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.
Dit artikel으로 toont aan dat vision-language-modellen een vorm van inattentiële blindheid vertonen die vergelijkbaar is met die van mensen, maar ook een unieke modus van confabulatiefouten vertonen, wat een signaaldetectieanalyse met gematchte controlebaselines noodzakelijk maakt om hun visuele waarnemingsvermogen nauwkeurig te beoordelen.
Deze studie introduceert de Chemical-Gene Atlas (CGA), een interactieve bron die 4.110 chemicaliën integreert met 928 met ontwikkelingslethaal geassocieerde genen om blootstelling-specifieke kwetsbaarheden over gestationele vensters in kaart te brengen en de belangrijkste gen-omgevingsinteracties te identificeren die ten grondslag liggen aan recidiverende miskraam.
Dit manuscript, waarin een verklaarbaar deep learning-model voor de diagnose van borstkanker met behulp van 2D-grijswaardenultrasound werd voorgesteld, is door de auteurs ingetrokken vanwege belangenverstrengeling en een meningsverschil van een medeauteur over de methodologie.
Dit artikel introduceert SPIRIT-CONSORT-ELM, een nieuw framework en dataset die bestaande rapportage-richtlijnen uitbreidt naar het elementniveau, gebruikmakend van een hybride pijplijn van PubMedBERT en generatieve grote taalmodellen om de volledigheid en transparantie van gerandomiseerde gecontroleerde trial-rapportages met hoge nauwkeurigheid automatisch te beoordelen.
Deze dwarsdoorsnedestudie onder zorgprofessionals in Freetown, Sierra Leone, onthult een lage prevalentie van dekking door private ziektekostenverzekeringen ondanks een hoge bereidheid tot inschrijving, waarbij geen significante demografische of sociaaleconomische factoren als determinanten zijn geïdentificeerd, wat de noodzaak benadrukt om niet-onderzochte barrières zoals kosten en toegankelijkheid aan te pakken om de universele gezondheidszorg in de regio te bevorderen.
Deze studie valideert het nut van de Empatica E4-polsband voor slaaponderzoek door de Wearanize+-dataset te analyseren, waarbij de nauwkeurigheid bij het volgen van hartslag en huidtemperatuur over verschillende slaapfasen wordt bevestigd, terwijl specifieke beperkingen in elektrodermale activiteitsmetingen worden geïdentificeerd als gevolg van zweetophoping bij de pols.
Dit artikel stelt een uitlegbaar multimodaal AI-framework voor dat supervised deep learning integreert met conservatieve offline reinforcement learning om klinische beslissingen na operaties te ondersteunen, terwijl het tegelijkertijd de praktijken rondom synthetische data bekritiseert en de architectuur van het systeem valideert via een rigoureuze methodologie met echte data.
Deze geregistreerde rapportage presenteert een artefactindex voor capacitieve ECG-signalen verkregen van een geïnstrumenteerde fauteuil, die gebruikmaakt van een stemprocedure van drie signaalkwaliteitsindices om effectief zuivere van artefactsegmenten te onderscheiden tijdens het lezen en televisie kijken, waardoor betrouwbare continue gezondheidsmonitoring in ongesuperviseerde real-world omgevingen mogelijk wordt.
Het artikel introduceert PolyCLIP-T, een topologie-gestuurd multimodaal framework dat whole-genome sequencing en persistente homologie gebruikt om stabiele clusters van polygene varianten over familiale multimorbide stoornissen heen te identificeren, waarmee de beperkingen van traditionele regelgebaseerde pipelines bij het detecteren van niet-coderende, structurele en laag-penetrante genetische drijvers effectief wordt overwonnen.
Deze studie evalueert drie uit fotoplethysmografie afgeleide microvasculaire reactiviteitssignalen in de MIMIC-IV-WDB v0.1.0-dataset middels menselijke en door AI ondersteunde visuele inspectie, waarbij werd vastgesteld dat twee signalen in de meeste gevallen er niet in slaagden hun beoogde fysiologie te vatten en het derde signaal werd beperkt door de plaatsing van de sensor, wat daarmee de noodzaak van voorafgaande validatie van ruwe gegevens voor downstream modellering benadrukt.