DR. INFO at the Point of Care: A Prospective Pilot Study of an Agentic AI Clinical Assistant
这项前瞻性试点研究表明，葡萄牙多学科临床医生对代理式 AI 临床助手"DR. INFO"在节省时间和辅助决策方面表现出高度满意，其净推荐值高达 81.2 且无负面评价，证实了该工具在临床实践中的潜力。
📄 Category
health informatics
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。
MedScope: A Lightweight Benchmark of Open-Source Large Language Models for Medical Question Answering
本文提出了 MedScope，一个针对开源轻量级大语言模型在医疗问答任务中的多维度评估基准，通过系统测试揭示了不同模型在性能、效率及鲁棒性上的显著差异，并指出当前模型尚不足以在无监督条件下直接部署于高风险医疗场景。
Combining Token Classification With Large Language Model Revision for Age-Friendly 4M Entity Recognition From Nursing Home Text Messages: Development and Evaluation Study
该研究开发并评估了一种结合微调 Bio-ClinicalBERT 分类器与大语言模型（LLM）修订的多阶段流程，利用本地部署的开源模型，有效克服了养老院文本消息的碎片化与不规范性挑战，显著提升了 Age-Friendly 4M 实体识别的准确性与可扩展性。
MedResearchBench: A Multi-Domain Benchmark for Evaluating AI Research Agents on Clinical Medical Research
本文提出了 MedResearchBench，这是首个专为评估 AI 系统在涵盖 7 个临床领域、基于公开数据集及高质量论文构建的 16 项任务上执行符合临床规范的研究能力而设计的多领域基准，旨在填补现有基准在医学临床研究评估方面的空白。
VaaS is a Multi-Layer Hallucination Reduction Pipeline for AI-Assisted Science: Production Validation and Prospective Benchmarking
本文介绍并验证了名为 VaaS 的多层幻觉减少流水线，该流水线通过在罕见病数据库构建中的迭代应用与严格基准测试，将 AI 辅助科学中的引用幻觉率降至近乎零，同时证明了其在生产规模下的高成本效益与可靠性。
Availability and Quality of Anthropometric Data in Swiss Childrens Hospitals: The SwissPedGrowth Project
瑞士儿科生长项目（SwissPedGrowth）证实了从瑞士多家儿童医院异构电子健康记录中提取高质量儿童人体测量数据的可行性，尽管数据完整性和跨机构标准化方面仍面临挑战，但经加权处理后该队列在人口学特征上能代表瑞士一般儿童人群。
MOE-ECG: Multi-Objective Ensemble Fusion for Robust Atrial Fibrillation Detection Using Electrocardiograms
本文提出了 MOE-ECG 框架，通过多目标粒子群优化算法在异质模型池中选择互补分类器，并利用 Dempster-Shafer 理论进行不确定性感知融合，从而在多个公开数据库上实现了比传统方法更鲁棒、更准确的房颤检测。
HealthFormer: Dual-level time-aware Transformers for irregular electronic health record events
本文提出了 HealthFormer，一种利用双层级时间感知 Transformer 对不规则电子健康记录进行建模的预训练框架，该框架通过结合事件内代码聚合与基于 ALiBI 的连续时间注意力机制，在大规模匈牙利健康数据上实现了有效的自监督预训练，并在癌症预测任务中显著优于传统基线模型。
Federated Learning Performance Depends on Site Variation in Global HIV Data Consortia
该研究利用来自加勒比、中美洲及南美洲六地的 22,234 名 HIV 感染者数据，证实联邦学习能够在保护隐私的前提下，通过跨机构协作显著提升临床预测模型性能，使其接近集中式训练水平并优于单一站点模型。
Early Identification of Hospital Visit Risk in Heart Failure Using Wearable-Derived Data
该研究通过对 249 名心力衰竭患者进行为期 180 天的可穿戴设备监测，发现步数减少、症状加重及就诊前三天静息心率升高是预测住院风险的关键指标，证实了利用可穿戴数据早期识别病情恶化并及时干预的潜力。