193 artigos
Este estudo demonstra a viabilidade da Inteligência Artificial Explicável para a estratificação de risco de quedas e fragilidade em idosos, utilizando uma nova coorte comunitária para identificar perfis funcionais heterogêneos e validar modelos preditivos que destacam a força de preensão manual e avaliações funcionais como principais determinantes clínicos.
Este artigo propõe que a seleção de limiares de probabilidade para modelos de IA clínica, como na previsão de exacerbações de asma, deve ser tratada como um processo de governança organizacional que integra desempenho estatístico, utilidade clínica e capacidade operacional, em vez de uma simples otimização técnica.
Os autores desenvolveram e validaram um "gêmeo digital" governado por Bayesianos para a progressão da doença de Parkinson, que utiliza um mecanismo de "silêncio governado" para suprimir previsões não confiáveis, garantindo assim relatórios clinicamente auditáveis, equitativos e com incertezas calibradas em uma grande coorte longitudinal.
Este estudo desenvolveu um modelo de aprendizado de máquina de alta precisão que integra dados socioambientais em nível de endereço para identificar riscos de hospitalização pediátrica em Cincinnati, demonstrando o potencial da análise espacial granular para orientar intervenções de saúde pública mais direcionadas e equitativas.
Este estudo compara cinco métodos de limitação linguística no Ovid MEDLINE e no Embase com a exclusão manual durante a triagem, concluindo que, embora os filtros automáticos apresentem alta precisão, erros de metadados e a exclusão manual de registros em inglês exigem a realização de buscas por citações para mitigar riscos em revisões de evidências.
Este estudo demonstra que as pontuações agregadas de benchmarks ocultam diferenças clinicamente significativas na segurança de modelos de linguagem de ponta, revelando que a precisão geral não consegue prever riscos críticos como subtriagem, viés contextual ou falhas na identificação de crises de suicídio.
Utilizando dados da pesquisa HINTS de 2022, este estudo conclui que a dificuldade em compreender estatísticas médicas está significativamente associada a maiores preocupações com a qualidade e à percepção de complexidade das informações sobre câncer, destacando a importância da alfabetização estatística para a comunicação em saúde eficaz.
Este estudo apresenta a primeira avaliação em larga escala e em cenário real de um sistema de IA autônomo baseado em modelos de linguagem em telemedicina primária nos EUA, demonstrando que uma arquitetura de sistema intencional, com mecanismos de segurança integrados, alcança alta precisão diagnóstica e de encaminhamento, estabelecendo uma base para a implantação responsável e escalável de IA clínica.
O artigo apresenta o Indiapub, uma aplicação web de código aberto que utiliza dados do OpenAlex para mapear, visualizar e analisar a distribuição geográfica e temporal das publicações acadêmicas na Índia, oferecendo ferramentas interativas para que pesquisadores e formuladores de políticas identifiquem disparidades regionais e otimizem o planejamento de recursos.
Este estudo demonstra que a combinação de técnicas de seleção de características e amostragem de dados, como o teste Qui-quadrado e o SMOTE, com um modelo de aprendizado profundo, melhora significativamente a precisão na detecção de fraudes no Medicare, alcançando 95,4% de acurácia e mitigando o desequilíbrio dos dados.
Este estudo de simulação demonstra que o desempenho e a utilidade clínica de modelos preditivos, como a pontuação de risco para transplante hepático, variam significativamente entre diferentes populações, destacando a necessidade crítica de validação externa e possível reestimulação do modelo antes de sua aplicação em novos contextos.
Este estudo investiga o uso real e as atitudes de pacientes com diabetes em relação aos modelos de linguagem de grande escala (LLMs), identificando que essas ferramentas atuam como suporte multifacetado — desde interpretação clínica e apoio nutricional até assistência emocional e logística — e discute as implicações para sua integração segura nos ecossistemas de autogestão da doença.
O artigo apresenta o THESEUS, um framework que utiliza modelos de linguagem grandes para traduzir automaticamente descrições de estudos em texto livre em scripts R executáveis e padronizados para o ecossistema OHDSI, demonstrando alta precisão na padronização de parâmetros e na geração de código com correção automática de erros.
Este estudo de coorte prospectivo do Canadian Gut Project, envolvendo 2.847 adultos com síndrome do intestino irritável, utilizou modelagem conjunta longitudinal-sobrevivência para demonstrar que trajetórias de sintomas mais graves e com menor taxa de melhora estão significativamente associadas a um maior risco de interrupção do tratamento, apoiando a adoção de abordagens de monitoramento personalizado baseadas na evolução dinâmica dos sintomas.
Este estudo apresenta o HybridNet-XR, uma arquitetura de rede neural convolutiva híbrida e leve que utiliza aprendizado auto-supervisionado sem professor para alcançar alta precisão diagnóstica em radiografia médica com recursos computacionais limitados, superando modelos tradicionais e de conhecimento distilado em ambientes restritos.
Este estudo qualitativo realizado no Hospital Alexandra, em Singapura, revela que, embora a tecnologia de scribe de IA ambiental prometa reduzir a carga administrativa e melhorar o engajamento dos pacientes, sua implementação sustentável exige a superação de desafios relacionados à precisão, suporte multilíngue e conformidade com as regulamentações locais de privacidade.
Este estudo demonstra que os sistemas de IA conversacional podem exibir uma "deriva estrutural", amplificando e expandindo gradualmente interpretações de experiências anômalas dos usuários ao longo do diálogo, e propõe que a detecção automática precoce desse fenômeno é essencial para prevenir riscos de segurança antes que ocorra uma escalada aberta.
O artigo apresenta o ClinPreAI, um sistema de IA autônomo que utiliza dados multimodais de prontuários eletrônicos para prever com eficácia o risco de depressão pós-parto, superando soluções tradicionais e comerciais e democratizando o desenvolvimento de ferramentas preditivas clínicas.
Este estudo desenvolveu e validou o Índice de Documentação Intensiva (IDI), um novo framework que quantifica os ritmos temporais da documentação de enfermagem, demonstrando que sua inclusão melhora significativamente a previsão de mortalidade em pacientes com insuficiência cardíaca na UTI além das variáveis clínicas tradicionais.
O artigo apresenta o OpenScientist, uma inteligência artificial agênica de código aberto que acelera a descoberta biomédica ao realizar autonomamente análises complexas, gerar hipóteses e produzir insights clínicos verificáveis em minutos, tarefas que normalmente exigiriam semanas ou meses de trabalho humano.