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 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.
Este estudo demonstra a viabilidade técnica de um pipeline totalmente automatizado que utiliza modelos de linguagem para gerar revisões sistemáticas com qualidade superior à de autores humanos em certas métricas, ao mesmo tempo em que alerta para limitações críticas, como a repetição de conteúdo e a necessidade urgente de novos padrões de verificação e transparência na publicação científica.
Este estudo analisou mais de 342 mil avaliações de usuários em aplicativos de tinnitus usando um modelo de rede neural gráfica para identificar que, embora as funcionalidades terapêuticas sejam bem avaliadas, questões como preços, anúncios e estabilidade técnica geram feedback predominantemente negativo, oferecendo assim diretrizes acionáveis para desenvolvedores e clínicos.
Este estudo, baseado em entrevistas com 30 clínicos, revela que as edições em rascunhos de notas clínicas gerados por IA ambiental são impulsionadas principalmente pela necessidade de corrigir erros de precisão clínica, mitigar riscos médico-legais e atender a padrões de cobrança, destacando a urgência de melhorias na confiabilidade do modelo, personalização e integração com os registros eletrônicos de saúde.
O estudo apresenta o CardioPulmoNet, uma arquitetura de rede neural inspirada no acoplamento fisiológico cardiopulmonar que, ao integrar características locais e globais com regularização homeostática, demonstra aprendizado de representações estáveis e discriminativas para diagnóstico histopatológico, especialmente em cenários com dados limitados.
O estudo valida o fluxo de trabalho otto-SR baseado em modelos de linguagem grandes (LLMs), demonstrando que ele supera pesquisadores humanos na precisão de triagem e extração de dados, permitindo a reprodução rápida e a atualização escalável de revisões sistemáticas.
O artigo apresenta o Lilo Engine, um pipeline terapêutico determinístico de cinco camadas projetado para ambientes de assistência a idosos que, ao substituir orquestradores multiagentes por invariantes estruturais rígidas, alcança detecção de crises com 100% de recall e latência de 28,7 ms, garantindo segurança e rastreabilidade auditável.