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.
Dit onderzoek presenteert een robuust ensemble-machinelearningkader dat, gebaseerd op een multi-seed strategie en feature-ranking, esofaguskanker in Ethiopië met uitzonderlijke nauwkeurigheid (98,3%) en 100% gevoeligheid voorspelt door gebruik te maken van een gereduceerde set van voedsel- en milieufactoren.
Dit onderzoek toont aan dat een multimodaal deep learning-framework met cross-attention-mechanismen, dat dermoscopische afbeeldingen combineert met patiëntmetadata, de diagnose van huidlaesies nauwkeuriger en beter gekalibreerd maakt dan traditionele fusiestrategieën of beeld-only modellen.
Deze haalbaarheidsstudie beschrijft hoe kunstmatige intelligentie en ervaringsgebaseerde co-ontwerpmethoden werden ingezet om een virtuele-reality-app voor mindfulness te ontwikkelen die specifiek is afgestemd op de vermindering van diabetesdistress bij volwassenen met type-2-diabetes.
Deze studie vergelijkt traditionele regressiemodellen met medische grote taalmodellen (MedLLMs) voor het voorspellen van sterfte en cardiovasculaire risico's, en concludeert dat goed afgestemde MedLLMs en geavanceerde regressietechnieken vergelijkbare prestaties leveren, waarbij kalibratie de voorspellende nauwkeurigheid aanzienlijk verbetert.
Deze systematische review toont aan dat aanzienlijke variatie in methodologische keuzes leidt tot sterk uiteenlopende sepsisdetectiepercentages in dezelfde klinische databases, wat de noodzaak onderstreept voor gestandaardiseerde rapportage en publicatie van broncode om de reproduceerbaarheid te verbeteren.
Dit onderzoek toont aan dat een interpreteerbaar multimodaal overlevingsmodel, dat klinische en genetische factoren combineert, de risicostratificatie voor levercomplicaties bij chronische hepatitis C aanzienlijk verbetert ten opzichte van fibrosestadium alleen.
Deze studie toont aan dat gestructureerde elektronische gezondheidsgegevens een matige voorspellende waarde hebben voor sterfte bij COVID-19-patiënten, maar ontoereikend zijn voor het voorspellen van de ziekenhuisopnameduur, waarbij het gebruik van SMOTE voor het aanpakken van onbalans in de data een afweging vereist tussen discriminatie en kalibratie.
Deze cohortstudie toont aan dat een nieuw hybride zorgmodel, bestaande uit virtuele CBT en de mindLAMP-app, de symptomen van depressie en angst bij zwangere en postpartumvrouwen significant vermindert.
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.