184 篇论文
健康信息学正以前所未有的速度重塑现代医疗，它不再仅仅是电子病历的数字化，而是利用数据科学挖掘海量健康信息，以优化诊疗决策、提升公共卫生响应效率。这一领域架起了临床医学与计算技术之间的桥梁，让原本沉睡的数据转化为挽救生命的洞察。
在 Gist.Science，我们专注于从 medRxiv 预印本服务器中实时追踪该领域的最新研究。我们处理每一份新发布的论文，不仅提供详尽的技术解读，更将其核心发现转化为通俗易懂的中文摘要，确保无论是专业人士还是普通公众都能轻松理解这些前沿突破。
以下为您呈现健康信息学领域的最新论文列表，带您第一时间探索数据驱动医疗的未来。
该研究利用尼泊尔 2015 至 2024 年的结核病月度发病数据，开发并验证了一种结合 SARIMA 线性建模与 CNNAR 非线性特征提取的混合预测模型，其预测精度显著优于 SARIMA、LSTM、Prophet 等单一或主流基准模型，为尼泊尔结核病防控及资源分配提供了高精度的决策支持工具。
MedOS 是一种通过双系统架构模拟人类认知、融合物理感知与临床推理的通用具身世界模型，它不仅能自主执行复杂的医疗任务并预测风险，还能通过弥合初级与资深医师的绩效差距来推动临床干预向人机协作的新范式转变。
该研究展示了一种利用大语言模型全自动生成系统综述的可行方案，其生成内容在专家评估中质量优于部分人工综述且难以被区分，但也暴露了信息广度受限及幻觉风险等关键挑战，呼吁建立透明的整合框架以应对学术出版的新变局。
该研究利用基于图神经网络的方面级情感分析模型，对 84 款耳鸣管理应用的 34 万余条用户评论进行大规模分析，揭示了治疗功能与用户满意度呈正相关，而定价、广告及技术稳定性则是主要的不满来源，从而为应用优化和临床推荐提供了数据支持。
这项针对 30 名临床医生的研究揭示了医生修改 AI 生成病历草稿的主要动因（如提升准确性、降低法律风险及满足计费标准）及具体原因（如转录错误和缺乏上下文），并据此提出了通过优化模型可靠性、深化专科定制、加强系统集成及提供机构支持来改善环境 AI 文档系统的综合建议。
本研究提出了一种名为 CardioPulmoNet 的受生理耦合启发的神经网络架构，通过模拟心肺相互作用机制，在有限数据条件下实现了稳定且可解释的组织病理学图像特征学习，有效提升了分类性能。
该研究验证了名为 otto-SR 的大语言模型工作流在文献筛选、数据提取和偏倚风险评估等系统性综述核心任务中的卓越性能，证明其不仅能高效自动化这些耗时环节，还能快速复现并更新现有综述，从而为自动化、可扩展且可靠的知识合成奠定了基础。
本文介绍了专为老年辅助生活设计的 Lilo 引擎，这是一个通过强制实施结构性不变量（如无条件运行的危机检测守护层和输出反射层）来确保 100% 危机召回率和确定性安全轨迹的 5 层治疗性 AI 管道，旨在解决现有智能体编排系统在高风险场景中不可接受的故障率问题。
这项基于美国 1900 多万患者数据的研究发现，超活动型埃勒斯 - 当洛斯综合征（hEDS）的患病率可能高于此前认知，且该病患者在感染新冠病毒后发展为长新冠的风险显著更高，病毒甚至可能诱发或揭示此前未被诊断的 hEDS 症状。
该研究表明，在识别 NIH 阿片类药物成瘾治疗资助项目创新点时，经过精心提示的 ChatGPT-4.0 在描述深度与相关性方面的表现显著优于人类编码者，显示出大语言模型在提升定性研究评估效率与质量方面的潜力。