256 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.
RenalTransLSTM is een hybride deep learning-framework dat LSTM- en Transformer-architecturen combineert om superieure multi-horizon voorspelling van acute nierinsufficiëntie bij IC-patiënten te bereiken door zowel lokale temporele dynamiek als globale contextuele afhankelijkheden in elektronische gezondheidsgegevens effectief te vangen.
Deze studie introduceert de Embedding-Distance Gait Biomarker (EDGB), een supervised contrastive learning-raamwerk dat gebruikmaakt van een compact convolutioneel neuraal netwerk om robuuste 3elige 32-dimensionale latente representaties te extraheren uit ruwe draagbare IMU-signalen, waarbij een hoge nauwkeurigheid wordt bereikt bij het onderscheiden tussen gezonde, neurologische en orthopedische looppatronen, terwijl tegelijkertijd een sterke betrouwbaarheid en significante groepsdifferentiatie worden aangetoond.
Deze target trial emulation studie met gebruik van real-world data demonstreert dat het combineren van PD-1/PD-L1 remmers met VEGFR tyrosinekinase-remmers de restricted mean survival time bij patiënten met niercelcarcinoom significant verbetert in vergelijking met monotherapie met een VEGFR tyrosinekinase-remmer, wat de generaliseerbaarheid van combinatietherapie ondersteunt ondanks niet-proportionele hazards.
Het artikel introduceert PulseOx-FM, een zelfgesuperviseerd foundation model getraind op miljoenen segmenten van draagbare pulsoximetrie die bestaande methoden overtreft in het voorspellen van diverse cardiometabole en neuropsychiatrische gezondheidsrisico's, waaronder toekomstige hypertensie en de glycemische status van de volgende dag, waardoor het een krachtige niet-invasieve tool vestigt voor wereldwijde gezondheidsrisicostratificatie.
Dit artikel introduceert de Heterogeneous Gated Graph Transformer (HGGT), een deep learning-model dat complexe, multi-type relaties tussen biomedische entiteiten benut om de voorspelling van het succes van klinische studies over meerdere fasen aanzienlijk te verbeteren.
Deze pilotstudie toont de technische haalbaarheid aan van het gebruik van generatieve video-AI om gestandaardiseerde psychiatrische patiëntsimulaties met een gegradeerde achteruitgang in hygiëne te creëren, waarbij wordt benadrukt dat hoewel uiterlijke modulatie haalbaar is, artefacten in de fijne motoriek deskundig menselijk toezicht vereisen voorafgaand aan klinische implementatie.
Deze studie toont aan dat hoewel gradient boosting-modellen die gebruikmaken van gestructureerde gegevens uit elektronische patiëntendossiers depressie en angst bij patiënten met multiple sclerose kunnen voorspellen, hun beperkte voorspellende kracht (R² ≤ 0,28) wordt gedomineerd door baseline-scores die reflectie van regressie naar het gemiddelde weerspiegelen, wat aangeeft dat rijkere databronnen dan gestructureerde klinische variabelen noodzakelijk zijn voor betekenisvolle voorspelling op individueel niveau.
Deze studie maakt gebruik van een door AI gedreven multimodaal mediatiekader om gegevens uit het All of Us Research Program te analyseren, waarbij wordt onthuld dat psychosociale kwetsbaarheid fungeert als een belangrijke latente mediator die sociaaleconomische achterstand verbindt met cardiometabole multimorbiditeit.
Dit artikel introduceert de Demographic Calibration Gap Score (DCGS) om aan te tonen dat standaard globale kalibratiemethoden er niet in slagen systematische voorspellingsfouten over raciale en gendergerelateerde subgroepen in borstkankerrisicomodellen aan te pakken, met name onder distributieverschuivingen, waardoor de noodzaak voor subgroepspecifieke kalibratiemetrieken wordt benadrukt om bevooroordeelde klinische beslissingen te voorkomen.
Een wereldwijde enquête onder 766 professionals in de geestelijke gezondheidszorg onthult dat meer dan de helft al generatieve AI-tools gebruikt, voornamelijk voor behandelplanning en administratieve taken, maar dat deze wijdverbreide adoptie plaatsvindt ondanks een aanzienlijk gebrek aan institutionele begeleiding, formele training en regelgevende kaders.