256 artigos
A Saúde Informática une dados, tecnologia e cuidados médicos para transformar como entendemos e gerenciamos a saúde. Este campo explora desde o uso de registros eletrônicos até a inteligência artificial aplicada a diagnósticos, sempre com o objetivo de melhorar a qualidade do atendimento e a eficiência dos sistemas de saúde.
No Gist.Science, acompanhamos de perto os avanços mais recentes trazidos pelo medRxiv. Processamos cada novo pré-publicação nesta categoria, oferecendo tanto resumos técnicos detalhados quanto explicações em linguagem simples para tornar a ciência acessível a todos. Abaixo, você encontrará os últimos estudos publicados em Saúde Informática.
O RenalTransLSTM é um framework de aprendizado profundo híbrido que combina as arquiteturas LSTM e Transformer para alcançar uma predição de horizonte múltiplo superior da lesão renal aguda em pacientes de UTI ao capturar efetivamente tanto a dinâmica temporal local quanto as dependências contextuais globais em registros eletrônicos de saúde.
Este estudo introduz o Biomarcador de Marcha por Distância de Embedding (EDGB), uma estrutura de aprendizado contrastivo supervisionado que utiliza uma rede neural convolucional compacta para extrair representações latentes robustas de 32 dimensões a partir de sinais brutos de IMU vestíveis, alcançando alta precisão na distinção entre padrões de marcha saudáveis, neurológicos e ortopédicos, ao mesmo tempo em que demonstra forte confiabilidade e diferenciação significativa entre grupos.
Este estudo de emulação de ensaio clínico utilizando dados do mundo real demonstra que a combinação de inibidores de PD-1/PD-L1 com inibidores da tirosina quinase VEGFR melhora significativamente o tempo de sobrevida média restrita em pacientes com carcinoma de células renais em comparação com a monoterapia com inibidor da tirosina quinase VEGFR, sustentando a generalizabilidade da terapia combinada apesar dos riscos não proporcionais.
O artigo apresenta o PulseOx-FM, um modelo de fundação autossupervisionado treinado em milhões de segmentos de oximetria de pulso vestíveis que supera os métodos existentes na previsão de diversos riscos de saúde cardiometabólica e neuropsiquiátrica, incluindo hipertensão futura e estados glicêmicos do dia seguinte, estabelecendo assim uma poderosa ferramenta não invasiva para a estratificação de riscos de saúde global.
Este artigo apresenta o Heterogeneous Gated Graph Transformer (HGGT), um modelo de aprendizagem profunda que aproveita relações complexas e de múltiplos tipos entre entidades biomédicas para melhorar significativamente a previsão do sucesso de ensaios clínicos em múltiplas fases.
Este estudo piloto demonstra a viabilidade técnica de usar IA de vídeo generativa para criar simulações padronizadas de pacientes psiquiátricos com deterioração gradual da higiene, ao mesmo tempo em que destaca que, embora a modulação da aparência seja alcançável, artefatos de motricidade fina necessitam de supervisão humana especializada antes da implementação clínica.
Este estudo demonstra que, embora modelos de gradient boosting utilizando dados estruturados de prontuários eletrônicos possam prever a progressão da depressão e da ansiedade em pacientes com esclerose múltipla, seu poder preditivo limitado (R² ≤ 0,28) é dominado por escores basais que refletem a regressão à média, indicando que fontes de dados mais ricas além das variáveis clínicas estruturadas são necessárias para uma previsão individual significativa.
Este estudo emprega uma estrutura de mediação multimodal impulsionada por IA para analisar dados do Programa de Pesquisa All of Us, revelando que a vulnerabilidade psicossocial atua como um mediador latente fundamental ligando a desvantagem socioeconômica à multimorbidade cardiometabólica.
Este artigo introduz o Demographic Calibration Gap Score (DCGS) para demonstrar que os métodos de calibração global padrão falham em abordar erros sistemáticos de predição entre subgrupos raciais e de gênero em modelos de risco de câncer de mama, particularmente sob mudanças distributivas, destacando assim a necessidade de métricas de calibração específicas por subgrupo para prevenir decisões clínicas tendenciosas.
Uma pesquisa global com 766 profissionais de saúde mental revela que mais da metade já está utilizando ferramentas de IA generativa, principalmente para planejamento de tratamento e tarefas administrativas, embora essa adoção generalizada ocorra apesar de uma significativa falta de orientação institucional, treinamento formal e estruturas regulatórias.