191 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.
De studie concludeert dat het vervangen van thoraxfoto's door expertgeschriften de prognostische informatie beperkt, aangezien modellen die de originele beelden gebruiken betere voorspellingen doen voor 30-dagen mortaliteit en dat het vervangen van beelden door teksten leidt tot significante verschillen in risicorangschikking.
Deze systematische review en scientometrische analyse onthult dat onderzoek naar medische AI voor borstfoto's sterk wordt gedomineerd door landen met een hoog inkomen, wat leidt tot een gebrek aan diversiteit in de trainingsdata en internationale samenwerkingen, met het risico dat hierdoor gezondheidsongelijkheden worden versterkt.
Deze internationale enquête onder medische peer reviewers toont aan dat, hoewel de bekendheid met AI-chatbots groot is, hun daadwerkelijke toepassing in het reviewproces beperkt blijft vanwege aanhoudende ethische zorgen en een gebrek aan training, ondanks een duidelijke behoefte aan begeleiding.
Dit onderzoek presenteert een Bayesiaanse ensemble-methode met prevalentie-adaptieve gating en variational autoencoder-augmentatie die in een klinische audit een sensitiviteit van 69,2% en een specificiteit van 100% bereikte bij het voorspellen van perioperatieve mortaliteit, terwijl het tegelijkertijd onzekerheid kwantificeerde via Shannon-entropie.
Deze studie introduceert MedResearchBench om zes medische AI-systemen te evalueren en concludeert dat citatiehallucinaties de betrouwbaarheid bepalen, waarbij een multi-agent verificatieframework de prestaties aanzienlijk verbetert en de beperkingen van puur subjectieve evaluaties blootlegt.
Dit onderzoek concludeert dat multi-task learning met alleen een samengestelde lastdoelstelling de meest effectieve aanpak is voor het profileren van psychosociale lasten in kankerforums, terwijl soft-label supervisie met LLM-afgeleide verdelingen minder goed presteerde dan harde labels voor emotieclassificatie.
Dit artikel presenteert een reproduceerbare Python-workflow die klinische, biomarker- en farmacokinetische data van vroege oncologiestudies integreert om analyse-klare datasets, visualisaties en voorspellende modellen te genereren voor exploratieve besluitvorming.
Dit onderzoek toont aan dat multimodale machinelearningmodellen, die gestructureerde patiëntgegevens combineren met tekstuele notities uit elektronische gezondheidsdossiers, hoge postoperatieve opioïdexpositie tijdens ziekenhuisopnames nauwkeurig kunnen voorspellen om gerichte opioïdenstewardship te ondersteunen.
Dit onderzoek toont aan dat een hybride model, dat zelfgerapporteerde symptomen combineert met een Hidden Semi-Markov-model, de vier fasen van de menstruatiecyclus met hormonale validatie kan classificeren en zo een draagbaar, apparaatvrij alternatief biedt voor het monitoren van menstruele gezondheid.
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.