193 papers
Deze kwalitatieve studie toont aan dat zowel patiënten met cervicale spondylotische myelopathie als zorgverleners het grote potentieel van mobiele gezondheidsapplicaties erkennen voor objectieve monitoring, maar benadrukken dat succesvolle implementatie een intuïtief ontwerp, integratie met medische dossiers en aandacht voor toegankelijkheid vereist.
Dit onderzoek introduceert een multimodale deep learning-framework dat Vision Transformers en domein-aangepaste taalmodellen combineert om preoperatieve differentiatie tussen goedaardige en kwaadaardige schildklierknobbels te verbeteren door MRI-beelden en klinische tekstdata te integreren.
Dit onderzoek toont aan dat draagtijd van wearables systematisch varieert naar demografische en gezondheidsfactoren, wat leidt tot significante data-uitsluiting bij ziektepopulaties, en stelt een flexibel methodologisch kader voor om deze bias aan te pakken en gezondheidsrechtvaardigheid te bevorderen.
Het CHARIOT-model, ontwikkeld op basis van gegevens van bijna 19 miljoen volwassenen in het VK, voorspelt de 10-jaar risicoreductie voor hart- en vaatziekten onder specifieke interventies zoals statinegebruik of rookstop, waardoor het een waardevol, actiegericht hulpmiddel biedt voor gepersonaliseerde preventie.
Deze longitudinale quasi-experimentele studie toont aan dat het gebruik van een omgevings-AI-scribe door huisartsen geleidelijk leidt tot een blijvende vermindering van de documentatietijd en een toename van de financiële productiviteit over een periode van 150 dagen, wat de noodzaak onderstreept van langetermijnevaluaties voor de adaptatie van dergelijke tools.
Het TDA Engine v2.1-framework maakt gebruik van topologische data-analyse om structurele gegevensgaten in epidemiologische data te detecteren en te classificeren op basis van tijdsduur en waarschijnlijke oorzaken, waardoor beleidsmakers natuurlijke lacunes kunnen onderscheiden van mogelijke onderdrukking.
Deze studie toont aan dat bij grote taalmodellen voor klinische classificatie het interne roldecompositie-ontwerp van multi-agent-systemen, zelfs zonder veranderingen in modelparameters, de prestaties en de afweging tussen sensitiviteit en specificiteit systematisch kan beïnvloeden.
Dit onderzoek presenteert een systematisch rood-teamingsraamwerk voor medische AI dat aantoont dat hoewel moderne taalmodellen over het algemeen robuust zijn tegen adversariale aanvallen, ze kwetsbaar blijven voor misleiding door autoriteitsvervalsing, met name wanneer verzoeken worden geframed als educatieve vragen.
Hoewel grote taalmodellen sterke prestaties leveren in medische toepassingen, onthult een op een ontologie gebaseerde evaluatie dat hun begrip van medische concepten gefragmenteerd is, aangezien slechts 57,7% van de concepten consistent wordt begrepen over de dimensies identiteit, hiërarchie en betekenis heen.
Dit onderzoek presenteert een hybride deep learning-framework dat iteratieve labelzuivering en een Conv+BiLSTM-model combineert om de diagnose van prediabetes uit CGM-data te verbeteren, waarbij een hoge nauwkeurigheid wordt bereikt ondanks aanzienlijke oorspronkelijke labelonjuistheden in de AI-READI-dataset.
Een evaluatie in de echte wereld toont aan dat correctie voor klassenonevenwichtigheid in AI-modellen voor chirurgische risico's de kalibratie ernstig verstoort en leidt tot een overmatige risicoschatting, waardoor het gebruik van het model met de natuurlijke verdeling voor klinische besluitvorming superieur is.
Het onderzoek toont aan dat het verplichten van verbatim-citaten als bewijs voor LLM's in de biomedische tekstverwerking een traceerbaar auditpad biedt en de betrouwbaarheid van selectieve automatisering verhoogt, maar dit ten koste gaat van de dekking en modelafhankelijk nieuwe fouten introduceert.
Dit onderzoek toont aan dat gedragsinvloeden op de stemming sterk per individu verschillen en introduceert MoodDriver, een door grote taalmodellen aangedreven systeem dat op basis van draagbare data gepersonaliseerde feedback biedt om de mentale gezondheid te verbeteren.
Dit artikel presenteert een betrouwbaar kader voor gepersonaliseerde behandelkeuze in de perioperatieve geneeskunde dat causale effect-bomen en kalibratie combineert om onderscheid te maken tussen bruikbare klinische signalen en onbetrouwbare variatie, zodat behandelingen alleen worden aanbevolen wanneer het effect zowel betrouwbaar als klinisch betekenisvol is.
Dit onderzoek toont aan dat een lokaal gehost 20-miljard-parameter taalmodel met een gevoeligheidsgerichte prompting-strategie abstracts voor systematische reviews 4,7 keer sneller kan screenen dan mensen, hoewel de nauwkeurigheid varieert per domein en het model momenteel het beste als tweede screener naast menselijke beoordelaars kan worden ingezet.
Een enquête onder redacteuren van tijdschriften voor traditionele, complementaire en integratieve geneeskunde toont aan dat, hoewel er een breed vertrouwen is in de toekomstige rol van kunstmatige intelligentie voor redactionele taken, de daadwerkelijke adoptie beperkt blijft door een gebrek aan beleid, training en ethische richtlijnen.
Dit onderzoek gebruikt de ECHILD-database om de nationale populatie van alleenstaande asielzoekende kinderen in Engeland (2005-2021) te karakteriseren en legt de basis voor toekomstige studies naar hun gezondheids- en onderwijsuitkomsten, waarbij wordt vastgesteld dat slechts een klein deel van deze groep volledig gekoppeld is aan zowel onderwijs- als gezondheidsgegevens.
Dit paper introduceert EmulatRx, een agentisch raamwerk dat real-world data en iteratieve agent-interacties benut om het ontwerp van klinische trials voor zowel acute als chronische aandoeningen te versnellen en te verbeteren.
Dit artikel presenteert een uitgebreid raamwerk voor cross-dataset transfer learning in emotie-intensiteitsclassificatie dat generatieve AI en diverse augmentatiestrategieën combineert om data-schaarste te overwinnen en de prestaties van modellen significant te verbeteren.
Deze studie presenteert een raamwerk dat Fitbit-slaap- en activiteitsdata vertaalt naar interpreteerbare circadiane en homeostatische scores, waarmee op grote schaal inzicht wordt verkregen in de relatie tussen slaapgedrag en gezondheid, zoals de associatie met depressie.