A Qualitative Study of Patient and Healthcare Provider Perspectives on Mobile Health Assessments for Cervical Spondylotic Myelopathy
这项定性研究通过访谈患者和医疗提供者，揭示了移动健康技术在解决颈椎脊髓病评估工具不足方面的巨大潜力，并强调了以用户为中心的设计及与电子病历整合对于成功实施的重要性。
📄 Category
health informatics
193 篇论文
Thyroid Cancer Risk Prediction from Multimodal Datasets Using Large Language Model
该研究提出了一种结合视觉 Transformer 提取 MRI 影像特征与领域自适应大语言模型处理临床文本的深度学习框架，通过跨模态注意力机制融合多源数据，显著提升了甲状腺癌术前良恶性预测的准确性与决策可靠性。
Population differences in wearable device wear time: Rescuing data to address biases and advance health equity
该研究利用"All of Us"项目中的 Fitbit 数据，首次系统揭示了人口学、社会经济及心理健康等因素对可穿戴设备佩戴时长的显著影响，指出传统合规阈值会加剧疾病人群的数据偏差，并据此提出了一套包含动态阈值与统计校正在内的灵活框架，以优化数据保留并推动数字健康研究的公平性。
Predicting cardiovascular risk under intervention: Development and internal validation of the CHARIOT Model in 19 million adults
该研究利用英国 1900 多万成年人的电子健康记录，开发并内部验证了 CHARIOT 模型，该模型结合生存分析与因果推断，能够量化预测不同干预措施（如启动他汀类药物、降压或戒烟）对个体未来 10 年心血管风险的具体降低幅度，从而推动以患者为中心的可行动预防策略。
Longitudinal effects ambient AI scribe use on documentation burden and financial productivity: A quasi-experimental study
这项准实验研究通过 48 周的纵向观察发现，初级保健医生对 Ambient AI 病历助手的使用呈现出渐进式适应过程，其带来的文档时间节省（从第 0 天的 7% 增至第 150 天的 15%）、非工作时间减少及生产力提升等效益随时间推移而持续增强。
TDA Engine v2.1: A Computational Framework for Detecting Structural Voids in Spatially Censored Epidemiological Data with Temporal Classification and Causal Inference
该论文提出了一种名为 TDA Engine v2.1 的计算框架，利用拓扑数据分析技术识别被删减流行病学数据中的结构性空白，并通过结合时间分类与因果推断机制，有效区分了数据缺失是源于随机波动还是系统性抑制。
Agent Role Structure and Operating Characteristics in Large Language Model Clinical Classification: A Comparative Study of Specialist and Deliberative Multi-Agent Protocols
该研究在固定模型参数的前提下，通过对比通用 deliberative 与特征专家两种多智能体协议，证实了内部角色分解作为一种结构化归纳偏置，能够独立重塑大语言模型在临床分类任务中的误差分布并显著调节灵敏度与特异性的权衡。
Red-Teaming Medical AI: Systematic Adversarial Evaluation of LLM Safety Guardrails in Clinical Contexts
该研究通过构建包含 8 类攻击策略的医疗 AI 对抗测试框架，系统评估了主流大语言模型在临床场景下的安全护栏，发现尽管模型对多数攻击具有较强抵抗力，但在“权威身份伪装”（尤其是教育场景）下存在显著漏洞，表明安全改进应聚焦于针对特定语境的行为调控而非单纯的事实准确性。
Medical concept understanding in large language models is fragmented
该研究通过基于人类表型本体论的评估发现，尽管大型语言模型在医疗应用层面表现优异，但其对医学概念的理解存在显著碎片化，仅约半数概念能同时在身份、层级和含义三个核心维度上被一致掌握。
Enhancing Prediabetes Diagnosis from Continuous Glucose Monitoring Data via Iterative Label Cleaning and Deep Learning
该研究利用 AI-READI 数据集，通过结合 K-means 聚类与 XGBoost 的迭代标签清洗方法纠正了“健康”组标签中的 56.9% 误分类，并构建了一个融合卷积与双向长短期记忆网络（Conv+BiLSTM）的深度学习框架，实现了对连续血糖监测数据中糖尿病前期状态的高精度（ROC-AUC 约 0.932）分类与早期干预。
Class imbalance correction in artificial intelligence models leads to miscalibrated clinical predictions: a real-world evaluation
该研究通过对真实世界手术数据的评估发现，尽管类别不平衡校正方法能提升召回率和 F1 分数，但会严重损害模型的校准度并导致风险过度预测，从而在临床决策中可能带来危害，因此未校正的自然分布模型表现更优。
Show Your Work: Verbatim Evidence Requirements and Automated Assessment for Large Language Models in Biomedical Text Processing
该研究评估了在生物医学文本处理中强制大语言模型提供可机械验证的原文引用（“展示工作”）的效果，发现虽然这能建立自动化审计轨迹并提升部分预测的可信度，但也以牺牲覆盖率为代价，且不同模型在稳定性、有效性和语义支持度上表现出显著差异。
Personalized Insights Derived from Wearable Device Data and Large Language Models to Improve Well-Being
该研究基于 3139 名实习生的可穿戴设备与生态瞬时评估数据，揭示了健康行为对情绪影响的显著个体异质性，并开发了由大语言模型驱动的"MoodDriver"系统，通过生成个性化反馈邮件来实现精准的数字心理健康干预。
Trustworthy personalized treatment selection: causal effect-trees and calibration in perioperative medicine
该研究提出了一种结合因果推断、可解释效应树与校准评估的部署就绪框架，利用大规模围手术期数据区分可行动与不可靠的异质性，从而在个性化治疗选择中实现从“黑箱”预测到可信决策支持的转变。
Evaluating a Locally Deployed 20-Billion Parameter Large Language Model for Automated Abstract Screening in Systematic Reviews
该研究评估了本地部署的 200 亿参数大语言模型在系统评价摘要筛选中的表现，结果显示其在敏感性增强提示策略下能显著加快筛选速度并发现部分人工错误，但准确率因领域而异，建议将其作为辅助第二筛选工具使用。
Perceptions of Artificial Intelligence in the Editorial and Peer Review Process: A Cross-Sectional Survey of Traditional, Complementary, and Integrative Medicine Journal Editors
这项针对传统、补充及整合医学期刊编辑的横断面调查显示，尽管编辑们普遍认可人工智能在语言校对和伦理筛查等常规编辑工作中的潜力，但受限于缺乏具体政策、培训及伦理障碍，其实际采纳率仍然较低。
Using the ECHILD Database to Explore Educational and Health Outcomes of Unaccompanied Asylum-Seeking Children living in England (2005 to 2021)
该研究利用 ECHILD 数据库分析了 2005 至 2021 年间英格兰无陪伴寻求庇护儿童（UASC）的人口特征，并评估了其在社会照护、教育和 NHS 健康数据集间的链接率，最终确定了约 6,890 名可被纳入全国性教育与健康成果研究的 UASC 队列。
EmulatRx: Empowering Clinical Trial Design with Agentic Intelligence and Real World Data
本文介绍了 EmulatRx 这一智能体框架，它通过多角色智能体间的迭代对话与分析，利用真实世界数据（如 MIMIC-IV 和 INSIGHT 网络）自主优化临床试验设计，从而显著加速并提升了针对急慢性疾病的试验方案制定效率。
Leveraging Generative Artificial Intelligence for Enhanced Data Augmentation in Emotion Intensity Classification: A Comprehensive Framework for Cross-Dataset Transfer Learning
本文提出了一种结合提示条件生成模型与确定性变换的跨数据集增强框架，通过构建统一策略分类与可解释性提示工程，有效解决了情感强度分类中的数据稀缺与风格异质性问题，并验证了该方法在提升跨域迁移学习性能方面的显著优势。
Making sleep behaviors interpretable: adapting the two-process model of sleep regulation to longitudinal Fitbit sleep and activity behaviors for health insights
该研究利用“全人类”（All of Us）生物库中超过 3.2 万人的百万级 Fitbit 数据，通过将睡眠行为映射到睡眠调节的双过程模型（昼夜节律与稳态），构建了可解释的昼夜与稳态评分，从而在大规模纵向数据中有效解析了睡眠行为与抑郁症等健康结果的关联。