256 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 TCGA-Agent，这是一个基于 ReAct 的代理型人工智能系统，它能够利用一套包含八种计算工具的工具集自主查询并分析复杂的 TCGA 临床数据，实现了 93.4% 的准确率，并证明了工具设计和推理循环对于提取现有精选资源之外的临床价值见解而言，比模型规模更为关键。
PhysioFusion 研究表明，一种整合了静态术前变量与术中时间序列数据的多模态集成模型在预测心脏胸腔手术后不良事件方面达到了高准确度（AUC 0.87），这揭示了虽然这两种数据模态表现为替代而非互补关系，但它们的融合优化了灵敏度与特异性的权衡，从而为高风险患者提供了一种具有高阴性预测价值的筛查工具。
这项针对近48,000例住院病例的回顾性多中心研究表明，通过对国家糖尿病指南进行自动化的组件级评估，结果显示整体依从性虽有适度改善，但在胰岛素管理方面仍存在显著差距，且较高的依从性与死亡率和高血糖风险的降低强相关，尽管这同时也导致了低血糖风险的轻微上升。
本文评估了基于深度学习的分叉预测模型在涵盖全美 50 个州的真实世界美国疾病控制与预防中心（CDC）流感数据上的表现，证明了扩展窗口配置在检测流行病临界点方面达到了高准确率（90.09%）和高召回率（96.23%），从而验证了其在实时疫情预警准备方面的潜力。
本研究表明，虽然通过视角独立性和适度综合而非专家人格，多智能体大语言模型团队在基准数据集上的诊断召回率有所提高，但这种优势在现实世界的急诊病例中会发生逆转，即专家角色列表表现出更优越的性能。
这项描述性研究分析了在第七波新冠疫情期间，两名日本用户所保存的 COCOA 应用暴露记录，结果显示，虽然记录的暴露窗口通常追踪了疫情的上升与下降，但随后的政策修订与数据的剧烈下降在时间上重合，而这种下降不能仅归因于政策变化，因为存在诸如应用使用情况和软件更新等混杂因素。
在一项针对拉丁美洲医师进行的随机情境实验中，一个具有证据可追溯性的对话式人工智能系统相比于常规检索实践，显著提高了临床响应的综合有效性，尽管由于样本基于志愿者招募，研究结果被视为探索性的。
这项多项研究评估表明，虽然语音转文本技术能够显著丰富大规模患者健康叙事的长度与内容，但其应用程度在不同人群中差异巨大，并高度依赖于隐私、界面设计以及个人偏好等背景因素。
本研究提出了 RoB2-Evaluator，这是一个基于 GPT-5.2 构建的受规则约束的大语言模型系统，该系统在评估随机对照试验的 Cochrane 偏倚风险 2 工具时，展现出了极高的时序稳定性以及与人类共识的高度一致性。
本研究评估了英格兰 2100 万儿童健康、教育及社会护理数据的关联情况，结果显示，尽管超过 90% 的近期群体已成功实现数据关联，但在来自贫困地区、伦敦居民以及少数族裔群体中的儿童方面，仍存在显著的代表性不足问题，这凸显了研究人员在进行分析时必须考虑这些人口统计学偏差的紧迫性。