153 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。
本文介绍了缺失人口统计泄露审计（MDLA），这是一个可复现的框架，它揭示了重症监护死亡率模型中临床数据缺失的模式如何充当微妙且未测量的代理变量，从而需要将缺失感知审计和校准感知评估整合到临床人工智能验证流程中。
这项对比评估表明，尽管经过微调的通用大语言模型在结构化电子健康记录疾病风险预测任务上通常表现不如专用临床基础模型，但结合轻量级分类器的由大语言模型生成的嵌入表示，却能在 AUROC 和 AUPRC 两项指标上实现更优的性能。
REVELIO 协议概述了一项在封闭测试赛道上开展的随机对照试点研究，旨在通过关联受控 THC 给药后的车辆、驾驶员及生物数据，评估一种多模态车载系统在健康娱乐性使用者中检测大麻致驾驶受损的可行性。
本文介绍了AERO，这是一个人工智能代理框架，它利用大语言模型对临床试验的纳入标准进行系统分类与优化，以实现对真实世界数据的模拟，正如在WARCEF试验模拟中所证明的那样，该方法提高了治疗效果估计的普遍性和准确性。
本文介绍了 EquiLense，这是一种实用、事后且与模型无关的审计工具，它通过利用一种名为“平均预测概率差异”（MPPD）的新颖指标来识别不同人口群体间的系统性预测不一致性，从而弥合临床人工智能中群体公平性与个体公平性评估之间的鸿沟。
本文介绍了 MedAdhereAI，这是一个利用真实世界处方续方数据，通过可解释机器学习模型（如逻辑回归和随机森林）来预测慢性病患者用药依从性风险的决策支持工具。
本文介绍了 MIMIC-IV 表型图谱（MIPA），这是首个公开可用的电子健康记录（EHR）表型基准数据集，它通过提供专家标注的 16 种疾病表型数据及标准化处理流程，解决了该领域缺乏统一基准的问题，并验证了大语言模型在复杂临床表型识别任务中的优越性能。
这项针对乌干达利益相关者的定性研究表明，虽然基于增强型手机功能的工具能有效提升低收入地区非传染性疾病风险因素的数据收集效率，但其成功部署必须优先解决知情同意、隐私保护、数据所有权及数字鸿沟等关键伦理、法律和社会挑战。
本文通过对 1933 篇文献的文献计量分析，揭示了糖尿病风险预测中机器学习与可解释人工智能（XAI）结合领域的快速增长现状，指出了当前缺乏知识图谱（KG）整合的关键研究空白，并提出了将 KG 作为语义层融入 ML 与 XAI 的三层概念框架，以弥合统计解释与临床推理路径之间的差距。
该研究利用 MIMIC-IV 数据库训练机器学习模型预测 ICU 患者次日转出情况，并通过决策曲线分析（DCA）证明其预测策略在考虑实际工作流程约束（如每日审查时间限制）时，比传统评估指标更能有效指导临床决策并优化资源分配。