI gegenereerd onderzoek te waarborgen.

Tan, S., Tian, Z.2026-03-31
📄 health informatics

VaaS is a Multi-Layer Hallucination Reduction Pipeline for AI-Assisted Science: Production Validation and Prospective Benchmarking

Dit artikel beschrijft de ontwikkeling en validatie van de VaaS-pijplijn, een multi-layer systeem dat hallucinaties in AI-ondersteunde wetenschap, zoals het fabriceren van citaties, effectief reduceert tot bijna nul door middel van productievalidatie en prospectieve benchmarking, terwijl het tegelijkertijd kostenefficiënt blijft.

Sabharwal, A., Patel, M. S., Carrano, A., Rotman, M., Wierson, W., Ekker, S. C.2026-03-30
📄 health informatics

Availability and Quality of Anthropometric Data in Swiss Childrens Hospitals: The SwissPedGrowth Project

Het SwissPedGrowth-project toont aan dat het haalbaar is om hoogwaardige antropometrische gegevens uit verschillende elektronische patiëntendossiers in Zwitserse kinderziekenhuizen te extraheren voor groeionderzoek, hoewel uitdagingen op het gebied van volledigheid en harmonisatie van deze data blijven bestaan.

Leuenberger, L. M., Shoman, Y., Romero, F., Deligianni, X., Hartung, A., Mozun, R., Goebel, N., Bielicki, J. A., Burckha (…)2026-03-30
📄 health informatics

MOE-ECG: Multi-Objective Ensemble Fusion for Robust Atrial Fibrillation Detection Using Electrocardiograms

Dit artikel presenteert MOE-ECG, een robuust multi-objectief ensemble-framework dat de detectie van boezemfibrillatie uit ECG-opnames verbetert door het tegelijkertijd optimaliseren van voorspellende prestaties en modeldiversiteit, wat leidt tot significante stijgingen in nauwkeurigheid en generalisatievermogen.

Peimankar, A., Hossein Motlagh, N., K. Khare, S., Spicher, N., Dominguez, H., Abolghasemi, V., Fujiwara, K., Teichmann (…)2026-03-30
📄 health informatics

HealthFormer: Dual-level time-aware Transformers for irregular electronic health record events

Het paper introduceert HealthFormer, een dual-level Transformer-model dat onregelmatige elektronische patiëntendata verwerkt door zowel intra-gebeurtenis codecompositie als tijdsafhankelijkheden te modelleren via zelftoezichtende pretraining, wat resulteert in superieure prestaties bij het voorspellen van incidentele kanker ten opzichte van bestaande methoden.

Körösi-Szabo, P., Kovacs, G., Csiszarik, A., Forrai, B., Laki, J., Szocska, M., Kovats, T.2026-03-27
📄 health informatics

Federated Learning Performance Depends on Site Variation in Global HIV Data Consortia

Dit onderzoek toont aan dat Federated Learning een schaalbare en privacy-beschermende oplossing biedt voor het ontwikkelen van nauwkeurige HIV-predictiemodellen in internationale consortia, waarbij de prestaties aanzienlijk beter zijn dan bij lokaal modelleren en vergelijkbaar met die van gecentraliseerde modellen, ondanks variatie tussen de verschillende locaties.

Jackson, N. J., Yan, C., Caro-Vega, Y., Paredes, F., Ismerio Moreira, R., Cadet, S., Varela, D., Cesar, C., Duda, S. N. (…)2026-03-27
📄 health informatics

Development of a natural language processing application to extract and categorize mentions of violence from mental healthcare records text

Deze studie ontwikkelde en valideerde een succesvol NLP-model op basis van BERT dat vrij tekst uit psychiatrische elektronische patiëntendossiers analyseert om diverse vormen van geweld en gerelateerde contextuele factoren te extraheren en te categoriseren, hoewel het detecteren van tijdsaspecten minder goed lukte.

Li, L., Sondh, S., Sondh, H. K., Stewart, R., Roberts, A.2026-03-26