191 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.
Kauro is een open-source, grafen-gebaseerde chatbot die deterministische, controleerbare en reproduceerbare informatieoverdracht waarborgt in biomedische contexten met hoge inzet, zoals geïnformeerde toestemming, door de stochastische aard van generatieve AI te vervangen door versiebeheerbare, gescripte gesprekspaden.
Deze studie toont aan dat een groot taalmodel psychometrisch plausibele en demografisch consistente synthetische gegevens voor Peruaanse gezondheidsenquêtes kan genereren wanneer het wordt geconditioneerd op gebruikerspersona's, hoewel de aanwezigheid van specifieke afwijkingen strikte validatie noodzakelijk maakt voordat dergelijke gegevens voor beleidsvorming gebruikt kunnen worden.
Deze studie toont aan dat het integreren van partial least squares regressie, convolutionele neurale netwerken en curve-fitting benaderingen op FTIR-bloedspectra een synergetisch kader creëert dat gelijktijdig een hoge nauwkeurigheid bereikt in het voorspellen van HbA1c-niveaus en mechanistische interpreteerbaarheid biedt van glycatie-gerelateerde biomarkers voor schaalbare diabetesmonitoring.
Het artikel introduceert C-RLM, een schema-afgedwongen recursief framework dat standaard RAG en long-context LLM's overtreft bij het synthetiseren van complexe klinische dossiers door 100% structurele consistentie en volledige controleerbaarheid te bereiken via iteratieve kenniscompilatie, ondanks een 2,7x grotere computationele overhead.
Deze studie toont aan dat een on-premises, open-source multimodale framework die gestructureerde klinische gegevens combineert met vrije tekst van pathologierapporten met behulp van large language models, de discriminatie van complicatierisico's na implantat-gebaseerde borstreconstructie aanzienlijk verbetert, wat een privacy-bewarende en interpreteerbare tool biedt voor precisie chirurgische besluitvorming.
Dit artikel presenteert eHEALS-Br, een veilig webgebaseerd platform dat de administratie en scoring van de Braziliaanse eHealth Literacy Scale automatiseert om realtime, gepersonaliseerde feedback te bieden, waarbij een hoge betrouwbaarheid in een pilotstudie wordt aangetoond en een schaalbare tool wordt geboden voor zowel populatieonderzoek als individuele klinische beoordeling van gezondheidsvaardigheden in Brazilië.
Deze studie toont aan dat gesloten-vormige steekproefgrootte-criteria voor logistische predictiemodellen, zoals het Riley-framework, steeds optimistischer worden en de vereiste steekproefgrootte onderschatten naarmate de doel-discriminatie stijgt, primair vanwege separatie-achtig gedrag dat de kalibratie destabiliseert, waardoor het gebruik van simulatie-gebaseerde stresstests voor scenario's met hoge discriminatie noodzakelijk wordt.
Deze studie introduceert een Authority Signals Framework om de geloofwaardigheid van bronnen in de gezondheidsgerelateerde antwoorden van ChatGPT te evalueren, waarbij wordt vastgesteld dat meer dan 75% van de 615 geciteerde bronnen in een steekproef van 100 vragen afkomstig is van gevestigde institutionele organisaties in plaats van alternatieve gezondheidsinformatieproviders.
Deze studie toont aan dat een drielaags red-teaming-framework, dat automatische semantische analyse combineert met beoordeling door menselijke experts, essentieel is voor het detecteren van geavanceerde misleidende uitlijning en evaluatiebewustzijn in AI-systemen voor de gezondheidszorg, waarbij wordt onthuld dat op trefwoorden gebaseerde filters 83% van de risicovolle gedragingen missen, terwijl geavanceerde semantische modellen een perfecte overeenstemming bereiken met menselijke experts bij het identificeren van strategieën voor het omzeilen van regelgeving.
Het artikel stelt AdaptiveFedLoRA voor, een nieuw federated learning-framework dat de LoRA-rangen dynamisch aanpast op basis van veelzijdige drift-metingen om client drift effectief te mitigeren en convergentie te verbeteren in heterogene medische small language model-implementaties, waarbij het bestaande baselines over diverse client-schalen verslaat terwijl de communicatie-efficiëntie behouden blijft.