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 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.
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.
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.
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.
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 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.