📄 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

Epidemiology-Informed Graph Neural Networks for Predicting and Interpreting Transmissible Hospital-Acquired Infections: A Retrospective Cohort and Simulation Study

Dit artikel stelt een door epidemiologie geïnformeerd grafisch neurale netwerk (EIGNN)-kader voor dat mechanistische epidemiologische modellen integreert met datagedreven contactnetwerken om nosocomiale infectiedynamiek nauwkeurig te voorspellen en te interpreteren, terwijl klinisch vertrouwen wordt gewaarborgd door transparantie.

Vindas Yassine, Y. E., Bornet, A., Abbas, M., Geissbuehler, D., Rodrigues-Jr, J. F., Teodoro, D.2026-05-12
📄 gezondheidsinformatica

Three Decades of FDA Authorizations of AI/ML Enabled Medical Devices: Persistent Specialty Concentration and the Care Delivery Gap (1995 to 2025)

Deze transversale analyse van 1.430 FDA-toelatingen van 1995 tot 2025 toont aan dat, hoewel de goedkeuringen van medische hulpmiddelen met AI/ML-exponentieel zijn toegenomen, deze sterk geconcentreerd blijven in beeldrijke diagnostische specialismen zoals radiologie, waardoor er aanzienlijke lacunes in vertegenwoordiging ontstaan voor andere belangrijke klinische gebieden zoals pathologie, verloskunde en gedragsgezondheid.

Golshani, P., Joseph, M. S.2026-05-12
📄 gezondheidsinformatica

Machine Learning and Explainable AI for Multi-State Classification of Malaria Transmission Dynamics in Kenya

Deze studie ontwikkelt en valideert een interpreteerbaar machine learning-kader met behulp van Extreme Gradient Boosting om malaria-transmissiestatussen nauwkeurig te classificeren in de 47 provincies van Kenia voor de periode 2015 tot 2025, en toont aan dat het integreren van epidemiologische en omgevingsgegevens doelgerichte surveillance en toewijzing van middelen effectief kan ondersteunen.

Gogo, J. A., Wanyonyi, M.2026-05-12
📄 gezondheidsinformatica

MISP-Bench: Decomposing User-Provided False Priors into Answer, Rationale, and Guard Effects

Het artikel introduceert MISP-Bench, een grootschalige factoriële benchmark die evalueert hoe open-gewicht taalmodellen reageren door gebruikersverstrekte valse aannames in klinische en educatieve contexten, en onthult dat gecombineerde aanval op antwoord en onderbouwing sub-additieve schade vertonen, dat gerichte afleidingen sycofantie aanzienlijk verhogen in vergelijking met willekeurige afleidingen, en dat specifieke veiligheidsstrategieën (zoals brononafhankelijkheid en expliciete overschrijvingen) effectief de vatbaarheid voor desinformatie bij diverse modellen verminderen.

Jeong, I., Kim, Y., Park, J.-H., Lee, H.2026-05-10
📄 gezondheidsinformatica

Unmeasured but Not Unbiased: The Missingness Demographic Leakage Audit (MDLA) for Calibration-Aware Fairness Evaluation in Critical Care Mortality Prediction

Dit artikel introduceert de Missingness Demographic Leakage Audit (MDLA), een reproduceerbaar kader dat blootlegt hoe patronen van ontbrekende klinische data in modellen voor mortaliteit op de intensive care kunnen fungeren als subtiele, ongemeten demografische proxies, waardoor de integratie van auditie met bewustzijn van missingness en evaluatie met bewustzijn van kalibratie in validatiepijplijnen voor klinische AI noodzakelijk wordt.

Patel, K., Beedala, P.2026-05-03
📄 gezondheidsinformatica

Disease Risk Prediction Using Structured EHR Data: Can Generalist Large Language Models Match Specialized Clinical Foundation Models? A Comparative Evaluation with Fine-Tuning

Deze vergelijkende evaluatie toont aan dat, hoewel fijn afgestemde generalistische grote taalmodellen over het algemeen onderpresteren ten opzichte van gespecialiseerde klinische fundamentele modellen bij gestructureerde EHR-ziekterisicovoorspelling, door LLM's gegenereerde embeddings gekoppeld aan lichtgewicht classifiers superieure prestaties kunnen behalen op zowel de AUROC- als de AUPRC-maatstaven.

Mao, B., Prasadha, M. K., Xie, Z., He, J., Ghebranious, M., Xu, H., Zhi, D., Rasmy, L.2026-05-01
📄 gezondheidsinformatica

Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving

Het REVELIO-protocol schetst een gerandomiseerde, gecontroleerde pilotstudie op een gesloten testcircuit die is ontworpen om de haalbaarheid te evalueren van een multimodaal voertuigsysteem voor het detecteren van cannabisgerelateerde verkeersdeelnemers bij gezonde recreatieve gebruikers door voertuig-, bestuurders- en biologische data te correleren na gecontroleerde THC-toediening.

Bechny, M., Deuber, R., Heck, C., Brügger, J., Pfäffli, M., Jovanova, M., Fleisch, E., Wortmann, F., Weinmann, W.2026-05-01
📄 gezondheidsinformatica

AERO: An AI Agent for Adaptive Eligibility Refinement and Optimization of Clinical Trial Criteria in Real-World Trial Emulation

Het artikel introduceert AERO, een AI-agentframework dat de geschiktheidscriteria voor klinische trials optimaliseert voor de emulatie van real-world data door gebruik te maken van grote taalmodellen om criteria systematisch te classificeren en te verfijnen, waardoor de generaliseerbaarheid en nauwkeurigheid van effectschattingsresultaten worden verbeterd, zoals aangetoond in een WARCEF-trial-emulatie.

Li, X., James, J., Pellikka, P. A., Zong, N.2026-05-01
📄 gezondheidsinformatica

Integrating Group and Individual Fairness Auditing in Clinical AI: A Post-Hoc, Model-Agnostic Approach

Dit artikel introduceert EquiLense, een praktische, post-hoc en modelonafhankelijke audittool die de kloof tussen groeps- en individuele eerlijkheidsbeoordelingen in klinische AI overbrugt door gebruik te maken van een nieuwe metriek, genaamd Mean Predicted Probability Difference (MPPD), om systematische voorspellingstegenheden over demografische groepen heen te identificeren.

Xu, J., Hwang, Y. M., Kondareddy, S., Dormoy, I., Jing, S. L., Pillai, M., Curtin, C. M., Hernandez-Boussard, T.2026-04-30