191 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.
Os autores desenvolveram um pipeline computacional que combina similaridade fenotípica e propagação em rede para priorizar diagnósticos de doenças raras, demonstrando maior precisão e consistência clínica do que métodos anteriores ao avaliar casos do projeto Solve-RD.
Os pesquisadores desenvolveram um novo framework de aprendizado profundo baseado em imagens de fundo de olho que não apenas prevê a idade biológica da retina com alta precisão, mas também desdobra a heterogeneidade fisiológica do envelhecimento, identificando assinaturas distintas associadas a inflamação sistêmica e variações hemodinâmicas.
Este estudo desenvolveu e validou um escore de saúde neurológica (NHS) utilizando algoritmos de aprendizado de máquina para quantificar o risco de oito distúrbios neurológicos com base em variáveis genéticas, de estilo de vida e bioquímicas.
Este estudo compara diversos métodos de imputação de dados ausentes em medidas de qualidade de vida de pacientes com câncer de esôfago, avaliando sua eficácia para fornecer recomendações que melhorem a validade e a confiabilidade das pesquisas na área.
Este estudo demonstra que existe uma dissociação entre a ética abstrata e a memória clínica em modelos de linguagem, revelando que a maioria dos LLMs consegue resistir a ordens prejudiciais, mas falha em recordar alergias de pacientes, sugerindo a necessidade de testes de segurança duplos para a certificação de IA médica.
Este estudo apresenta um modelo de Cadeia de Markov baseado em dados anonimizados para prever o risco de não adesão medicamentosa, identificando como barreiras financeiras e administrativas impactam a continuidade do tratamento em pacientes com condições crônicas ou raras.
O artigo apresenta o BODHI, um framework de engenharia que aprimora a IA de suporte à decisão clínica ao decompor a incerteza epistêmica e aplicar regras baseadas em virtudes, o que melhora significativamente a humildade, a curiosidade e a qualidade geral das respostas do modelo em avaliações controladas.
Este estudo demonstra que um modelo de aprendizado de máquina XGBoost explicável, que integra dados antropométricos com o tempo das refeições e hábitos alimentares, prevê com precisão o risco cardiometabólico e identifica horários tardios de jantar, cronogramas de refeições irregulares e baixa frequência de refeições como principais fatores de risco comportamentais modificáveis.
Este estudo transversal utilizou processamento de linguagem natural para analisar mais de 30.000 mensagens seguras de oftalmologia, revelando que, embora questões administrativas dominem a comunicação, as preocupações clínicas variam significamente de acordo com a demografia dos pacientes, destacando oportunidades para melhorar a segurança da triagem e a equidade nos cuidados oculares.
Este estudo demonstra que dados gerados por IA não curados em prontuários médicos criam um ciclo autorreferencial que erode rapidamente a variabilidade patológica e a confiabilidade diagnóstica, fazendo com que achados críticos desapareçam e as taxas de falsa tranquilidade tripliquem, tornando, assim, a documentação gerada por IA clinicamente inútil sem supervisão humana obrigatória.