156 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.
Dit onderzoek toont aan dat het gebruik van few-shot geprompte large language modellen haalbaar is om de redacties van clinici op AI-gegenereerde medische aantekeningen te categoriseren, met name voor medicatie en symptomen, hoewel complexe contextafhankelijke bewerkingen beter dienen te worden gebruikt voor triage naar menselijke beoordeling.
Dit artikel bespreekt de significante groei en volwassenheid van AI-onderzoek in de gezondheidszorg in 2025, waarbij publicaties bijna verdubbelden en de focus verschuift van klassieke machine learning en tekstmodellen naar geavanceerde multimodale foundation modellen die beter aansluiten bij de complexiteit van de klinische praktijk.
Deze cohortstudie concludeert dat het type redactionele reactie op integriteitsproblemen (zoals een retraction, expression of concern of editorial notice) geen significant effect heeft op de daling van citaties, noch verschilt deze daling van de natuurlijke afname bij controlestudies.
Deze studie presenteert een bestuur-gedreven, op real-world data gebaseerd raamwerk voor het voorspellen van zorggebruik bij kanker en chronische aandoeningen, dat door het modelleren van longitudinale patiëntenstromen en provider-adoptie aanzienlijk nauwkeurigere prognoses oplevert dan traditionele statische methoden.
Deze studie toont aan dat de robuustheid van medische termen in lokaal inzetbare taalmodellen niet alleen afhankelijk is van modelgrootte of medische fine-tuning, maar sterk varieert per terminologische complexiteit en subdomein, waardoor specifieke validatie voor veilige klinische toepassing essentieel is.
Dit onderzoek toont aan dat het gebruik van Nash-bargaining voor het coördineren van gespecialiseerde AI-agenten leidt tot veiligere en efficiëntere zorgplannen voor Medicaid-patiënten dan traditionele methoden, maar dat expliciete ontwerpinzet nodig blijft om ook de eerlijkheid van deze plannen te verbeteren.
De AutoscriberValidate-studie concludeert dat het gebruik van de omgevingsdigitale scribe Autoscriber de administratieve last voor zorgverleners verlaagt en de kwaliteit van medische notities verbetert door een significante reductie van fouten.
Deze cross-sectionele studie onder 500 patiënten in Jordanië toont aan dat hoewel er een zekere bereidheid bestaat voor AI in de gezondheidszorg, deze sterk afhankelijk is van vertrouwen, transparantie en de voorkeur voor menselijke betrokkenheid, waarbij lagere opleidingsniveaus en beperkte digitale vaardigheden de acceptatie belemmeren.
Deze studie presenteert een hybride SARIMA-CNNAR-model dat, door lineaire seizoenspatronen en niet-lineaire trends te combineren, de nauwkeurigste prognoses voor tuberculose-incidentie in Nepal levert en hiermee de bestaande methoden zoals SARIMA, LSTM en XGBoost overtreft.
MedOS is een geavanceerd, op menselijke cognitie gebaseerd AI-systeem dat abstracte klinische redenering en fysieke interventie verenigt door een wereldmodel te gebruiken dat complexe medische procedures autonoom uitvoert en voorspelt, waardoor de prestatiekloof tussen junior en senior artsen wordt verkleind en klinische expertise wordt gedemocratiseerd.