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 artikel introduceert MIPA, het eerste publiek beschikbare benchmarkdataset voor EHR-phenotyping, dat uit 1.388 door experts geannoteerde ontslagbrieven bestaat en de prestaties van verschillende methoden, waaronder LLM's, systematisch vergelijkt om de reproduceerbaarheid en methodologische ontwikkeling in dit veld te bevorderen.
Deze kwalitatieve studie in Uganda concludeert dat hoewel mobiele telefoons de surveillance van risicofactoren voor niet-overdraagbare ziekten in laagresourceomgevingen kunnen versterken, hun succes afhangt van het aanpakken van ethische, juridische en sociale uitdagingen rondom privacy, toestemming en digitale ongelijkheid.
Deze bibliometrische studie analyseert de groeiende toepassing van uitlegbare AI in de risicopredicatie van type 2-diabetes, identificeert een kritieke kloof tussen statistische uitlegmethoden en gestructureerde medische kennis, en stelt een raamwerk voor dat kennisgrafieken integreert om de klinische interpretatie te verbeteren.
Dit onderzoek toont aan dat Decision Curve Analysis een transparant kader biedt om machine learning-modellen voor de voorspelling van ICU-ontslagen te evalueren en operationele drempels te selecteren die aansluiten bij realistische workflow-beperkingen, zoals geïllustreerd in een MIMIC-IV studie.
Deze studie toont aan dat Trialshub, een door LLM-aangedreven chatplatform voor het matchen van patiënten met klinische proeven, veelbelovend is voor het verbeteren van wervingsprocessen, maar dat de bruikbaarheid in de praktijk nog verbeterd moet worden om problemen zoals onduidelijke navigatie en systeemfouten op te lossen.
Deze studie toont aan dat een op Wav2Vec 2.0 gebaseerd zelftoezichtend spraakmodel, getraind zonder data van de doelgroepen, robuust geslacht kan schatten en leeftijdsinformatie behoudt in verbonden spraak van Parkinson-patiënten, maar dat leeftijdsbepaling bij aangehouden klinkers systematisch faalt.
Deze internationale cross-sectionele studie onder TCIM-onderzoekers toont aan dat generatieve AI-chatbots over het algemeen als waardevol worden gezien voor het verminderen van de werkdruk en het verhogen van de efficiëntie, hoewel er grote behoefte bestaat aan training en institutionele ondersteuning om uitdagingen zoals bias en fouten aan te pakken.
Deze studie toont aan dat een AI-assistent voor Finse gezondheidszorg aanzienlijke genderbias vertoont, waarbij vrouwelijke varianten onterecht worden gekoppeld aan kinderzorg en reproductieve gezondheid, wat zowel bij het ophalen als genereren van informatie leidt tot klinisch relevante vertekeningen.
Deze studie toont aan dat onbenutte poliklinische afspraken in de VS met hoge nauwkeurigheid kunnen worden voorspeld door middel van machine learning-modellen (met name XGBoost) die zijn getraind op een groot nationaal EHR-dataset, wat kan leiden tot een efficiëntere zorgplanning.
Dit prospectieve observationele onderzoek toont aan dat een op blockchain-gebaseerd platform met Soulbound Tokens effectief kan worden gebruikt om wereldwijd expertkennis over rugpijngeneeskunde snel en kostenefficiënt te verzamelen, waardoor een dataset ontstaat die de variatie in klinische beslissingen en de mate van onzekerheid onder specialisten kwantificeert.