156 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.
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.
Dit artikel introduceert Fmpi, een computerefficiënt framework voor individuele, real-time detectie van evoked potentials door gebruik te maken van spectrale ruisanalyse en futiliteitsdetectie, wat leidt tot snellere en betrouwbaardere diagnostiek dan bestaande methoden.
Dit artikel introduceert een machine learning-ensemblemethode die zeldzame en statistisch afwijkende bijwerkingen in farmacovigilantie detecteert door outliers te analyseren in plaats van ze te verwerpen, wat leidt tot een verbeterde identificatie van zeldzame maar ernstige bijwerkingen zoals bij Losartan.
Dit artikel beschrijft en valideert een reproduceerbaar framework voor het genereren van synthetische data uit een multicenter registry voor wervelkolomchirurgie, waarbij een drie-domein validatie (trouw, nut en privacy) en blockchain-ankeringsgaranties bieden voor veilig data-delen en AI-ontwikkeling.
Dit onderzoek toont aan dat ruimtelijke decompositie van longitudinale RNFL-kaarten zes onderscheidende progressiemodi van glaucoom onthult die, in tegenstelling tot conventionele gemiddelde waarden, sterkere correlaties vertonen met functioneel verval en genetische aanleg.