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.
#historias clínicas electrónicas
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.
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.
Tiempo hasta evento marcado: nuevo objetivo para modelos EHR
Descubre cómo un nuevo objetivo de preentrenamiento que modela el tiempo y valor de eventos clínicos mejora los modelos fundacionales EHR, logrando representaci
GraphWalker: Analogía de pacientes y ganancia de información en LLMs
GraphWalker mejora el razonamiento clínico con LLMs sin entrenamiento, usando analogía de pacientes y ganancia de información. Optimiza diagnósticos.
Traj-Evolve: Sistema multiagente autoevolutivo para detección de cáncer pulmonar
Traj-Evolve: un sistema autoevolutivo que mejora la detección temprana del cáncer de pulmón usando IA.
EHRBench: un benchmark automatizado y fiable para decisiones clínicas con LLMs
Descubre EHRBench, un benchmark automatizado y fiable para evaluar LLMs en decisiones clínicas reales. Más de 960k preguntas sobre diagnóstico, tratamiento y pronóstico.
Modificación del lenguaje de incertidumbre en documentación clínica con IA
Los médicos modifican el lenguaje de incertidumbre en notas clínicas generadas por IA. Estudio revela tendencias por proveedor y especialidad.
Lenguaje estigmatizante en documentación clínica: IA vs médicos
Estudio: notas finales de médicos tienen 24% de términos estigmatizantes vs 21% en borradores de IA. La edición humana añade sesgos. Conoce el impacto de la IA.