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

Multi-Task Learning and Soft-Label Supervision for Psychosocial Burden Profiling in Cancer Peer-Support Text

Dit onderzoek concludeert dat multi-task learning met alleen een samengestelde lastdoelstelling de meest effectieve aanpak is voor het profileren van psychosociale lasten in kankerforums, terwijl soft-label supervisie met LLM-afgeleide verdelingen minder goed presteerde dan harde labels voor emotieclassificatie.

Wang, Z., Cao, Y., Shen, X., Ding, Z., Liu, Y., Zhang, Y.2026-04-04
📄 gezondheidsinformatica

A Reproducible Health Informatics Pipeline for Simulating and Integrating Early-Phase Oncology Clinical, Biomarker, and Pharmacokinetic Data for Exploratory Decision-Support Analytics

Dit artikel presenteert een reproduceerbare Python-workflow die klinische, biomarker- en farmacokinetische data van vroege oncologiestudies integreert om analyse-klare datasets, visualisaties en voorspellende modellen te genereren voor exploratieve besluitvorming.

Petalcorin, M. I. R.2026-04-02
📄 gezondheidsinformatica

Development and Temporal Evaluation of Multimodal Machine Learning Models to Predict High Inpatient Opioid Exposure

Dit onderzoek toont aan dat multimodale machinelearningmodellen, die gestructureerde patiëntgegevens combineren met tekstuele notities uit elektronische gezondheidsdossiers, hoge postoperatieve opioïdexpositie tijdens ziekenhuisopnames nauwkeurig kunnen voorspellen om gerichte opioïdenstewardship te ondersteunen.

Kale, S., Singh, D., Truumees, E., Geck, M., Stokes, J.2026-04-02
📄 gezondheidsinformatica

Self-Reported Symptoms Enable Four-Phase Menstrual Cycle Classification with Hormonally Validated Labels

Dit onderzoek toont aan dat een hybride model, dat zelfgerapporteerde symptomen combineert met een Hidden Semi-Markov-model, de vier fasen van de menstruatiecyclus met hormonale validatie kan classificeren en zo een draagbaar, apparaatvrij alternatief biedt voor het monitoren van menstruele gezondheid.

Specht, B., Tayeb, Z. Z., Garbaya, S., Khadraoui, D., EL-Khozondar, M., Schneider, R.2026-04-01
📄 gezondheidsinformatica

DR. INFO at the Point of Care: A Prospective Pilot Study of an Agentic AI Clinical Assistant

Deze prospectieve pilotstudie toont aan dat het agente AI-assistent DR. INFO bij 29 Portugese zorgverleners leidde tot aanzienlijke tijdsbesparing, verbeterde klinische besluitvorming en een hoge tevredenheidsscore, wat de potentie van dergelijke systemen voor de dagelijkse praktijk onderstreept.

Corga Da Silva, R., Romano, M., Mendes, T., Isidoro, M., Ravichandran, S., Kumar, S., van der Heijden, M., Fail, O., Gna (…)2026-04-01
📄 gezondheidsinformatica

MedScope: A Lightweight Benchmark of Open-Source Large Language Models for Medical Question Answering

Dit paper introduceert MedScope, een lichtgewicht benchmarkkader dat zes open-source grote taalmodellen systematisch evalueert op medische meerkeuzevragen door niet alleen nauwkeurigheid, maar ook efficiëntie, consistentie en foutpatronen te analyseren, en concludeert dat hoewel deze modellen waardevolle baselines bieden, ze nog niet geschikt zijn voor onbeheerde inzet in hoog-risico zorgscenario's.

Bian, R., Cheng, W.2026-04-01
📄 gezondheidsinformatica

Combining Token Classification With Large Language Model Revision for Age-Friendly 4M Entity Recognition From Nursing Home Text Messages: Development and Evaluation Study

Deze studie introduceert en evalueert een efficiënt, lokaal draaiend pipeline-systeem dat een fijngefineerde token-classificatie combineert met LLM-revisie om de 4M-gegevens (Wat telt, Medicatie, Mentatie en Mobiliteit) nauwkeurig uit ongestructureerde verpleeghuis-tekstberichten te extraheren, wat resulteert in een betere prestatie dan eerdere methoden en de basis legt voor kwaliteitsrapportage en klinisch toezicht.

Amewudah, P., Popescu, M., Farmer, M. S., Powell, K. R.2026-04-01
📄 gezondheidsinformatica

MedResearchBench: A Multi-Domain Benchmark for Evaluating AI Research Agents on Clinical Medical Research

Dit paper introduceert MedResearchBench, het eerste benchmark voor het evalueren van AI-onderzoekssystemen op klinisch medisch onderzoek, dat bestaat uit 16 taken in zeven domeinen gebaseerd op openbare datasets en geëvalueerd volgens zes medisch specifieke criteria om de betrouwbaarheid en publicatiekwaliteit van door AI gegenereerd onderzoek te waarborgen.

Tan, S., Tian, Z.2026-03-31
📄 gezondheidsinformatica

VaaS is a Multi-Layer Hallucination Reduction Pipeline for AI-Assisted Science: Production Validation and Prospective Benchmarking

Dit artikel beschrijft de ontwikkeling en validatie van de VaaS-pijplijn, een multi-layer systeem dat hallucinaties in AI-ondersteunde wetenschap, zoals het fabriceren van citaties, effectief reduceert tot bijna nul door middel van productievalidatie en prospectieve benchmarking, terwijl het tegelijkertijd kostenefficiënt blijft.

Sabharwal, A., Patel, M. S., Carrano, A., Rotman, M., Wierson, W., Ekker, S. C.2026-03-30
📄 gezondheidsinformatica

Availability and Quality of Anthropometric Data in Swiss Childrens Hospitals: The SwissPedGrowth Project

Het SwissPedGrowth-project toont aan dat het haalbaar is om hoogwaardige antropometrische gegevens uit verschillende elektronische patiëntendossiers in Zwitserse kinderziekenhuizen te extraheren voor groeionderzoek, hoewel uitdagingen op het gebied van volledigheid en harmonisatie van deze data blijven bestaan.

Leuenberger, L. M., Shoman, Y., Romero, F., Deligianni, X., Hartung, A., Mozun, R., Goebel, N., Bielicki, J. A., Burckha (…)2026-03-30