healthcare AI

72 items

ARTICLEDEV.to AI·il y a 6h

How accurate are AI transcripts for technical or medical terms?

Cet article aborde la question critique de l'imprécision des transcriptions d'IA lorsqu'il s'agit de terminologie technique et spécifique à un domaine, en utilisant un exemple d'erreur médicale où une erreur de transcription a conduit à une dangereuse confusion de médicaments. Il souligne comment de telles erreurs, non limitées aux soins de santé, peuvent transformer des outils d'IA utiles en passifs et explique pourquoi les termes spécialisés sont difficiles pour les modèles de synthèse vocale.

accuracy errors AI transcription Speech-to-Text

ARTICLEDEV.to AI·il y a 1j

Why Canada Is the Best Place to Build Healthcare AI Right Now

L'auteur affirme que le Canada, et plus précisément l'Ontario, est actuellement le meilleur endroit pour créer des entreprises d'IA dans le domaine de la santé, défiant l'idée que les États-Unis seraient plus innovants. Il souligne l'expérience de son entreprise avec les réglementations canadiennes et le paysage réglementaire complexe des États-Unis comme justification.

regulation Innovation Canada startups

RESEARCHarXiv CS.LG·il y a 19h

MedicalRec: Medical recommender system for image classification without retraining

Cette étude introduit MedicalRec, un système de recommandation médicale pour la classification d'images, conçu pour optimiser la sélection de modèles sans réentraînement. Il s'attaque aux défis computationnels et énergétiques liés à l'identification des modèles en utilisant un ensemble de données public, MedicalRec-Bench, compilé à partir de 3 000 articles et de plus de 5 000 enregistrements de modèles testés.

recommender systems deep learning machine learning healthcare AI

RESEARCHarXiv CS.AI·il y a 19h

Reconstructing and forecasting disease trajectories of patients with Alzheimer's disease using routine data in resource-constrained settings

Cette recherche vise à reconstruire et prévoir les trajectoires de la maladie d'Alzheimer en utilisant des données de routine dans des contextes à ressources limitées. Elle propose un cadre unifié pour la prédiction bidirectionnelle des scores cognitifs à partir de visites irrégulières, permettant l'interpolation et l'extrapolation, et fournissant des estimations d'incertitude calibrées.

forecasting disease progression Alzheimer's disease predictive modeling

RESEARCHDEV.to AI·il y a 2j

Development and Validation of Deep Learning Algorithms for Detection of CriticalFindings in Head CT Scans

Ce contenu traite du développement et de la validation d'algorithmes d'apprentissage profond conçus pour détecter les résultats critiques dans les scanners cérébraux. La recherche explore l'application de l'intelligence artificielle pour améliorer la détection dans les diagnostics médicaux.

deep learning diagnostic imaging CT scans healthcare AI

RESEARCHarXiv CS.CL·il y a 4j

Improving Heart-Focused Medical Question Answering in LLMs via Variance-Aware Rubric Rewards with GRPO

Cette recherche étudie l'amélioration de la réponse aux questions médicales axées sur le cœur dans les grands modèles linguistiques (LLM) à l'aide de l'optimisation de la politique relative de groupe (GRPO) pour le post-apprentissage. Un cadre de récompense sensible à la variance est proposé pour améliorer la supervision basée sur des rubriques avec des fonctions de récompense analytiques continues.

LLMs Medical Question Answering GRPO healthcare AI

RESEARCHDEV.to AI·08/04/2026

QIS Protocol vs Federated Learning: A Distributed Health Data Routing Alternative

O texto apresenta o QIS Protocol como uma alternativa ao Federated Learning para o roteamento de dados de saúde distribuídos, superando suas limitações como vazamento de gradientes e dependência de um agregador central. O QIS oferece privacidade por arquitetura, roteando resultados em vez de parâmetros de modelo com custo logarítmico para aplicações clínicas e de saúde populacional.

privacy federated learning QIS Protocol healthcare AI

ARTICLEDEV.to AI·12/04/2026

EU AI Act High-Risk Healthcare AI: Why Centralized Architectures Have a Structural Compliance Problem

Ce contenu aborde un problème structurel de conformité pour les architectures d'IA centralisées dans le secteur de la santé, classées à haut risque par la Loi sur l'IA de l'UE. Il souligne la difficulté de ces architectures à satisfaire des exigences telles que l'explicabilité et la surveillance continue des risques, posant un défi majeur pour les systèmes dont la date limite est août 2024.

AI architecture High-Risk AI EU AI Act compliance

ARTICLEDEV.to AI·12/04/2026

QIS (Quadratic Intelligence Swarm) vs HPE Swarm Learning: Why Routing Outcomes Beats Routing Gradients

Ce contenu aborde le défi de l'IA dans la santé et la collaboration inter-hospitalière en raison des restrictions de données, comparant deux architectures de fédération : HPE Swarm Learning et QIS. La distinction fondamentale réside dans la distribution de l'entraînement du modèle ou des résultats validés, avec des implications claires pour les cas d'utilisation.

data privacy Distributed AI federated learning HPE Swarm Learning

DOCDEV.to AI·20/04/2026

ChatGPT Prompts for Chiropractors: Patient Communication, Documentation, and Practice Growth

Ce contenu propose des invites ChatGPT pratiques conçues pour aider les chiropraticiens dans la communication avec les patients, la documentation et la croissance de leur cabinet. Il démontre comment l'IA peut rationaliser des tâches telles que la synthèse des formulaires d'admission des patients en résumés cliniques structurés.

AI applications prompt engineering productivity healthcare AI

ARTICLEDEV.to AI·22/04/2026

How AI Receptionists Work: A Technical Deep Dive into Dental Practice Phone Automation

Cet article propose une analyse technique approfondie du fonctionnement des réceptionnistes IA dans les cabinets dentaires, détaillant le flux d'appels, les défis de la précision de la reconnaissance vocale et le rôle des LLM dans le traitement des transcriptions pour l'intention, les entités et le sentiment.

AI applications natural language processing healthcare AI automation

ARTICLEDEV.to AI·11/04/2026

Why Chunking Is the Biggest Mistake in RAG Systems

Este artigo critica a técnica de 'chunking' em sistemas RAG, destacando seus problemas de perda de contexto e erros em documentos estruturados, como registros clínicos. Propõe a indexação ciente da estrutura e a sumarização como métodos mais eficazes para lidar com dados complexos.

chunking LLMs RAG Document Intelligence

CASEDEV.to AI·21/04/2026

Product Case Study- III Incomplete requirements aren’t the exception—they’re the baseline.

Un produit d'IA pour la santé (outil d'annotation de mammographies) a échoué à être adopté malgré sa correction technique, car il ne correspondait pas aux flux de travail et aux modèles d'interaction établis des radiologues. Cela souligne l'importance de valider les exigences par rapport aux habitudes d'utilisation réelles, de cartographier les flux de travail et de considérer l'adoption comme une métrique produit.

product development Workflow user experience healthcare AI

RESEARCHarXiv CS.LG·22/04/2026

Handling and Interpreting Missing Modalities in Patient Clinical Trajectories via Autoregressive Sequence Modeling

Ce travail aborde le défi des modalités manquantes dans les données cliniques multimodales pour le diagnostic, le reformulant comme une tâche de modélisation de séquence autorégressive. Il utilise des décodeurs causaux de LLMs et un pré-entraînement contrastif tenant compte des données manquantes pour surpasser les bases de référence sur des benchmarks comme MIMIC-IV et eICU.

multimodal AI machine learning large language models healthcare AI

RESEARCHarXiv CS.AI·il y a 8j

EHRBench: An Automated and Reliable EHR-based Benchmark for Clinical Decision Making with LLMs

Cet article présente EHRBench, un benchmark automatisé et fiable basé sur les dossiers de santé électroniques (DSE) pour évaluer les LLM dans la prise de décision clinique, comblant le manque de compréhension de leur fiabilité dans des tâches cliniques réelles. Il vise à garantir à la fois l'échelle et la qualité dans l'évaluation des modèles de prise de décision clinique (CDM).

LLMs clinical decision support Benchmarking healthcare AI

RESEARCHDEV.to AI·10/04/2026

Deep Reinforcement Learning for Sepsis Treatment

Este conteúdo aborda a aplicação de Aprendizado por Reforço Profundo para o tratamento de sepse, uma condição médica grave. Ele explora como técnicas avançadas de IA podem otimizar decisões terapêuticas em ambientes clínicos complexos.

Medical Treatment deep learning reinforcement learning Sepsis

ARTICLEDEV.to AI·12/04/2026

QIS Protocol vs Matchmaker Exchange: Two Architectures for Cross-Institutional Rare Disease Intelligence

Le texte aborde le défi architectural de l'intelligence pour les maladies rares, où les données cruciales des patients restent isolées mondialement, empêchant des diagnostics et traitements efficaces. Il décrit le Matchmaker Exchange (MME) pour trouver des phénotypes similaires, mais souligne sa limite à orienter les réponses aux traitements, indiquant le besoin d'un système d'intelligence interinstitutionnel plus complet.

Rare Disease data sharing Genomics interoperability

DOCDEV.to AI·il y a 6j

Building HealthcareAI with Safe MCP Tooling

Ce contenu décrit une architecture pour déployer des agents d'IA de manière sécurisée dans le domaine de la santé, en utilisant un outil MCP (Managed Capability Platform) permissionné. Cette couche MCP fonctionne comme une frontière de contrôle cruciale, médiatisant tout l'accès de l'IA aux systèmes internes et validant les interactions selon des critères de sécurité stricts.

AI architecture data privacy security access control

RESEARCHarXiv CS.LG·il y a 22j

MuteBench: Modality Unavailability Tolerance Evaluation for Incomplete Multimodal Fusion

MuteBench est un nouveau benchmark pour évaluer les architectures de fusion multimodale dans les systèmes d'IA cliniques, traitant spécifiquement les pannes de capteurs entraînant des données manquantes. Il couvre divers ensembles de données, architectures de fusion et deux modes de données manquantes, montrant que la famille de l'architecture est le prédicteur le plus fort de la robustesse.

multimodal AI Data Robustness Benchmarking Sensor Failure

CASEDEV.to AI·09/05/2026

Real-World Applications of Machine Learning

L'apprentissage automatique fait désormais partie intégrante des opérations commerciales quotidiennes, améliorant les performances et automatisant les tâches dans diverses industries. Il apporte des solutions pratiques à des problèmes réels, impactant significativement la santé en permettant la détection précoce des maladies et en améliorant la précision du diagnostic.

real-world applications machine learning Banking AI healthcare AI