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

Understanding Comorbidities in Hypermobile Ehlers-Danlos Syndrome: Could a Viral Infection Unmask the Disorder?

Op basis van gegevens van meer dan 19 miljoen patiënten in de VS toont dit onderzoek aan dat hypermobiele Ehlers-Danlos (hEDS) vaker voorkomt dan gedacht en dat patiënten met deze aandoening, vooral bij gelijktijdige klachten zoals POTS of chronische vermoeidheid, een verhoogd risico lopen op Long COVID, waarbij de infectie vaak de eerste diagnose van hEDS onthult.

Pearson, M. L., Laraway, B. J., Elias, E. R., Bilousova, G., Haendel, M. A.2026-02-17
📄 gezondheidsinformatica

Sino-US-DrugQA: A Benchmark for Evaluating Large Language Models in Cross-Jurisdictional Pharmaceutical Regulation

Deze studie introduceert Sino-US-DrugQA, een tweetalig benchmarkdataset met bijna 12.000 meerkeuzevragen voor het evalueren van grote taalmodellen op hun vermogen om farmaceutische regelgeving tussen de VS en China te vergelijken, waarbij wordt geconcludeerd dat hoewel deze modellen nuttig zijn voor monolinguale queries, ze aanzienlijke beperkingen vertonen bij complexe, grensoverschrijdende redenering.

Chen, Z., Fu, X., Lu, W.2026-02-17
📄 gezondheidsinformatica

Combining phenotypic similarity and network propagation to improve performance and clinical consistency of rare disease diagnosis

Dit artikel presenteert een computergestuurde pipeline die fenotypische gelijkenis combineert met netwerkprioritering om de diagnose van zeldzame ziekten te verbeteren en klinisch meer consistente differentiaaldiagnoses te genereren dan bestaande methoden.

Chahdil, M., Fabrizzi, C., Hanauer, M., Lucano, C., Rath, A., Lagorce, D., Tichit, L.2026-02-17