156 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.
Este estudo avalia a viabilidade do uso de modelos de linguagem grandes para categorizar as edições feitas por clínicos em rascunhos de notas gerados por IA ambiental, demonstrando que, embora a engenharia de prompts seja eficaz para categorias com pistas explícitas como medicamentos e sintomas, ela é mais adequada para triagem em casos complexos que exigem revisão humana.
O artigo "Artificial Intelligence in Healthcare: 2025 Year in Review" analisa a maturação acelerada da pesquisa em IA na saúde em 2025, destacando o crescimento exponencial de publicações, o declínio dos modelos de aprendizado de máquina clássicos em favor de modelos fundamentais multimodais e a transição de estudos exploratórios para aplicações no mundo real, especialmente nas áreas de imagem e especialidades clínicas diversas.
Este estudo de coorte concluiu que o tipo de resposta editorial (aviso, nota de preocupação ou retratação) emitida por periódicos para abordar preocupações de integridade não influencia a taxa de declínio de citações subsequentes, a qual não difere significativamente da queda natural observada em ensaios controlados aleatórios de controle.
Este estudo propõe uma arquitetura de informática em saúde orientada por governança e calibrada com dados do mundo real, que supera as limitações das previsões estáticas tradicionais ao modelar dinâmicas longitudinais de fluxo de pacientes, adesão e recorrência para gerar estimativas mais precisas de utilização em oncologia e condições crônicas complexas.
Este estudo demonstra que, embora a robustez das representações de termos médicos em modelos de linguagem locais siga uma lei de escala log-linear, nem o tamanho do modelo nem o ajuste fino médico garantem confiabilidade clínica, exigindo validação específica baseada na complexidade terminológica e no subdomínio para aplicações seguras.
Este estudo demonstra que uma abordagem de modelos de linguagem multi-agente orquestrada pela teoria dos jogos de Nash melhora a segurança e a eficiência dos planos de cuidado para pacientes do Medicaid, embora não tenha gerado automaticamente maior equidade, indicando que a justiça social exige atenção explícita no design do sistema.
O estudo AutoscriberValidate demonstrou que o uso do scribe digital ambiental Autoscriber reduziu a carga de trabalho dos profissionais de saúde e melhorou a qualidade das notas médicas, diminuindo significativamente a maioria dos erros.
Este estudo transversal com 500 pacientes na Jordânia revela que, embora exista uma aceitação condicional da inteligência artificial na saúde, impulsionada pela sua utilidade percebida, os participantes preferem que a tecnologia atue como suporte aos médicos em vez de substituí-los, sendo a prontidão para adoção fortemente influenciada pela confiança, transparência e competências digitais.
Este estudo desenvolveu e validou um modelo híbrido inovador que combina SARIMA e CNNAR para prever com alta precisão a incidência mensal de tuberculose no Nepal, superando outros métodos de previsão e fornecendo uma ferramenta essencial para o planejamento de saúde pública e a alocação de recursos.
O MedOS é um modelo de mundo corporificado baseado em IA que integra raciocínio clínico e intervenção física para democratizar a expertise médica, reduzir a lacuna de desempenho entre profissionais e permitir a execução autônoma de procedimentos clínicos complexos.