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 artigo apresenta o Fmpi, um novo framework de detecção de potenciais evocados que utiliza a modelagem analítica do ruído de fundo individualizado para oferecer uma detecção em tempo real, mais eficiente e específica, com mecanismo de futilidade para reduzir o tempo de teste sem comprometer a confiabilidade diagnóstica.
Este artigo apresenta uma abordagem de aprendizado de máquina baseada em ensemble que identifica sinais de "absurdo" (padrões de eventos adversos raros mas clinicamente significativos) no sistema FAERS, superando as limitações dos métodos estatísticos tradicionais ao preservar e analisar casos atípicos para melhorar a segurança do paciente.
Este estudo apresenta e valida um pipeline de geração de dados sintéticos para registros de cirurgia da coluna, demonstrando que um modelo baseado em GaussianCopula, ancorado em blockchain, atende rigorosos critérios de fidelidade, privacidade e utilidade, permitindo o compartilhamento seguro de dados multicêntricos para o desenvolvimento de inteligência artificial.
Este estudo demonstra que a decomposição espacial de mapas longitudinais da camada de fibras nervosas da retina revela modos distintos de progressão do glaucoma, os quais possuem assinaturas genéticas e estrutura-função mais robustas do que as médias globais convencionais.
Este estudo apresenta um quadro sintético de ensaios clínicos oncológicos de ponta a ponta que integra respostas radiográficas, DNA tumoral circulante, segurança e sobrevivência para gerar dados analíticos coerentes e biologicamente plausíveis que suportam a tomada de decisão na ciência de dados translacional.
Este estudo demonstra que, na previsão de mortalidade pós-alta, substituir radiografias de tórax por seus relatórios escritos por especialistas resulta em perda de informação prognóstica e alterações na priorização de risco, indicando que os relatórios não são substitutos perfeitos para as imagens brutas.
Esta revisão sistemática e análise scientométrica de 928 estudos sobre IA em radiografias de tórax revela disparidades significativas, onde países de alta renda dominam a liderança da pesquisa e a origem dos dados, o que ameaça a equidade e a aplicabilidade clínica global desses sistemas.
Este estudo transversal internacional revela que, embora a maioria dos revisores de periódicos médicos esteja familiarizada com chatbots de IA, seu uso na revisão por pares permanece limitado devido a preocupações éticas e de integridade, destacando-se a necessidade urgente de treinamento e diretrizes claras antes de uma implementação mais ampla.
Este estudo apresenta um ensemble bayesiano adaptativo à prevalência, que utiliza geração sintética de dados e gate de incerteza para prever mortalidade perioperatória com precisão de 100% e zero falsos positivos em uma coorte de validação, demonstrando robustez estrutural e utilidade clínica em ambientes com recursos limitados.
Este estudo apresenta o MedResearchBench, um benchmark que demonstra que a verificação programática de citações é o fator decisivo para avaliar a confiabilidade de sistemas de IA médica, revelando que abordagens de múltiplos agentes podem corrigir alucinações e superar as limitações das avaliações subjetivas baseadas apenas em um único modelo.