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 prospectieve pilotstudie toont aan dat het agente AI-assistent DR. INFO bij 29 Portugese zorgverleners leidde tot aanzienlijke tijdsbesparing, verbeterde klinische besluitvorming en een hoge tevredenheidsscore, wat de potentie van dergelijke systemen voor de dagelijkse praktijk onderstreept.
Dit paper introduceert MedScope, een lichtgewicht benchmarkkader dat zes open-source grote taalmodellen systematisch evalueert op medische meerkeuzevragen door niet alleen nauwkeurigheid, maar ook efficiëntie, consistentie en foutpatronen te analyseren, en concludeert dat hoewel deze modellen waardevolle baselines bieden, ze nog niet geschikt zijn voor onbeheerde inzet in hoog-risico zorgscenario's.
Deze studie introduceert en evalueert een efficiënt, lokaal draaiend pipeline-systeem dat een fijngefineerde token-classificatie combineert met LLM-revisie om de 4M-gegevens (Wat telt, Medicatie, Mentatie en Mobiliteit) nauwkeurig uit ongestructureerde verpleeghuis-tekstberichten te extraheren, wat resulteert in een betere prestatie dan eerdere methoden en de basis legt voor kwaliteitsrapportage en klinisch toezicht.
Dit paper introduceert MedResearchBench, het eerste benchmark voor het evalueren van AI-onderzoekssystemen op klinisch medisch onderzoek, dat bestaat uit 16 taken in zeven domeinen gebaseerd op openbare datasets en geëvalueerd volgens zes medisch specifieke criteria om de betrouwbaarheid en publicatiekwaliteit van door AI gegenereerd onderzoek te waarborgen.
Dit artikel beschrijft de ontwikkeling en validatie van de VaaS-pijplijn, een multi-layer systeem dat hallucinaties in AI-ondersteunde wetenschap, zoals het fabriceren van citaties, effectief reduceert tot bijna nul door middel van productievalidatie en prospectieve benchmarking, terwijl het tegelijkertijd kostenefficiënt blijft.
Het SwissPedGrowth-project toont aan dat het haalbaar is om hoogwaardige antropometrische gegevens uit verschillende elektronische patiëntendossiers in Zwitserse kinderziekenhuizen te extraheren voor groeionderzoek, hoewel uitdagingen op het gebied van volledigheid en harmonisatie van deze data blijven bestaan.
Dit artikel presenteert MOE-ECG, een robuust multi-objectief ensemble-framework dat de detectie van boezemfibrillatie uit ECG-opnames verbetert door het tegelijkertijd optimaliseren van voorspellende prestaties en modeldiversiteit, wat leidt tot significante stijgingen in nauwkeurigheid en generalisatievermogen.
Het paper introduceert HealthFormer, een dual-level Transformer-model dat onregelmatige elektronische patiëntendata verwerkt door zowel intra-gebeurtenis codecompositie als tijdsafhankelijkheden te modelleren via zelftoezichtende pretraining, wat resulteert in superieure prestaties bij het voorspellen van incidentele kanker ten opzichte van bestaande methoden.
Dit onderzoek toont aan dat Federated Learning een schaalbare en privacy-beschermende oplossing biedt voor het ontwikkelen van nauwkeurige HIV-predictiemodellen in internationale consortia, waarbij de prestaties aanzienlijk beter zijn dan bij lokaal modelleren en vergelijkbaar met die van gecentraliseerde modellen, ondanks variatie tussen de verschillende locaties.
Deze studie toont aan dat passieve monitoring met draagbare Fitbit-apparaten bij hartfalenpatiënten effectief kan worden gebruikt om een verhoogd risico op ziekenhuisopname te identificeren door afname van stappen en stijgende rusthartfrequentie.