📄 Category

health informatics

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.

📄 informática em saúde

Epidemiology-Informed Graph Neural Networks for Predicting and Interpreting Transmissible Hospital-Acquired Infections: A Retrospective Cohort and Simulation Study

Este artigo propõe uma estrutura de rede neural gráfica informada por epidemiologia (EIGNN) que integra modelos epidemiológicos mecanicistas com redes de contato baseadas em dados para prever e interpretar com precisão a dinâmica de infecções hospitalares, ao mesmo tempo em que garante confiança clínica por meio da transparência.

Vindas Yassine, Y. E., Bornet, A., Abbas, M., Geissbuehler, D., Rodrigues-Jr, J. F., Teodoro, D.2026-05-12
📄 informática em saúde

Three Decades of FDA Authorizations of AI/ML Enabled Medical Devices: Persistent Specialty Concentration and the Care Delivery Gap (1995 to 2025)

Esta análise transversal de 1.430 autorizações da FDA de 1995 a 2025 revela que, embora as aprovações de dispositivos médicos habilitados por IA/ML tenham crescido exponencialmente, elas permanecem fortemente concentradas em especialidades diagnósticas ricas em imagens, como radiologia, deixando lacunas significativas na representação de outros grandes campos clínicos, como patologia, obstetrícia e saúde comportamental.

Golshani, P., Joseph, M. S.2026-05-12
📄 informática em saúde

Machine Learning and Explainable AI for Multi-State Classification of Malaria Transmission Dynamics in Kenya

Este estudo desenvolve e valida um framework de aprendizado de máquina interpretável usando Extreme Gradient Boosting para classificar com precisão os estados de transmissão de malária nos 47 condados do Quênia de 2015 a 2025, demonstrando que a integração de dados epidemiológicos e ambientais pode efetivamente apoiar a vigilância direcionada e a alocação de recursos.

Gogo, J. A., Wanyonyi, M.2026-05-12
📄 informática em saúde

MISP-Bench: Decomposing User-Provided False Priors into Answer, Rationale, and Guard Effects

O artigo apresenta o MISP-Bench, um benchmark fatorial em larga escala que avalia como modelos de linguagem de pesos abertos respondem a priores falsos fornecidos pelo usuário em contextos clínicos e educacionais, revelando que ataques combinados de resposta e justificativa exibem danos sub-aditivos, que distratores direcionados aumentam significativamente a sycophancy em comparação com distratores arbitrários e que estratégias específicas de salvaguarda de segurança (como independência da fonte e anulações explícitas) mitigam efetivamente a suscetibilidade à desinformação em modelos diversos.

Jeong, I., Kim, Y., Park, J.-H., Lee, H.2026-05-10
📄 informática em saúde

Unmeasured but Not Unbiased: The Missingness Demographic Leakage Audit (MDLA) for Calibration-Aware Fairness Evaluation in Critical Care Mortality Prediction

Este artigo apresenta a Auditoria de Vazamento Demográfico de Dados Ausentes (MDLA), um framework reprodutível que revela como padrões de dados clínicos ausentes em modelos de mortalidade em cuidados críticos podem atuar como proxies demográficos sutis e não medidos, tornando necessária a integração de auditoria consciente da ausência de dados e avaliação consciente da calibração nos pipelines de validação de IA clínica.

Patel, K., Beedala, P.2026-05-03
📄 informática em saúde

Disease Risk Prediction Using Structured EHR Data: Can Generalist Large Language Models Match Specialized Clinical Foundation Models? A Comparative Evaluation with Fine-Tuning

Esta avaliação comparativa demonstra que, embora os modelos de linguagem grandes generalistas ajustados finamente geralmente apresentem desempenho inferior aos modelos fundamentais clínicos especializados na previsão de risco de doenças em registros eletrônicos de saúde estruturados, os embeddings gerados por modelos de linguagem grandes acoplados a classificadores leves podem alcançar desempenho superior em ambas as métricas AUROC e AUPRC.

Mao, B., Prasadha, M. K., Xie, Z., He, J., Ghebranious, M., Xu, H., Zhi, D., Rasmy, L.2026-05-01
📄 informática em saúde

Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving

O protocolo REVELIO descreve um estudo piloto randomizado e controlado em uma pista de testes fechada, destinado a avaliar a viabilidade de um sistema multimodal a bordo para detectar direção sob influência de cannabis em usuários recreativos saudáveis, correlacionando dados do veículo, do condutor e biológicos após a administração controlada de THC.

Bechny, M., Deuber, R., Heck, C., Brügger, J., Pfäffli, M., Jovanova, M., Fleisch, E., Wortmann, F., Weinmann, W.2026-05-01
📄 informática em saúde

AERO: An AI Agent for Adaptive Eligibility Refinement and Optimization of Clinical Trial Criteria in Real-World Trial Emulation

O artigo apresenta o AERO, um framework de agente de IA que otimiza os critérios de elegibilidade para ensaios clínicos para emulação de dados do mundo real, aproveitando modelos de linguagem grandes para classificar e refinar sistematicamente os critérios, melhorando assim a generalizabilidade e a precisão das estimativas do efeito do tratamento, conforme demonstrado em uma emulação do ensaio WARCEF.

Li, X., James, J., Pellikka, P. A., Zong, N.2026-05-01
📄 informática em saúde

Integrating Group and Individual Fairness Auditing in Clinical AI: A Post-Hoc, Model-Agnostic Approach

Este artigo apresenta o EquiLense, uma ferramenta prática, a posteriori e agnóstica ao modelo para auditoria que preenche a lacuna entre as avaliações de justiça grupal e individual em IA clínica, utilizando uma nova métrica chamada Diferença Média de Probabilidade Prevista (MPPD) para identificar inconsistências sistemáticas de predição entre grupos demográficos.

Xu, J., Hwang, Y. M., Kondareddy, S., Dormoy, I., Jing, S. L., Pillai, M., Curtin, C. M., Hernandez-Boussard, T.2026-04-30
📄 informática em saúde

MedAdhereAI: An Interpretable Machine Learning Pipeline for Predicting Medication Non-Adherence in Chronic Disease Patients Using Real-World Refill Data

O MedAdhereAI é um pipeline de aprendizado de máquina interpretável que utiliza dados de refil de medicamentos para prever a não adesão ao tratamento em pacientes com doenças crônicas, visando auxiliar na identificação precoce de riscos e na otimização de intervenções clínicas.

Yadav, S., Rajbhandari, S.2026-04-28