193 artigos
Este estudo demonstra que o Aprendizado Federado (FL) permite o desenvolvimento eficaz de modelos preditivos para o cuidado do HIV em múltiplos sites da América Latina e Caribe, superando os modelos locais e alcançando desempenho próximo ao centralizado, ao mesmo tempo em que preserva a privacidade dos dados.
Este estudo demonstrou que o monitoramento passivo de dados fisiológicos por meio de dispositivos vestíveis, como Fitbits, pode identificar com eficácia pacientes com insuficiência cardíaca em risco de hospitalização, evidenciando tendências como redução de passos e aumento da frequência cardíaca antes de eventos agudos.
Este estudo desenvolveu e validou um modelo de processamento de linguagem natural baseado em BERT para extrair e categorizar automaticamente diversos tipos de violência e seus contextos a partir de registros eletrônicos de saúde mental, alcançando alto desempenho na maioria das categorias, exceto na identificação temporal de eventos passados.
Este estudo demonstra que a plataforma Virtual Pooling permite a execução precisa e completa de pesquisas clínicas multicêntricas e inferência causal sem a necessidade de compartilhamento centralizado de dados, replicando com exatidão os resultados de um estudo original sobre rastreamento de doenças oculares diabéticas entre duas instituições.
Este estudo demonstra que a diferença de idade cardíaca derivada de inteligência artificial a partir de eletrocardiogramas (AI-ECG) funciona como um biomarcador digital não invasivo eficaz para estratificar o risco cardiovascular, onde um envelhecimento cardíaco acelerado (>6 anos) está associado a um risco significativamente maior de eventos adversos maiores.
Os autores retiraram este manuscrito devido a um problema identificado na análise que requer revisão e solicitam que a obra não seja citada como referência.
Este artigo apresenta um quadro estatístico baseado em diretrizes regulatórias para quantificar a repetibilidade e reprodutibilidade de modelos de linguagem grandes em tarefas biomédicas, demonstrando que essas métricas variam conforme o modelo e a estratégia de prompt, e que a consistência na geração de respostas não garante necessariamente a precisão diagnóstica.
Este estudo com 442 adultos demonstrou que a "idade cardiovascular" derivada de wearables, além de capturar variações significativas relacionadas a hábitos independentes como sono e atividade física, reflete mudanças fisiológicas reais ao longo do tempo, validando sua utilidade como ferramenta de monitoramento de saúde.
Este estudo avaliou pragmaticamente o AIFYA, um sistema de apoio à decisão clínica supervisionado por humanos e baseado em modelos de linguagem grande, demonstrando sua implementação bem-sucedida, alta concordância com especialistas e adesão às diretrizes nacionais no cuidado neonatal em Kenya.
Este estudo revela que, apesar de apresentarem alta precisão diagnóstica com históricos completos, modelos de linguagem médica como o GPT-5.2 falham criticamente ao lidar com informações incompletas, desencorajando investigações essenciais e oferecendo triagens inseguras, especialmente para pacientes do sexo feminino, o que destaca a necessidade de testes de estresse abrangentes para avaliar a segurança da IA na medicina.
O estudo desenvolveu e avaliou uma metodologia de planos de ação que, apoiada por governança eficaz e uma abordagem multidisciplinar, demonstrou mitigar com sucesso a maioria dos impactos negativos associados à implementação de registros eletrônicos de saúde.
O artigo apresenta o SleepJEPA, um modelo fundamental de representação do sono treinado com dados de polissonografia domiciliar que aprende a codificar o sono em um espaço latente para prever com precisão o risco de diversas doenças cardiovasculares, metabólicas e neurológicas a longo prazo, além de permitir a classificação de estágios do sono e diagnósticos específicos.
Este estudo avalia o impacto e a difusão do conhecimento de quatro grandes repositórios de dados de saúde abertos, revelando que, embora gerem uma amplificação consistente de citações indiretas de cerca de 10 vezes, apresentam disparidades significativas na composição demográfica dos autores e na liderança sênior, destacando a necessidade de políticas que vão além do acesso aos dados para promover equidade e produção de conhecimento localmente relevante.
Um auditoria independente mista e longitudinal na Nigéria revelou que as alegações de desempenho dos fornecedores de sistemas de IA em saúde superestimam drasticamente a eficácia real em 24,2 pontos percentuais, resultando em danos evitáveis aos pacientes e no agravamento das desigualdades, o que exige a implementação de verificações independentes obrigatórias pós-deployamento.
O estudo apresenta o NiaAge, um novo modelo de idade biológica derivado de associações não lineares com risco de mortalidade e alinhado a trajetórias normais de envelhecimento, que demonstrou superar a idade cronológica e outros relógios biológicos na previsão de mortalidade e saúde física e cognitiva.
Utilizando dados do programa All of Us, este estudo demonstra que a integração de determinantes sociais da saúde com fatores demográficos melhora a previsão de doenças crônicas, revelando que fatores experienciais como estresse e discriminação são mais críticos para a saúde mental, enquanto características estruturais do bairro e demografia predominam nas condições cardiometabólicas, apoiando a adoção de protocolos de triagem específicos para cada condição em vez de abordagens universais.
Este estudo valida multinacionalmente o Índice de Documentação Intensiva (IDI) como um preditor de mortalidade em UTI baseado em registros eletrônicos, demonstrando que sua eficácia depende criticamente da granularidade temporal dos dados, com desempenho superior em um coorte suíço de alta resolução temporal em comparação a um coorte norte-americano.
Uma análise controlada de série temporal interrompida utilizando dados nacionais de saúde da Coreia do Sul demonstrou que uma plataforma de autogestão digital para a síndrome do intestino irritável, desenvolvida a partir de insights extraídos de discussões em redes sociais, resultou em reduções significativas e sustentadas nas visitas à emergência e hospitalizações não planejadas relacionadas à condição.
Este estudo demonstra que o filtro SaPM, ao otimizar precisão e sensibilidade, reduz significativamente a carga de triagem em revisões sistemáticas em comparação ao filtro SM, com risco mínimo de perda de registros elegíveis que pode ser mitigado por busca de citações.
Este estudo demonstra que a plataforma baseada em LLM, Brim Analytics, alcança alta precisão na extração automatizada de dados de registros de câncer a partir de relatórios de patologia, superando o sistema orientado a ontologias DeepPhe, especialmente na determinação do estágio T.