📄 Category

health informatics

191 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.

📄 health informatics

Disease Risk Prediction Using Structured EHR Data: Can Generalist Large Language Models Match Specialized Clinical Foundation Models? A Comparative Evaluation with Fine-Tuning

Esta avaliação comparativa demonstra que, embora os modelos de linguagem grandes generalistas ajustados finamente geralmente apresentem desempenho inferior aos modelos fundamentais clínicos especializados na previsão de risco de doenças em registros eletrônicos de saúde estruturados, os embeddings gerados por modelos de linguagem grandes acoplados a classificadores leves podem alcançar desempenho superior em ambas as métricas AUROC e AUPRC.

Mao, B., Prasadha, M. K., Xie, Z., He, J., Ghebranious, M., Xu, H., Zhi, D., Rasmy, L.2026-05-01
📄 health informatics

Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving

O protocolo REVELIO descreve um estudo piloto randomizado e controlado em uma pista de testes fechada, destinado a avaliar a viabilidade de um sistema multimodal a bordo para detectar direção sob influência de cannabis em usuários recreativos saudáveis, correlacionando dados do veículo, do condutor e biológicos após a administração controlada de THC.

Bechny, M., Deuber, R., Heck, C., Brügger, J., Pfäffli, M., Jovanova, M., Fleisch, E., Wortmann, F., Weinmann, W.2026-05-01
📄 health informatics

AERO: An AI Agent for Adaptive Eligibility Refinement and Optimization of Clinical Trial Criteria in Real-World Trial Emulation

O artigo apresenta o AERO, um framework de agente de IA que otimiza os critérios de elegibilidade para ensaios clínicos para emulação de dados do mundo real, aproveitando modelos de linguagem grandes para classificar e refinar sistematicamente os critérios, melhorando assim a generalizabilidade e a precisão das estimativas do efeito do tratamento, conforme demonstrado em uma emulação do ensaio WARCEF.

Li, X., James, J., Pellikka, P. A., Zong, N.2026-05-01
📄 health informatics

Integrating Group and Individual Fairness Auditing in Clinical AI: A Post-Hoc, Model-Agnostic Approach

Este artigo apresenta o EquiLense, uma ferramenta prática, a posteriori e agnóstica ao modelo para auditoria que preenche a lacuna entre as avaliações de justiça grupal e individual em IA clínica, utilizando uma nova métrica chamada Diferença Média de Probabilidade Prevista (MPPD) para identificar inconsistências sistemáticas de predição entre grupos demográficos.

Xu, J., Hwang, Y. M., Kondareddy, S., Dormoy, I., Jing, S. L., Pillai, M., Curtin, C. M., Hernandez-Boussard, T.2026-04-30
📄 health informatics

MedAdhereAI: An Interpretable Machine Learning Pipeline for Predicting Medication Non-Adherence in Chronic Disease Patients Using Real-World Refill Data

O MedAdhereAI é um pipeline de aprendizado de máquina interpretável que utiliza dados de refil de medicamentos para prever a não adesão ao tratamento em pacientes com doenças crônicas, visando auxiliar na identificação precoce de riscos e na otimização de intervenções clínicas.

Yadav, S., Rajbhandari, S.2026-04-28
📄 health informatics

MIMIC-IV-Phenotype-Atlas (MIPA) : A Publicly Available Dataset for EHR Phenotyping

O artigo apresenta o MIPA, o primeiro conjunto de dados público e padronizado para fenotipagem em prontuários eletrônicos, que oferece anotações clínicas de alta qualidade em 16 fenótipos para avaliar e comparar métodos automatizados, demonstrando que os modelos de linguagem de grande escala (LLMs) superam abordagens tradicionais na maioria dos casos.

Yamga, E., Goudrar, R., Despres, P.2026-04-24
📄 health informatics

Stakeholder perspectives on the use of enhanced mobile phone capabilities for public health surveillance for non-communicable disease risk factors: A qualitative study

Este estudo qualitativo realizado em Uganda revela que, embora as tecnologias móveis ofereçam oportunidades significativas para melhorar a vigilância de fatores de risco de doenças não transmissíveis em contextos de recursos limitados, sua implementação responsável exige a superação de desafios éticos, legais e sociais relacionados à privacidade, consentimento, equidade e governança de dados.

Mwaka, E. S., Nabukenya, S., Kasiita, V., Bagenda, G., Rutebemberwa, E., Ali, J., Gibson, D.2026-04-23
📄 health informatics

A Bibliometric Review of Explainable AI in Diabetes Risk Prediction: Trends, Gaps, and Knowledge Graph Opportunities

Este estudo bibliométrico revela um lacuna crítica na intersecção entre aprendizado de máquina, IA explicável e grafos de conhecimento para a previsão de risco de diabetes tipo 2, propondo um novo framework conceitual que integra grafos de conhecimento para superar a desconexão entre explicações estatísticas e raciocínio clínico estruturado.

Van, T. A.2026-04-21
📄 health informatics

Decision Curve Analysis for Evaluating Machine Learning Models for Next-Day Transfer Out of ICU

Este estudo utiliza a Análise da Curva de Decisão (DCA) em dados do MIMIC-IV para demonstrar que modelos de aprendizado de máquina, ao serem avaliados por seu benefício líquido em vez de apenas métricas de discriminação, podem otimizar fluxos de trabalho clínicos reais e definir limiares operacionais viáveis para prever a transferência de pacientes da UTI no dia seguinte.

Pozo, M., Pape, A., Locke, B., Pettine, W. W.2026-04-21
📄 health informatics

Leveraging Predictive AI and LLM-Powered Trial Matching to Improve Clinical Trial Recruitment: A Usability Assessment of Trialshub

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.

Blankson, P.-K., Hussien, S., Idris, F., Trevillion, G., Aslam, A., Afani, A., Dunlap, P., Chepkorir, J., Melgarejo, P. (…)2026-04-20