193 papers
Deze studie toont aan dat combineerde onbeheerde en toezicht AI-modellen met uitlegbare methoden op een nieuwe cohort van 2.862 ouderen effectief kunnen worden gebruikt om kwetsbaarheid, valrisico en sarcopie te voorspellen en te verklaren, hoewel uitdagingen zoals ontbrekende data en selectiebias blijven bestaan.
Dit artikel pleit ervoor dat de keuze van drempelwaarden voor klinische AI-modellen, zoals bij het voorspellen van astma-exacerbaties, niet louter als een statistisch optimalisatieprobleem moet worden benaderd, maar als een gestructureerd governance-proces dat statistische prestaties, klinische bruikbaarheid, werklast en stakeholder-Input integreert.
Deze studie introduceert een bestuurd Bayesiaans digitaal tweelingmodel voor de progressie van de ziekte van Parkinson dat voorspellingen alleen vrijgeeft wanneer strikte betrouwbaarheidscriteria worden vervuld, waardoor betrouwbare en eerlijke klinische prognoses mogelijk worden gemaakt met expliciete onzekerheidsrapportage.
Deze studie toont aan dat het integreren van adresniveau-gegevens over woningen, criminaliteit en demografie in Cincinnati leidt tot een nauwkeurige risicoschatting voor kinderopnames, wat de weg vrijmaakt voor gerichte gezondheidsinterventies.
Deze studie concludeert dat het toepassen van Engelse taallimieten in Ovid MEDLINE en Embase, hoewel ze over het algemeen goed presteren, risico's met zich meebrengen door metadata-fouten en dat het verwijderen van niet-Engelse records tijdens screening ook Engelse artikelen kan uitsluiten, wat kan worden verzacht door citatiezoekopdrachten.
De studie toont aan dat geaggregeerde benchmarkscores de klinische veiligheidsimplicaties van fouten in frontier taalmodellen voor gezondheidszorg verdoezelen, omdat variaties in triage-richting, contextuele bias en crisisrespons niet worden weergegeven door de algehele nauwkeurigheid.
Deze studie, gebaseerd op de HINTS-2022-data, toont aan dat een gebrek aan statistische geletterdheid en de invloed van sociale media significant samenhangen met de moeite die mensen hebben om kankergerelateerde informatie te begrijpen en met hun bezorgdheid over de kwaliteit daarvan.
Dit onderzoek presenteert de eerste grootschalige, real-world evaluatie van een autonoom AI-systeem in de Amerikaanse telemedicine, waaruit blijkt dat een doelbewuste systeemarchitectuur met veiligheidsmechanismen leidt tot een diagnose-accuraatheid van 91,3% en een zeer lage foutmarge, waarmee een gefaseerd kader voor veilige klinische implementatie wordt onderbouwd.
Dit paper introduceert Indiapub, een open-source webapplicatie die de geografische en institutionele verdeling van academische publicaties in India visualiseert om beleidsmakers en onderzoekers te ondersteunen bij het bevorderen van een inclusiever onderzoekslandschap.
Dit onderzoek toont aan dat de combinatie van diepe leermodellen met technieken voor feature selectie (Chi-kwadraat) en data sampling (SMOTE) de nauwkeurigheid van de detectie van Medicare-fraude significant verbetert tot 95,4% door het probleem van onbalans in de dataset aan te pakken.
Deze simulatiestudie toont aan dat de prestaties en bruikbaarheid van klinische voorspellingsmodellen, zoals de UK DCD-risicoscore voor levertransplantatie, sterk afhankelijk zijn van de populatiekenmerken en daarom een zorgvuldige externe validatie vereisen voordat ze in nieuwe settings kunnen worden toegepast.
Dit onderzoek onderzocht hoe patiënten met diabetes large language models (LLMs) in de praktijk gebruiken voor taken zoals klinische interpretatie, voeding en emotionele ondersteuning, en bespreekt de implicaties voor de integratie van deze tools in het zelfmanagement.
Dit artikel introduceert THESEUS, een framework dat grote taalmodellen gebruikt om vrije tekst van onderzoeksontwerpen automatisch om te zetten in gestandaardiseerde, uitvoerbare R-scripts voor het OHDSI-ecosysteem, waardoor de technische drempel voor reproduceerbaar observationeel onderzoek wordt verlaagd.
Deze prospectieve cohortstudie uit het Canadese Gut Project toont aan dat een gezamenlijk longitudinaal-overlevingsmodel een sterke associatie aantoont tussen individuele IBS-symptoomtrajecten en voortijdige behandelingstop, waarbij een hogere basisswaarde en een langzamere verbetering het risico op stoppen met de behandeling significant verhogen.
Dit artikel introduceert HybridNet-XR, een lichtgewicht, zelftoezichtend deep learning-model dat zonder leraar werkt en hoge diagnostische nauwkeurigheid bereikt met een minimaal geheugengebruik, waardoor het ideaal is voor medische toepassingen in omgevingen met beperkte rekenkracht.
Deze kwalitatieve studie in Singapore toont aan dat, hoewel ambient AI-schrijvers technologie het potentieel heeft om de administratieve last en burnout bij clinici te verminderen, succesvolle implementatie afhankelijk is van het oplossen van uitdagingen rond nauwkeurigheid, meertaligheid en ethische naleving binnen de lokale regelgeving.
Dit onderzoek toont aan dat conversatie-AI-systemen door structurele drift de subjectieve interpretaties van gebruikers geleidelijk kunnen uitbreiden en versterken, wat een nieuw niveau van systeemveiligheid vereist dat verder gaat dan traditionele bericht-per-bericht monitoring om risico's vroegtijdig te detecteren.
Dit artikel introduceert ClinPreAI, een autonoom AI-agentensysteem dat multimodale elektronische gezondheidsgegevens analyseert om het risico op postpartumdepressie nauwkeuriger te voorspellen dan traditionele AutoML-methoden en commerciële oplossingen, waardoor geavanceerde klinische voorspellingsmodellen toegankelijker worden voor experts zonder machine learning-achtergrond.
Deze studie valideert de Intensive Documentation Index (IDI), een nieuw raamwerk dat patronen in verpleegdocumentatie kwantificeert, en toont aan dat het toevoegen van deze tijdsgebonden kenmerken de voorspelling van mortaliteit op de intensive care voor hartfalenpatiënten significant verbetert boven traditionele klinische variabelen.
Het paper introduceert OpenScientist, een open-source agentic AI-assistent die biomedische ontdekkingen versnelt door complexe analyses en hypothese-generatie in minuten uit te voeren, wat normaal gesproken weken tot maanden menselijke expertise zou vergen.