193 artigos
Este estudo demonstra que, embora a análise de sentimento em notas clínicas apresente uma correlação fraca com o tempo de internação, a estimativa direta de duração da hospitalização por modelos de linguagem grandes (LLMs) supera essa abordagem, sugerindo que sistemas preditivos futuros devem integrar modelos de NLP eficientes com dados estruturados para capturar a complexidade clínica latente.
Este artigo propõe um framework reprodutível e interpretável para detecção de anomalias em tempo real em Sistemas de Chamada de Enfermeira impulsionados por IA, utilizando um modelo Isolation Forest leve para garantir segurança e confiabilidade em dispositivos de borda, com resultados validados e código aberto disponibilizado publicamente.
Este estudo de falsificação pré-registrado demonstra que, em um centro médico acadêmico de elite, os modelos de previsão de sepse capturam sinais biológicos genuínos e não apenas intensidade de cuidados, revelando, contudo, uma divergência sistemática e significativa entre as definições clínicas e administrativas de sepse que compromete a validade de métricas regulatórias e benchmarks baseados em dados administrativos.
Este estudo compara o desempenho de 11 filtros no Ovid Embase para remover registros de animais e não humanos, revelando que a eficácia varia significativamente entre os métodos e depende de fatores como o tema, o tipo de publicação e o idioma, exigindo que especialistas discutam a adequação do filtro ao contexto específico da revisão.
Este estudo demonstra que uma abordagem de triagem em pronto-socorro baseada em comparações pareadas e agregadas via modelo Bradley-Terry com um juiz de linguagem natural (LLM) supera o índice ESI tradicional e mantém estabilidade cruzada entre diferentes hospitais sem necessidade de treinamento local, superando modelos supervisionados que sofrem de degradação de desempenho em validação externa.
Os autores desenvolveram um pipeline de inteligência artificial que automatiza a extração de dados multimodais de prontuários eletrônicos para registros clínicos, alcançando uma precisão superior a 99% e reduzindo significativamente a carga de trabalho manual ao processar diversas fontes de dados estruturados e não estruturados.
Este estudo nacional auditando 386.775 adultos nos EUA demonstra que a imposição de paridade demográfica em modelos de predição de testes de HIV é inadequada em contextos de carga diferenciada, pois reduz drasticamente a detecção de casos em populações de alto risco, recomendando-se o uso de métricas de equidade baseadas na necessidade clínica, como odds igualados e calibração.
Este artigo foi retirado do medRxiv por ter sido submetido com informações falsas, impedindo qualquer resumo de seu conteúdo pretendido.
Este artigo foi retirado do medRxiv por ter sido submetido com informações falsas, portanto não apresenta dados ou conclusões válidas sobre os efeitos da inteligência artificial na detecção de comprometimento cognitivo.
Este estudo, embora retirado, conclui que a adoção de infraestrutura blockchain em redes hospitalares sul-coreanas aumenta significativamente a eficiência técnica no intercâmbio de informações de saúde em comparação com plataformas convencionais, conforme demonstrado por uma análise de fronteira estocástica com média bayesiana de modelos.
Este artigo foi retirado do medRxiv por ter sido submetido com informações falsas, não apresentando, portanto, resultados válidos sobre o impacto da inteligência artificial na mortalidade por sepse no NHS.
Este artigo foi retirado do medRxiv por ter sido submetido com informações falsas, não apresentando, portanto, dados ou conclusões válidas sobre o impacto do suporte à decisão clínica na detecção do declínio cognitivo.
O artigo apresenta o RLSYN+REG, um modelo generativo baseado em aprendizado por reforço que melhora significativamente a utilidade científica de dados sintéticos biomédicos ao garantir que modelos de regressão treinados nesses dados reproduzam com precisão os coeficientes e previsões dos modelos treinados em dados reais, mantendo ao mesmo tempo a fidelidade estatística e a privacidade.
Este estudo demonstra que a integração de novas características funcionais matemáticas, relacionadas à proximidade espacial e circularidade, ao Teste de Desenho do Relógio Digital (dCDT) melhora a detecção de comprometimento cognitivo leve e demência, oferecendo uma abordagem mais objetiva e precisa do que os métodos tradicionais baseados em estatísticas resumidas.
Este artigo estabelece a Curvatura de Ricci de Ollivier como um biomarcador geométrico quantitativo para redes biomédicas, demonstrando que ela distingue topologias ontológicas e de comorbidade, traça trajetórias de envelhecimento baseadas na multimorbidade e complementa a análise de redes cerebrais, tudo isso validado por verificação formal em Lean 4.
Este estudo demonstrou que modelos de regressão logística e de boosting gradiente, treinados com dados de vigilância do CDC (2010-2017), alcançaram alta precisão na detecção de surtos de influenza nos EUA durante o período de teste de 2020-2025, validando a eficácia de abordagens de aprendizado de máquina para alertas precoces baseados em limiares epidemiológicos.
Uma análise de mais de 410 mil posts no Reddit revelou que, embora sintomas gastrointestinais sejam predominantes entre os usuários que relatam efeitos colaterais de semaglutida e tirzepatida, surgem também sinais de preocupações não totalmente capturadas em ensaios clínicos, como irregularidades menstruais e alterações térmicas, destacando o valor das redes sociais para complementar a farmacovigilância tradicional.
Este trabalho propõe uma abordagem modular baseada em adaptadores LoRA que desacopla a supervisão do raciocínio do ajuste de recompensas em estágios separados, resolvendo instabilidades de treinamento e permitindo a alinhamento estável, auditável e preciso de modelos de linguagem clínicos de pequeno porte para ambientes com restrições de privacidade.
Este artigo apresenta a Nomenclatura e Classificação de Orphanet como um sistema terminológico padronizado e interoperável que, ao mapear 6.527 doenças raras com códigos únicos e vinculações a recursos biomédicos globais, supera a sub-representação dessas condições nos sistemas médicos para melhorar o reconhecimento de pacientes, o intercâmbio de dados e a assistência à saúde.
O estudo GLOW UP é um ensaio observacional prospectivo realizado na Suíça que visa validar a viabilidade de biomarcadores digitais derivados de wearables e smartphones para a triagem e caracterização do pré-diabetes em adultos com mais de 45 anos e IMC elevado.