193 artigos
Este artigo apresenta o corpus SREDH-AICup, um conjunto de dados de fala clínica bilíngue (inglês e mandarim) com 20 horas de áudio e anotações temporais detalhadas de informações de saúde sensíveis, criado para superar a escassez de recursos públicos e impulsionar a pesquisa em desidentificação de fala médica automatizada.
Este artigo apresenta um fluxo de trabalho reprodutível em Python que simula e integra dados clínicos, de biomarcadores e farmacocinéticos de um estudo oncológico de fase inicial, gerando conjuntos de dados prontos para análise, visualizações e modelos preditivos exploratórios para apoiar a tomada de decisão no desenvolvimento de fármacos.
Este estudo desenvolveu e validou temporalmente modelos de aprendizado de máquina multimodais que integram dados estruturados e texto de prontuários eletrônicos para prever com precisão a alta exposição a opioides em pacientes internados, visando aprimorar a gestão segura desses medicamentos.
Este artigo apresenta o Time-Aware G-Transformer, um modelo que combina computação G causal com atenção consciente do tempo para prever com precisão os efeitos de tratamentos em dados clínicos irregulares e heterogêneos, superando métodos existentes na avaliação de estratégias terapêuticas personalizadas.
Este estudo de métodos mistos realizado na África Ocidental revela que os clínicos preferem fortemente órgãos reguladores independentes e mecanismos de monitoramento em tempo real para governança e responsabilidade da IA, destacando a necessidade de estruturas que garantam transparência, equidade e proteção aos profissionais de saúde contra erros algorítmicos.
Este estudo demonstra que um modelo híbrido, combinando um classificador de gradiente com um modelo de Markov semi-oculto, consegue inferir com sucesso as quatro fases do ciclo menstrual a partir apenas de sintomas autorrelatados, validados hormonalmente, estabelecendo assim uma abordagem de baixo custo e sem dispositivos para monitoramento de saúde reprodutiva.
Este estudo piloto prospetivo demonstrou que o assistente clínico de IA agênica DR. INFO proporcionou economias de tempo significativas, suporte à decisão clínica e elevada satisfação entre os médicos portugueses, validando a sua utilidade na prática diária.
O artigo apresenta o MedScope, um benchmark leve e de código aberto que avalia sistematicamente modelos de linguagem de grande porte open-source em perguntas médicas de múltipla escolha, revelando heterogeneidade significativa em desempenho e eficiência e destacando a necessidade de avaliações multidimensionais antes da implementação em cenários clínicos de alto risco.
Este estudo mapeou as políticas de partilha de dados dos principais patrocinadores de ensaios clínicos na UE, revelando um desequilíbrio setorial onde os patrocinadores privados oferecem documentação mais detalhada e acessível do que os públicos, que frequentemente carecem de orientações específicas para ensaios clínicos, apesar da conformidade com o RGPD.
Este estudo desenvolveu e avaliou um pipeline de reconhecimento de entidades para os 4M (Saúde, Medicamentos, Cognição e Mobilidade) em mensagens de texto clínicas de lares de idosos, combinando um classificador de tokens Bio-ClinicalBERT com revisão por modelos de linguagem grandes (LLM) locais, resultando em uma extração de informações mais precisa e eficiente do que abordagens anteriores.
Este estudo demonstra que modelos de linguagem pequenos (SLMs) oferecem uma solução eficiente e privada para extrair dados longitudinais, como a creatinina sérica, de notas clínicas não estruturadas em francês de pacientes com doenças renais raras, superando abordagens baseadas em regras e facilitando a pesquisa em cenários de escassez de dados.
O artigo apresenta o MedResearchBench, o primeiro benchmark projetado especificamente para avaliar agentes de IA em tarefas de pesquisa clínica médica, cobrindo sete domínios clínicos e seis dimensões de avaliação para garantir a qualidade estatística, a conformidade com padrões de relatórios e a interpretação clinicamente acionável.
Este artigo apresenta o desenvolvimento e a validação da ontologia BSOAD, a primeira a representar sistematicamente e harmonizar fatores comportamentais e sociais relacionados à Doença de Alzheimer e Demências Relacionadas (ADRD), estabelecendo uma base semântica para análise computacional e integração de conhecimento.
Este artigo descreve o pipeline de múltiplas camadas "Validation as a System" (VaaS), desenvolvido para a construção de um banco de dados de doenças raras, que demonstrou reduzir a taxa de alucinações de citações em modelos de linguagem grandes para níveis próximos de zero em validações de produção e benchmarks prospectivos, provando que a síntese biomédica assistida por IA com integridade de citações é viável em escala industrial a baixo custo.
O artigo apresenta o ClinicalTAAT, um transformador consciente do tempo que supera as limitações das técnicas atuais de mineração de processos ao aprender representações interpretáveis de sequências clínicas irregulares e complexas, permitindo a avaliação e otimização escalável de sistemas de saúde através da análise de trajetórias de pacientes individuais e subgrupos populacionais.
O projeto SwissPedGrowth demonstrou a viabilidade de extrair dados antropométricos de alta qualidade dos registos eletrónicos de saúde de hospitais pediátricos suíços para investigação, embora persistam desafios relacionados com a completude e a harmonização desses dados.
Este estudo introduz um sensor diagnóstico e uma taxonomia de falhas para revelar que, embora modelos de IA acertem diagnósticos em 90% dos casos com informações sequenciais, eles perdem essa conclusão em 30% das vezes devido à "Regressão de Convergência", um problema que scaffolds estruturados como o SIPS tornam auditáveis e corrigem, embora possam reduzir a acurácia imediata ao forçar a estabilidade do raciocínio.
O artigo apresenta o MOE-ECG, um framework de fusão de ensemble multi-objetivo que otimiza simultaneamente o desempenho preditivo e a diversidade dos modelos para detectar fibrilação atrial em registros de ECG com maior robustez e generalização.
Este estudo prospectivo demonstrou que um fluxo de trabalho de pré-seleção assistido por LLM com supervisão humana alcançou alto desempenho e baixo custo na triagem de pacientes para múltiplos ensaios clínicos diversos, utilizando feedback de coordenadores para aprimorar continuamente o sistema.
O artigo apresenta o HealthFormer, um modelo Transformer de dois níveis que processa registros eletrônicos de saúde irregulares integrando informações temporais e hierárquicas para gerar representações de pacientes que superam as abordagens tradicionais na previsão de incidentes oncológicos.