Por qué las clínicas se alejan de la IA en la nube: IA privada y offline
Descubre por qué las clínicas optan por IA privada y offline para proteger datos sensibles, cumplir normativas y mejorar la eficiencia.
#clínica
Predicción de rechazo en LLM clínicos: evaluación centrada en despliegue
Predicción de rechazo en LLM clínicos usando contexto de despliegue. AUROC 0.719 activa guardrails para evitar respuestas no aceptadas.
Clasificación en cascada de imágenes dermatoscópicas con sensibilidad controlable
Explora cómo la clasificación en cascada con deep learning ofrece sensibilidad controlable para neoplasias cutáneas. Validación clínica externa y comparación de arquitecturas.
Mejora de Embedding Espectral con Transferencia Robusta y Flexible en EHR
Descubre cómo mejorar embeddings espectrales en EHR con transferencia de conocimiento robusta y flexible, superando datos escasos en enfermedades raras.
MedCTA: Benchmark para agentes clínicos
Descubre MedCTA, el benchmark para evaluar agentes de IA en tareas clínicas reales. Analizamos su rendimiento en herramientas clínicas y protocolos.
Modelos fundacionales tabulares para el análisis de supervivencia clínica
Los modelos fundacionales tabulares, con adaptación MTLR, alcanzan un índice C de 0.856 en MIMIC-IV, superando a DeepSurv y otros métodos. Descubre los resultados en este análisis.
Señal de confiabilidad con explicabilidad para clasificación eficiente de ECG
Descubre cómo la explicabilidad como señal de confiabilidad reduce costos de entrenamiento y mejora la clasificación de ECG. Mayor macro-F1.
Ajuste fino supervisado con datos sintéticos perjudica predicción de Alzheimer
Un estudio revela que el ajuste fino con razonamiento sintético empeora la predicción de Alzheimer, a pesar de razonamientos precisos. Descubre por qué.
Dep-LLM: Diagnóstico de depresión sin entrenamiento con LLM fiable y multifactor
Dep-LLM diagnostica depresión sin entrenar usando LLMs fiables y evidencia multifactorial. Mejora precisión en entrevistas clínicas.
FADA: IA accesible para ultrasonido fetal
FADA revoluciona la ecografía fetal: un solo modelo de IA interpreta, detecta y segmenta sin etiquetas. Entrenable en GPU y ejecutable offline en móvil.
Pre-AF 13: Puntaje de riesgo de FA interpretable de informes de alta
El modelo interpretable Pre-AF 13 predice el riesgo de FA en pacientes cardiovasculares usando informes de alta, superando scores clínicos.
Eficacia del clustering profundo en conjunto en historias clínicas
Investigamos la eficacia del clustering profundo ensemble en historias clínicas electrónicas para identificar subgrupos de pacientes con insuficiencia cardíaca.
Explorando la Adaptación de Dominio Precisa y Transparente en Salud Predictiva
Descubre cómo ExtraCare logra predicciones precisas y explicables en salud al descomponer representaciones de pacientes en componentes invariantes y covariantes. Ideal para la práctica clínica.
MedFeat: ingeniería de características con LLMs para predicción clínica
Descubre cómo MedFeat usa LLMs para ingeniería de características consciente del modelo, mejorando predicciones clínicas en más de un 10%.
Robots con modelos fundacionales en el cuidado de mayores y pacientes
Los robots con modelos fundacionales mejoran la comunicación y personalización en cuidados. ¿Son fiables? Analizamos avances, usabilidad y evidencia clínica.
Cuantificación de marcha Rodda-Graham desde video en niños
Descubre cómo la IA permite clasificar la marcha en niños con parálisis cerebral usando un solo video, sin marcadores ni equipos costosos. Precisión comparable a la análisis 3D.
Sintéticos pero no realistas: el reto de evaluar modelos generativos en historias clínicas
Descubre por qué los datos sintéticos en salud pueden ser engañosos. Un estudio revela fallos en la evaluación actual y propone un marco multidimensional.
Automatiza la digitalización de registros médicos con AWS Bedrock y HealthLake
Automatiza la digitalización de historias clínicas en PDF a datos FHIR R4 con Amazon Bedrock y AWS HealthLake. Sin modelos ML, despliega en 20 minutos.
Transformación de operaciones en ciencias de la vida con FSP y Data CRO
Descubre cómo el modelo FSP en India y la innovación Data CRO transforman las operaciones de ciencias de la vida, optimizando costos y acelerando el desarrollo.
La experiencia hace hábil: Razonamiento médico con memoria autoevolutiva
SkeMex permite a agentes médicos acumular habilidades reutilizables de la experiencia, mejorando el razonamiento clínico sin actualizar modelos.