193 papers
Deze kwalitatieve studie toont aan dat het vertrouwen in gezondheidszorg-AI niet alleen afhangt van technische prestaties, maar vooral wordt gevormd door de governance-praktijken en het toezicht van cybersecurityprofessionals die deze systemen als kritieke klinische infrastructuur beschouwen.
Deze studie toont aan dat grote taalmodellen (LLMs) in laag- en middeninkomenslanden (LMIC's) een significant hogere mate van bias vertonen bij het stellen van respiratoire diagnoses ten opzichte van artsen in deze regio's, zelfs wanneer de locatie expliciet wordt vermeld, wat wijst op een overmatige focus op de epidemiologie van hooginkomenslanden.
Dit artikel introduceert GEN-KnowRD, een innovatief raamwerk dat grote taalmodellen inzet om schaalbare, computerbare kennisbanken voor zeldzame ziekten te genereren, waardoor diagnostische prestaties aanzienlijk worden verbeterd ten opzichte van bestaande methoden en de diagnostische vertraging voor patiënten wordt verkort.
Dit onderzoek toont aan dat machine learning-algoritmen contextuele factoren uit elektronische gezondheidsdossiers effectief kunnen gebruiken om ongerechtvaardigde klinische variatie, zoals ongepaste antibioticabehandeling bij kinderen met acute virale faryngitis, te detecteren zonder centrale data-aggregatie.
Deze studie presenteert een schaalbaar framework dat longitudinale EHR-data gebruikt om progressievrije overleving bij metastaseerend borstkanker te voorspellen en zo risicogestrateerde zorgplanning mogelijk maakt voor opeenvolgende lijnen van therapie.
PhenoSS is een statistisch onderbouwde, schaalbare methode die de hiërarchische structuur en onderlinge afhankelijkheden van HPO-termen modelleert om zeldzame ziekten nauwkeuriger te voorspellen en patiënten te clusteren, terwijl het ook batch-effecten corrigeert.
Het artikel introduceert RareDAI, een interpreteerbare aanpak die gebruikmaakt van fijngefineerde grote taalmodellen met chain-of-thought-redenering om artsen te ondersteunen bij het kiezen van de juiste genetische tests voor zeldzame ziekten, en presteert hierin tot 20% beter dan traditionele methoden.
Deze studie presenteert een nieuw DIP-Fusion-framework dat anatomische en metabolische informatie combineert via een gefuseerde proton-natrium-prior en richtingsgebonden totale variatie-regulering om de beeldkwaliteit en signaalbehoud van versnelde natrium-MRI-scans aanzienlijk te verbeteren.
Deze studie toont aan dat grote taalmodellen vaccinmythes effectief en wetenschappelijk accuraat kunnen weerleggen, hoewel de leesbaarheid en toegankelijkheid van de antwoorden nog verbeterd kunnen worden om een breder publiek te bereiken.
Dit onderzoek toont aan dat het gebruik van few-shot geprompte large language modellen haalbaar is om de redacties van clinici op AI-gegenereerde medische aantekeningen te categoriseren, met name voor medicatie en symptomen, hoewel complexe contextafhankelijke bewerkingen beter dienen te worden gebruikt voor triage naar menselijke beoordeling.
Deze studie toont aan dat de implementatie van een GenAI-tool voor het genereren van antwoorden op patiëntberichten in een Nederlands academisch ziekenhuis, ondanks hoge initiële verwachtingen, resulteerde in een dalend gebruik en gemengde percepties over de effectiviteit, waarbij beperkte tijdwinst, contentfouten en een gebrek aan duidelijke richtlijnen als belangrijke belemmeringen naar voren kwamen.
Dit artikel introduceert een klinisch theorie-gedreven deep learning-model dat autisme-zwaarte interpreteerbaar voorspelt door klinische constructen te operationaliseren in een gestructureerde architectuur, wat leidt tot state-of-the-art prestaties en inzichtelijke symptoomprofielen.
Dit artikel bespreekt de significante groei en volwassenheid van AI-onderzoek in de gezondheidszorg in 2025, waarbij publicaties bijna verdubbelden en de focus verschuift van klassieke machine learning en tekstmodellen naar geavanceerde multimodale foundation modellen die beter aansluiten bij de complexiteit van de klinische praktijk.
Dit onderzoek toont aan dat geautomatiseerde kenmerkengineering via Deep Feature Synthesis de prestaties en klinische bruikbaarheid van modellen voor het voorspellen van heropnames bij hartfalen aanzienlijk verbetert, met name bij gebruik van gradient-boosted tree-algoritmen.
Deze cohortstudie concludeert dat het type redactionele reactie op integriteitsproblemen (zoals een retraction, expression of concern of editorial notice) geen significant effect heeft op de daling van citaties, noch verschilt deze daling van de natuurlijke afname bij controlestudies.
Deze studie presenteert een bestuur-gedreven, op real-world data gebaseerd raamwerk voor het voorspellen van zorggebruik bij kanker en chronische aandoeningen, dat door het modelleren van longitudinale patiëntenstromen en provider-adoptie aanzienlijk nauwkeurigere prognoses oplevert dan traditionele statische methoden.
Dit paper introduceert SO_SCPLOWTRATC_SCPLOWCP, een gestratificeerd conformeel raamwerk dat medische foundation-modellen omzet in veilige beslissingsbeleid door een subset van patiënten voor directe actie te selecteren binnen een vastgestelde foutenbegroting, terwijl voor de overige patiënten gecalibreerde voorspellingssets worden gegenereerd die betrouwbare dekking garanderen.
Deze studie toont aan dat de robuustheid van medische termen in lokaal inzetbare taalmodellen niet alleen afhankelijk is van modelgrootte of medische fine-tuning, maar sterk varieert per terminologische complexiteit en subdomein, waardoor specifieke validatie voor veilige klinische toepassing essentieel is.
De studie concludeert dat de Slaapregulatievragenlijst (SRQ) slechts beperkt convergente validiteit vertoont ten opzichte van objectieve draagbare meetgegevens en daarom in gezonde volwassenen eerder een aanvulling dan een vervanging vormt voor objectieve slaapmonitoring.
Deze gerandomiseerde gecontroleerde studie toont aan dat het gebruik van grote taalmodellen (LLMs) radiologieverslagen effectief kan vereenvoudigen tot een begrijpelijk leesniveau voor patiënten, waardoor het begrip aanzienlijk verbetert met een minimaal risico op hallucinaties.