health informatics 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。

该论文介绍了开源代理式人工智能助手 OpenScientist，它能够通过半自主地执行信息检索、数据分析和知识综合等任务，在数分钟内完成原本需人类耗时数周至数月才能完成的复杂生物医学研究，从而加速临床发现并生成可验证的科学见解。

该研究通过四项独立数据集的预注册证伪测试发现，在顶尖学术医疗中心，脓毒症预测模型主要捕捉的是真实的生物学信号而非护理流程强度，但更关键的发现是临床定义与行政编码（如 CMS SEP-1）之间存在系统性差异，这对监管报告和 AI 基准测试的有效性提出了重要挑战。

该研究通过对近 39 万美国成年人的全国公平性审计发现，在 HIV 检测预测中强制实施人口统计 parity（人口统计平等）会显著降低高风险群体的筛查率并导致更多漏诊，因此主张在医疗公平性评估中应摒弃该指标，转而采用更契合临床需求的公平性标准。

该论文因提交时包含虚假信息已被 medRxiv 撤回。

该论文因提交时包含虚假信息，已被 medRxiv 撤回。

该研究利用随机前沿分析与贝叶斯模型平均法，基于韩国 247 个医院网络的实证数据，首次证实了区块链技术在提升健康信息交换技术效率方面具有显著优势，并识别出网络规模、电子病历成熟度及 IT 治理结构为关键效率决定因素。

该论文因提交时包含虚假信息，已被 medRxiv 撤回。

该论文因提交时包含虚假信息，已被 medRxiv 撤回。

该论文提出了一种名为 RLSYN+REG 的强化学习驱动生成模型，通过奖励机制促使合成数据训练出的回归模型复现真实数据的系数与预测，从而在几乎不牺牲数据保真度与隐私的前提下，显著提升了合成生物医学数据在科学分析中的统计效用。

该研究提出了名为 Chronos 的隐私保护框架，通过整合大规模纵向血浆样本与临床记录，利用多组学技术成功在帕金森病临床症状出现前识别出 CXCL12 等分子轨迹变化，从而实现了疾病的早期预测。