📄 Category

health informatics

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.

📄 gezondheidsinformatica

BodyMAE: A Surface-Area Aware Masked Autoencoder for Body Composition Estimation from 3D Body Scans

Dit artikel introduceert BodyMAE, een oppervlaktebewuste masked autoencoder die gebruikmaakt van 3D-lichaamsscans op metriek-schaal om lichaamscompositie-metrieken zoals vet- en vetvrije massa nauwkeurig te schatten, waarbij een hoge correlatie met klinische DXA-metingen wordt bereikt terwijl uitdagingen zoals niet-uniforme puntendichtheid en variabiliteit tussen apparaten worden overwonnen.

Zheng, Y., Feng, B., Cheng, R., Qiu, C., Long, Z., Vaziri, K., Hahn, J.2026-06-06
📄 gezondheidsinformatica

Genosolver: Rare Disease Diagnosis through Holistic Integration of Unstructured Clinical Narratives Using Large Language and Reasoning Models

Genosolver is een geïntegreerde workflow die gebruikmaakt van Large Language en Reasoning Models om gedetailleerde klinische inzichten te extraheren uit ongestructureerde narratieven, wat de diagnostiekcijfers voor zeldzame ziekten aanzienlijk verbetert en bestaande tools zoals Exomiser overtreft door effectiever causale genetische varianten te prioriteren.

Islam, T., Danner, M., Ziad, Z., Begemann, M., Beijer, D., Lischka, A., Lausberg, E., Mattern, L., Suh, J., Wittig, P. (…)2026-06-05
📄 gezondheidsinformatica

Translating 3D Slicer into Brazilian Portuguese: A methodological approach to software localization in Latin America

Dit artikel presenteert een methodologisch kader voor het lokaliseren van de open-source medische beeldvormingssoftware 3D Slicer naar het Braziliaans-Portugees, waarbij specifieke taalkundige en terminologische uitdagingen worden aangepakt om de toegankelijkheid voor niet-Engelstalige gebruikers in Latijns-Amerika te verbeteren.

Veiga, P. E. d. B., Murta, L. O., Goncalves, D. S., Silva, L. S., Montano-Serrano, V. M., Laredo, E. H., Lasso, A., Piep (…)2026-06-03
📄 gezondheidsinformatica

Knowledge-Driven Neuro-Symbolic Reasoning for Personalized Oncology Treatment Recommendation Based on Multi-Modal Medical Knowledge Graph

Dit artikel stelt K-NeSyNet voor, een nieuw kennisgestuurd neuro-symbolisch framework dat een multimodale oncologische kennisgraaf integreert met een differentieerbaar driedimensionaal symbolisch redeneermechanisme en adaptieve neurale fusie om nauwkeurige, veilige en interpreteerbare gepersonaliseerde aanbevelingen voor kankerbehandeling te leveren.

Yang, L., Wan, H., Zhu, J., Zhou, P., Wang, Z.2026-06-02
📄 gezondheidsinformatica

Beyond Identifier Matching: An Empirical Characterization of Failure Modes in Biomedical Knowledge Graph Integration

Dit artikel toont empirisch aan dat het uitsluitend vertrouwen op identificatormatching voor de integratie van biomedische kennisgrafieken ontoereikend is, en onthult dat hoewel methoden gebaseerd op cross-ontologie en embedding de dekking vergroten, ze systematisch klinisch significante faalmodi zoals over-samenvoegen en semantische instorting introduceren die kritieke onderscheiden in downstream-toepassingen verdoezelen.

Hu, S., Cheng, H., Gillenwater, L., Manpearl, K., Mandava, A., Wang, Y., Pividori, M., Stranger, B., Krishnan, A., Green (…)2026-05-28
📄 gezondheidsinformatica

Explainable AI for Data-Driven Design of High-Dimensional Predictive Studies

Dit artikel introduceert een verkennende AI-aanbevelingsengine die gebruikmaakt van uitlegbare AI om datagedreven aanbevelingen te genereren voor variabeleselectie, niet-lineaire termen en interacties, waardoor de voorspellende prestaties en interpreteerbaarheid van hoogdimensionale klinische modellen, zoals het Cox-proportioneel-hazardsmodel, aanzienlijk worden verbeterd.

Yan, J., Machlanski, D., Butler, K., Dimitrakopoulos, P., Harrison, E. M., Guthrie, B. M., Tsaftaris, S. A.2026-05-24
📄 gezondheidsinformatica

Ambient AI Documentation in Mixed-Language Encounters: A Heuristic Evaluation of Spanish-English and Mandarin-English Conversations

Deze studie evalueert de prestaties van een omgevings-AI-documentatiesysteem in klinische ontmoetingen met meerdere talen en komt tot de bevinding dat, hoewel de algehele foutpercentages bij transcriptie laag zijn en taalwisselingen over het algemeen betrouwbaar worden gedetecteerd, aanzienlijke uitdagingen blijven bestaan bij Chinees-Engelse codeswitching, waaronder hoge foutuitbijters en frequente verwijderingen op de wisselpunten.

Hu, D., Flores, D., Flores, L., Chien, R., Lam, K., Chow, E., Guo, Y., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-05-22
📄 gezondheidsinformatica

Evaluating Large Language Models for Translating Multimodal Phenotype Documentations into Executable EHR Phenotyping Algorithms

Deze studie evalueert geavanceerde grote taalmodellen voor het vertalen van multimodale klinische fenotype-documentatie naar uitvoerbare EHR-algoritmen en komt tot de bevinding dat, hoewel deze modellen gestructureerde tekst effectief interpreteren, hun prestaties aanzienlijk verslechteren bij alleen diagrammen als invoer, waarbij uiteindelijk de kwaliteit van de documentatie en niet de modelcapaciteit wordt geïdentificeerd als de primaire knelpunt.

Yan, C., Xin, Y., Su, W.-C., Gangireddy, S., Durbhakula, S., Bruehl, S. P., Dickson, A. L., Li, L., Feng, Q., Malin, B. (…)2026-05-22
📄 gezondheidsinformatica

Deep Learning and Machine Learning for Early Detection of Alzheimer's Disease: A Systematic Review and Meta-Analysis

Deze systematische review en meta-analyse van 30 studies toont aan dat machine learning- en deep learning-algoritmes een hoge diagnostische nauwkeurigheid bereiken voor de detectie van vroege Alzheimer, hoewel het vakgebied gestandaardiseerde evaluatieprotocollen en externe validatie vereist om overfitting te beperken en klinische haalbaarheid te waarborgen.

Machiraju, S.2026-05-22
📄 gezondheidsinformatica

Asymmetry between warmth and clinical substance in multilingual consumer health AI

Deze studie onthult dat meertalige AI voor consumentengezondheid een kritieke asymmetrie vertoont waarbij de klinische inhoud en veiligheid aanzienlijk variëren per taal – vaak met een stil falen in niet-Engelse contexten – terwijl er toch een consistente, empathische toon wordt gehandhaafd in alle talen.

Ariel, D., Grumberg, L. R., Supakul, S., Wannasri, S., Mitchnik, I. Y., Lev, A., Ariyamethanon, W., Agbarieh, M., Miari (…)2026-05-14