156 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.
Este estudo avaliou a usabilidade do Trialshub, uma plataforma baseada em LLM para correspondência de ensaios clínicos, concluindo que, apesar de desafios técnicos e de design identificados, a ferramenta demonstra grande potencial para otimizar a descoberta de ensaios e os fluxos de recrutamento.
Este estudo demonstra que o modelo de linguagem auto-supervisionado Wav2Vec 2.0 é altamente eficaz na estimativa robusta de gênero e na preservação de estruturas relacionadas à idade em fala patológica conectada, embora apresente limitações e viés sistemático na estimativa de idade durante tarefas de fonação de vogais sustentadas.
Esta pesquisa de grande escala e internacional revelou que, embora a maioria dos pesquisadores de Medicina Tradicional, Complementar e Integrativa (TCIM) reconheça o potencial dos chatbots de IA generativa para reduzir a carga de trabalho e aumentar a eficiência, há uma necessidade significativa de treinamento institucional para superar desafios como viés e erros.
Este estudo revela que um assistente de IA baseado em RAG para serviços de bem-estar na Finlândia exibe vieses de gênero significativos e clinicamente relevantes, onde as variantes femininas das consultas são sistematicamente distorcidas por estereótipos sociais relacionados a cuidados infantis e saúde reprodutiva, comprometendo a precisão médica tanto na recuperação quanto na geração de respostas.
Este estudo retrospectivo utilizou dados reais de prontuários eletrônicos de saúde de uma base nacional dos EUA para desenvolver e avaliar modelos de aprendizado de máquina, demonstrando que é possível prever com alta precisão (AUC de 0,95) quais consultas ambulatoriais serão perdidas ou canceladas, permitindo otimizar a gestão de agendamentos.
Este estudo prospectivo demonstrou que uma plataforma baseada em blockchain com tokens intransferíveis (SBTs) permitiu a agregação rápida, global e econômica de julgamentos de especialistas em coluna, validando a coerência clínica dos dados e quantificando a variabilidade nas decisões de tratamento.
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.