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 apresenta um quadro sintético de ensaios clínicos oncológicos de ponta a ponta que integra respostas radiográficas, DNA tumoral circulante, segurança e sobrevivência para gerar dados analíticos coerentes e biologicamente plausíveis que suportam a tomada de decisão na ciência de dados translacional.
Este estudo demonstra que, na previsão de mortalidade pós-alta, substituir radiografias de tórax por seus relatórios escritos por especialistas resulta em perda de informação prognóstica e alterações na priorização de risco, indicando que os relatórios não são substitutos perfeitos para as imagens brutas.
Esta revisão sistemática e análise scientométrica de 928 estudos sobre IA em radiografias de tórax revela disparidades significativas, onde países de alta renda dominam a liderança da pesquisa e a origem dos dados, o que ameaça a equidade e a aplicabilidade clínica global desses sistemas.
Este estudo transversal internacional revela que, embora a maioria dos revisores de periódicos médicos esteja familiarizada com chatbots de IA, seu uso na revisão por pares permanece limitado devido a preocupações éticas e de integridade, destacando-se a necessidade urgente de treinamento e diretrizes claras antes de uma implementação mais ampla.
Este estudo apresenta um ensemble bayesiano adaptativo à prevalência, que utiliza geração sintética de dados e gate de incerteza para prever mortalidade perioperatória com precisão de 100% e zero falsos positivos em uma coorte de validação, demonstrando robustez estrutural e utilidade clínica em ambientes com recursos limitados.
Este estudo apresenta o MedResearchBench, um benchmark que demonstra que a verificação programática de citações é o fator decisivo para avaliar a confiabilidade de sistemas de IA médica, revelando que abordagens de múltiplos agentes podem corrigir alucinações e superar as limitações das avaliações subjetivas baseadas apenas em um único modelo.
O estudo conclui que, para a profilagem de carga psicossocial em textos de apoio entre pacientes com câncer, a aprendizagem multi-tarefa focada exclusivamente em tarefas compostas superou a adição de cabeças auxiliares, enquanto a supervisão por rótulos duros permaneceu superior à supervisão por rótulos suaves derivados de modelos de linguagem grandes.
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 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.