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.

📄 health informatics

Adaptive Multimodal Fusion in Radiology: Dynamic Balancing of Visual Findings and Clinical Context

Dit artikel stelt een Neural Gated Fusion-architectuur voor die visuele thoraxfoto-gegevens en klinische tekst dynamisch balanceert met behulp van een aangepaste Gated Multimodal Unit, waarmee een superieure prestatie wordt aangetoond bij het detecteren van thoracale pathologieën—met name die met subtiel visueel bewijs—vergeleken met statische fusie en unimodale benaderingen op een klinisch diverse MIMIC-CXR-subset.

Moreno Garcia, C., Mata Vazquez, J., Pachon Alvarez, V.2026-09-07
📄 health informatics

Global Adoption of openEHR Clinical Data Repositories: A Vendor and Community Survey

Dit artikel presenteert bevindingen uit een enquête vanuit een dubbel perspectief die onthullen dat hoewel openEHR een aanzienlijke nationale adoptie heeft bereikt in 26 landen via zowel door leveranciers gedreven regionale implementaties als door de overheid geleide nationale systemen, de groei ervan wordt gedreven door innovatie van praktijkbeoefenaars in plaats van door regelgevende mandaten, waardoor het kwetsbaar blijft voor structurele fragiliteit en wordt gehinderd door een wijdverbreid gebrek aan gespecialiseerde kennis.

Kohler, S., Meyer-Eschenbach, F., Michelena, X., Frey, N., Marschollek, M., Eils, R.2026-09-06
📄 health informatics

Study Design Indexing in Transition: A Focused Comparison of manual NLM Indexing vs. Transformer-based Automated Models

Deze studie toont aan dat een op een transformer gebaseerd model accuraat klinische onderzoeksontwerpen in biomedische literatuur kan identificeren, waarbij significante beperkingen in de indexering van de National Library of Medicine worden onthuld — met name voor cohortstudies — en de noodzaak wordt benadrukt voor een nieuw handmatig geannoteerd corpus om te dienen als een betrouwbare gouden standaard voor training en evaluatie.

Das, P., Schneider, J., Mayo-Wilson, E., Kilicoglu, H., Menke, J. D., Nam, D., Ninan, K., Oberste, J.-P., Troy, A. M., Y (…)2026-09-05
📄 health informatics

Citation reliability of frontier large language models in medical writing and its automated verification

Deze studie onthult dat hoewel grensverleggende grote taalmodellen een aanzienlijk deel onbetrouwbare medische citaties genereren — voornamelijk door misattributie in plaats van fabricage — een geautomatiseerd Chain-of-Verification-systeem deze fouten met expertise-niveau nauwkeurigheid kan detecteren, wat een levensvatbare oplossing biedt voor het waarborgen van de integriteit van citaties in door AI ondersteunde medische teksten.

Shin, R., Lee, J.-M., Park, J., Kwun, J.-S., Cho, H.-W., Kang, S.-H., Jeon, K.-H.2026-09-04
📄 health informatics

Established polygenic risk score for hypercholesterinemia demonstrates discriminatory value and risk stratification in an independent German Cohort

Deze studie toont aan dat een gepubliceerde polygene risicoscore voor hypercholesterolemie (PGS000936) effectief risico stratificeert en monogene negatieve gevallen onderscheidt van controles in een onafhankelijke Duitse cohort, terwijl het de noodzaak van populatiespecifieke kalibratie voor nauwkeurige klinische interpretatie benadrukt.

Bundalian, L. T., Velluva, A., Gjermeni, E., Katzmann, J., Laufs, U., Schatz, U., Bornstein, S., Prielipp, R., Garten, A (…)2026-09-04
📄 health informatics

Default-filled outcome labels in a deployed cognitive-screening programme: an operator-level audit and the construction of twenty-four language-model arms

Deze studie toont aan dat het auditeren van routinematige klinische labels op operatorniveau essentieel is vóór de training, en dat terwijl standaard fine-tuning en reinforcement learning op beperkte specialistische data er niet in slaagden om een traditionele logistische regressie te overtreffen, kennisdistillatie van een frontier model naar een lokaal 4B-parameter model een superieure prestatie behaalde, waarmee een praktisch implementatierecept voor cognitieve screeningsprogramma's wordt vastgesteld.

Ji, J., Sun, Z., Ying, X., Hao, J., Fu, Z., Shi, D., Kong, X., Xu, Y., Zhang, X., Du, X., Zhang, Z., Liu, X., Lin, P., W (…)2026-09-02
📄 health informatics

AURORA: Analysing and understanding responses to oncological regimens with artificial intelligence

Deze studie toont aan dat machine learning-analyse van baseline en vroege dynamische verschuivingen in perifere immuunprofielen, in plaats van absolute aantallen na twee cycli, de overlevingsuitkomsten bij patiënten met uitgebreide kleine cel longkanker die behandeld worden met immunochemotherapie, kan voorspellen.

Lebmeier, A., Lindner, T., Karl, C., Schöler, T., Rank, A.2026-09-02
📄 health informatics

PCGS: biomarker and risk group identification for Pediatric Cancers via explainable Graph neural networks with Shapley values

Dit artikel introduceert PCGS, een uitlegbaar graph neural network-framework dat multi-modale omics en klinische data integreert om biomarkers en risicogroepen voor pediatrische kankers zoals glioom en Wilmstumor te identificeren door gebruik te maken van Shapley-waarden voor feature attributie.

Shi, Z., Budhkar, A., Amin, W., Pollok, K. E., Su, J., Huang, K.2026-09-01
📄 health informatics

When medical credentials conflict with stated accuracy: A factorial study of source credibility and answer revision in medical LLM interactions

Deze factoriële studie toont aan dat gebruikers in interacties met medische LLM's iets eerder geneigd zijn onjuiste suggesties over te nemen van een bron met een specialistische titel maar een lage vermelde nauwkeurigheid dan van een student met een hoge vermelde nauwkeurigheid, wat benadrukt dat antwoordcorrecties na uitdagingen door de gebruiker niet automatisch moeten worden behandeld als onafhankelijke tweede meningen.

Wojcik, S., Rulkiewicz, A., Domienik-Karłowicz, J.2026-09-01
📄 health informatics

People living with multiple long-term conditions have different pathways of unscheduled care in hospital: findings from an analysis of routinely-collected clinical data

Een analyse van routinematige klinische gegevens van een groot Brits ziekenhuis onthult dat volwassenen met meerdere chronische aandoeningen complexere ongeplande zorgtrajecten ervaren, waaronder langere opnames, een hogere mortaliteit en andere patronen in de overplaatsingen tussen afdelingen, wat suggereert dat zij mogelijk suboptimale zorg ontvangen.

Witham, M., Evison, F., Bellass, S., Cooper, R., Gallier, S., Pretorius, S., Sapey, E., Suklan, J., Sayer, A. A.2026-09-01