225 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。
这项研究实证比较了大语言模型与同伴对患者在线提问实验室检测结果的回复，发现虽然大语言模型在提供清晰、结构化的医学解释方面表现出色，但同伴能提供更具个性化的情感支持，这表明如果大语言模型能够提升其情感深度、推理透明度以及与社区规范的一致性，它们可以有效地补充同伴社区。
本文介绍了 FootNet，这是一个包含用于临床足部分割的专家标注掩码的多视图智能手机数据集，并建立了一个基准，证明了采用 MobileNetV2 编码器的 U-Net 在分割准确度方面显著优于包括 DeepLabV3、UNet++ 和 SAM ViT-B 在内的其他模型。
本研究提出了一种经过验证的预测工具，该工具利用第8周的体重减轻情况和患者特征来预测六个月后的GLP-1疗效及脱落风险，在提供具有临床操作性的决策依据以辅助共同决策的同时，也承认其作为预后指南而非治疗指南的局限性。
本研究表明，尽管高强度的面部动作单元特征往往难以在不同数据集间实现泛化，但较慢的时间动态和特定的共激活模式（如眼口解耦）可作为抑郁症稳健且具有迁移性的标记物，这表明方向一致性是多中心情感研究中选择特征的更优准则。
韩国的医疗大数据联动平台（HCDL）通过通过可信第三方和集中审查机制整合了13个国家数据库，解决了系统性效率低下的问题，成功促进了多数据库研究申请的激增，以推动数据驱动型和精准医学的发展。
这项涉及 39 名临床医生的用户研究表明，虽然基于归因的解释在临床环境中能最显著地增强对机器学习预测的信任度和理解度，但近半数参与者更倾向于查看多种类型的解释，这表明未来的实现方案应在优先采用归因方法的同时，提供针对特定临床角色定制的多样化格式。
本研究通过利用来自秘鲁774家基层医疗机构的数据，成功修订并心理测量验证了设施层面的远程医疗就绪度调查问卷（TRI-F），证明了其结构效度、内部一致性，以及在基准测试和指导远程医疗实施规划方面的实用性。
这项基准研究表明，虽然将来自丹麦、芬兰和葡萄牙的真实世界数据转换为 OMOP 通用数据模型能够实现乳腺癌和肌萎缩侧索硬化症（ALS）在语义对齐层面的跨国比较，但它并不能消除潜在的数据异质性，因此必须针对原始数据和临床专业知识进行迭代基准测试，以确保流行病学见解的有效性。
本研究表明，一种结合了结构化搜索与 GPT-4-Turbo 迭代优化的 LLM 辅助工作流，能够有效地为气候敏感型食源性疾病生成一个快速、可扩展且具有政策相关性的动态证据库，并具备高召回率和更高的筛选一致性。
RenalTransLSTM 是一种结合了 LSTM 和 Transformer 架构的混合深度学习框架，通过有效捕捉电子健康记录中局部时间动态和全局上下文依赖关系，实现了对重症监护病房（ICU）患者急性肾损伤的高性能多时界预测。