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。

该手稿曾提出了一种用于二维灰度超声乳腺癌诊断的可解释深度学习模型，现因利益冲突及一名共同作者对研究方法的异议而被作者撤回。

本文介绍了一种名为 SPIRIT-CONSORT-ELM 的新颖框架和数据集，该框架通过利用 PubMedBERT 和生成式大语言模型的混合流水线，将现有的报告指南扩展到了元素层面，从而能够高精度地自动评估随机对照试验报告的完整性和透明度。

这项针对塞拉利昂弗里敦医疗保健专业人员的横断面研究显示，尽管参保意愿很高，但私人医疗保险的覆盖率仍然较低，且未发现显著的人口统计学或社会经济因素可作为决定因素，这凸显了需要解决成本和可及性等尚未被研究的障碍，以推进该地区的全民健康覆盖。

本研究通过分析 Wearanize+ 数据集，验证了 Empatica E4 手环在睡眠研究中的实用性，确认了其在追踪不同睡眠阶段心率和皮肤温度方面的准确性，同时识别了由于手腕汗液积累导致在皮电活动测量方面的特定局限性。

本文提出了一种可解释的多模态人工智能框架，该框架将监督式深度学习与保守离线强化学习相结合，以支持术后临床决策，同时对合成数据实践进行了批判，并通过严谨的真实数据方法论验证了系统的架构。

本注册报告提出了一种针对从装有仪器的扶手椅中采集的电容式心电信号的伪影指数，该指数利用三种信号质量指标的投票法，能够有效地在阅读和看电视活动期间区分洁净段与伪影段，从而实现在无监督真实环境下的可靠连续健康监测。

本文介绍了 PolyCLIP-T，这是一种拓扑引导的多模态框架，它利用全基因组测序和持续同调来识别家族性多病症中多基因变异的稳定聚类，从而有效地克服了传统基于规则的流水线在检测非编码、结构性和低外显率遗传驱动因子方面的局限性。

本研究通过人工与人工智能辅助的视觉检查，对 MIMIC-IV-WDB v0.1.0 数据集中的三种光电容积脉搏波衍生的微血管反应性信号进行了评估，发现其中两种信号在大多数情况下未能捕捉到其预期的生理特征，而第三种信号则受限于传感器放置，从而强调了在进行下游建模之前进行原始数据验证的必要性。

本文介绍了 BodyMAE，一种感知表面积的掩码自编码器，它利用度量尺度的 3D 人体扫描来准确估算脂肪量和瘦体重等身体成分指标，在实现与临床 DXA 测量高度相关性的同时，克服了诸如非均匀点密度和设备差异性等挑战。

Genosolver 是一个利用大语言模型与推理模型从非结构化叙述中提取详细临床洞察的集成工作流，通过有效地优先排序致病遗传变异，显著提高了罕见病诊断率，并超越了 Exomiser 等现有工具。