À proposTopCours
← heapsort-ai

healthcare AI

72 items

ARTICLEDEV.to AI·13/04/2026

The Shocking Truth About AI Agent Benchmarks: Your Medical Diagnostics Will Never Be the Same in 2026

L'article révèle l'importance critique de benchmarks rigoureux et standardisés pour les agents d'IA en diagnostic médical d'ici 2026, remettant en question la préparation de l'IA pour une adoption clinique généralisée. Il souligne que, sans une validation de performance adéquate, le potentiel révolutionnaire de l'IA dans les soins de santé reste en grande partie théorique et non fiable.

AI BenchmarksDiagnostic AIAI validationhealthcare AI
27
ARTICLEDEV.to AI·il y a 16j

I open-sourced a 4-agent blood-panel triage workflow on heym, with a deterministic Python safety gate that runs BEFORE any LLM token

Un flux de travail multi-agents à 4 agents a été développé pour transformer les bilans sanguins bruts en rapports structurés d'éducation des patients. L'architecture comprend une porte de sécurité Python déterministe qui s'exécute avant tout jeton LLM, prévenant les défaillances critiques pour les valeurs de laboratoire d'urgence.

patient educationdeterministic AILLM safetyhealthcare AI
27
RESEARCHarXiv CS.AI·15/04/2026

A longitudinal health agent framework

Cette recherche propose un cadre multicouche et une architecture d'agent d'IA pour soutenir les tâches de santé longitudinales, telles que la gestion des symptômes et le soutien aux patients. Elle vise à améliorer l'adaptation, la cohérence, la continuité et l'autonomie de l'utilisateur lors d'interactions répétées, comblant les lacunes des implémentations actuelles.

Longitudinal healthSymptom managementBehavior changehealthcare AI
27
RESEARCHarXiv CS.LG·15/04/2026

Schema-Adaptive Tabular Representation Learning with LLMs for Generalizable Multimodal Clinical Reasoning

Cette recherche introduit le "Schema-Adaptive Tabular Representation Learning", une méthode novatrice qui utilise les grands modèles linguistiques (LLM) pour créer des embeddings tabulaires transférables. En transformant les variables structurées en déclarations sémantiques en langage naturel, elle permet un alignement "zero-shot" sur des schémas de DSE variés en médecine clinique sans ingénierie de caractéristiques manuelle.

Clinical ReasoningLLMstabular datahealthcare AI
27
RESEARCHarXiv CS.LG·27/04/2026

Conditional anomaly detection using soft harmonic functions: An application to clinical alerting

Cet article propose une nouvelle méthode non-paramétrique pour la détection conditionnelle d'anomalies basée sur les fonctions harmoniques douces. Elle vise à identifier les réponses inhabituelles dans les données cliniques, telles que les tests de laboratoire omis, démontrant son efficacité sur des dossiers de santé électroniques réels.

Anomaly Detectionmachine learninghealthcare AIclinical alerting
27
RESEARCHarXiv CS.LG·01/05/2026

Fidelity, Diversity, and Privacy: A Multi-Dimensional LLM Evaluation for Clinical Data Augmentation

Cette recherche propose l'utilisation de LLM (DeepSeek-R1, OpenBioLLM-Llama3, Qwen 3.5) pour l'augmentation de données synthétiques en santé mentale, répondant à la pénurie et aux réglementations de confidentialité. Un cadre d'évaluation complet est introduit, évaluant la fidélité sémantique, la diversité lexicale et la confidentialité/plagiat pour atténuer les risques comme l'effondrement de mode ou la mémorisation.

synthetic dataLLMssecurityData Augmentation
27
RESEARCHarXiv CS.CL·16/04/2026

A Proactive EMR Assistant for Doctor-Patient Dialogue: Streaming ASR, Belief Stabilization, and Preliminary Controlled Evaluation

Cet article présente un assistant EMR proactif pour le dialogue médecin-patient, qui surmonte les systèmes passifs en intégrant l'ASR en streaming, la stabilisation des croyances et la planification d'actions. Le système a été évalué dans un cadre contrôlé préliminaire, atteignant un F1 de 0.84 et un Recall@5 de 0.87.

Natural Language ProcessingASRhealthcare AImedical AI
27
RESEARCHarXiv CS.CL·27/04/2026

Lightweight Retrieval-Augmented Generation and Large Language Model-Based Modeling for Scalable Patient-Trial Matching

Cet article propose un cadre léger pour la mise en correspondance évolutive patient-essai clinique, s'attaquant aux défis posés par les dossiers de santé électroniques longs et complexes. Il combine la génération augmentée par récupération (RAG) pour identifier les segments pertinents des DSE avec des grands modèles linguistiques (LLM) pour encoder ces segments en représentations informatives.

RAGmedical-informaticshealthcare AILLM
27
RESEARCHarXiv CS.LG·il y a 19j

GraphDiffMed: Knowledge-Constrained Differential Attention with Pharmacological Graph Priors for Medication Recommendation

GraphDiffMed est un nouveau cadre pour la recommandation de combinaisons de médicaments sûres et efficaces à partir de dossiers de santé électroniques. Il utilise une attention différentielle à double échelle pour filtrer les signaux parasites et intègre des contraintes pharmacologiques pendant l'apprentissage, améliorant la qualité de la recommandation.

medication recommendationpharmacologyGraph Neural Networkshealthcare AI
27
RESEARCHarXiv CS.LG·24/04/2026

Validating a Deep Learning Algorithm to Identify Patients with Glaucoma using Systemic Electronic Health Records

Cette recherche valide un algorithme d'apprentissage profond pour l'évaluation du risque de glaucome à l'aide de dossiers de santé électroniques systémiques. Le modèle, affiné sur les données de patients de Stanford, a atteint un AUROC de 0.883 et un PPV de 0.657, démontrant un fort potentiel pour le pré-dépistage évolutif et accessible.

deep learningMedical Diagnosishealthcare AIEHR
27
RESEARCHarXiv CS.AI·07/05/2026

Actionable Real-Time Modeling of Surgical Team Dynamics via Time-Expanded Interaction Graphs

Cet article propose une approche actionnable en temps réel pour modéliser la dynamique des équipes chirurgicales à l'aide de graphes d'interaction étendus dans le temps. Le modèle permet une inférence efficace avec un réseau neuronal de graphes statique, prédisant l'efficacité procédurale et soutenant l'analyse contrefactuelle pour identifier les changements dans la structure de communication.

Team PerformanceGraph Neural NetworksSurgical Dynamicsreal-time AI
27
RESEARCHarXiv CS.LG·il y a 22j

Logical Grammar Induction via Graph Kolmogorov Complexity: A Neuro-Symbolic Framework for Self-Healing Clinical Data Integrity

Cet article présente Logic-GNN, un cadre neuro-symbolique qui utilise les Réseaux Neuronaux Graphiques Temporels et la Complexité de Kolmogorov pour détecter les erreurs de saisie de données dans les dossiers cliniques. Il identifie les anomalies comme des "violations grammaticales" dans une grammaire logique latente des interactions médicales, atteignant un score F1 de 0,94.

Anomaly Detectiondata integrityGraph Neural Networkshealthcare AI
27
RESEARCHarXiv CS.AI·il y a 6j

ChatHealthAI: Aligning Electronic Health Record Representations with Large Language Models for Grounded Clinical Reasoning

ChatHealthAI propose un cadre multimodal pour aligner les représentations structurées des dossiers de santé électroniques (DSE) avec les grands modèles linguistiques (LLM). Cette intégration permet un raisonnement clinique fondé sur le langage naturel et une prédiction précise des patients, comblant le fossé entre les modèles prédictifs DSE et le raisonnement interprétable des LLM.

Clinical Reasoningmultimodal AIElectronic Health Recordslarge language models
27
RESEARCHarXiv CS.CL·il y a 12j

RAG-Coding: Enhancing LLM Medical Coding with Structured External Knowledge

Cet article présente RAG-Coding, une méthode agencée utilisant quatre agents LLM pour le codage automatisé ICD-10-CM, basant les décisions sur des sources de connaissances externes pour une précision et une conformité accrues. Il surpasse les bases de référence existantes basées sur les LLM sur l'ensemble de données MDACE, soulignant l'importance de l'intégration de connaissances externes.

ICD-10-CMmedical codingRAGhealthcare AI
27
RESEARCHarXiv CS.CL·il y a 13j

The Daily Dose: Workflow-Integrated Large Language Model Automation for Clinical Summarization and Trial Identification in Radiation Oncology

The Daily Dose (TDD) est un système piloté par un LLM pour la synthèse clinique et l'identification d'essais en radio-oncologie, intégré dans la pratique courante. L'évaluation clinique précoce a révélé une satisfaction élevée des cliniciens, une utilité perçue et un impact positif sur le flux de travail et les gains de temps.

workflow automationRadiation Oncologyhealthcare AIClinical trials
27
CASEDEV.to AI·27/04/2026

We Built a Voice AI Receptionist in 8 Weeks — Every Decision We Made and Why

L'équipe d'Autor a construit une réceptionniste vocale IA pour les cliniques de santé en seulement 8 semaines, passant du concept à un système de production gérant les appels des patients 24h/24 et 7j/7. Le système traite des milliers d'appels par mois, résolvant le problème des appels manqués après les heures de bureau et libérant le temps du personnel.

customer-service-automationAI implementationhealthcare AIvoice-ai
27