Recherche

Brief de recherche : 98 règles administratives, cliniques et financières pour l'audit des comptes médicaux en Colombie selon la Resolución 2284 de 2023.

Étude 2026 relue par les pairs comparant quatre agents conversationnels sur 128 paires Q/R et 1024 évaluations expertes.

Prépublication medRxiv d’exactitude diagnostique : modèle DSE avec AUC 0.93, sensibilité 96.4 % et spécificité 84.4 %.

Prépublication medRxiv : la reconstruction automatisée du SOFA a amélioré la récupération des variables respiratoires de 33 % à 100 %.

Prépublication JMIR : la mémoire récursive fait passer le F1 du codage clinique zéro-shot de 0.318 à 0.605 après 20 itérations.

Arkangel AI : le système de récupération multi-LLM fournit des réponses médicales fondées sur des preuves avec une précision de 90 %.

LLM auto-extrait USI/ambulatoire (~100 %) et PUMA appliqué : précision de notation de 94 % ; sensibilité de 100 %

L'analyse ML à données minimales a examiné l'IRC dans le diabète de type 2 dans 6 pays à revenu faible ou intermédiaire : sensibilité de 90 %, ASC de 0,63.

Revue : les LLM réussissent bien en assurance qualité, mais une évaluation humaine en boucle et en conditions réelles reste nécessaire en clinique.

Vitruvius : les réponses de chat multi-LLM et à récupération augmentée répondent aux requêtes de style USMLE avec une précision de 90,3 %.

PANDORA a utilisé GPT-4 pour extraire des notes cliniques et appliquer PUMA : > 90 % d'extraction, score BPCO de 95 à 98 %.

Arkangel AI : l'IA en temps réel fondée sur des preuves a réduit le temps de réponse des cliniciens de 79 % et les recherches de 34 % dans un pilote.

AI-CNN lit l'OCT pour détecter le liquide intrarétinien/l'œdème maculaire avec une précision d'environ 97 %, contribuant ainsi aux soins de la rétine.

L'agent conversationnel GPT-4o, formé selon les directives 17 AD, a atteint une précision quasi parfaite.

Patients COVID hospitalisés : la radiographie thoracique par IA et les données cliniques ont prédit l'admission en USI (ASC 0,92) et le décès (ASC 0,81).

Amérique latine : IA d'ensemble utilisant des indicateurs de données cliniques de routine : IRC – sensibilité de 91 % (DT2), 92 % (NT2D)

Amérique latine : IA d'ensemble utilisant des indicateurs de données cliniques de routine : IRC – sensibilité de 91 % (DT2), 92 % (NT2D)

Des modèles d'IA sur 68 millions de patients ont prédit les risques d'IRC, d'IC et de diabète (ASC > 0,85), réduisant les admissions d'environ 45 %.

La lecture automatisée par IA des radiographies thoraciques et du scanner faible dose a porté la sensibilité aux nodules de 47 % à 60 % (+13 %).

Hippocrates AutoML permet aux cliniciens de créer des modèles d'IA sans code 10 fois plus vite, avec préparation automatique des données. Biais à suivre.

Arkangel AI a appliqué un ML non invasif à des données cliniques de routine en Amérique latine : jusqu'à 90 % de patients à risque d'IRC détectés en plus.

IA Arkangel AI (mammographie + données cliniques) : meilleur dépistage du cancer du sein en Amérique latine (ASC 0,90) et lecture réduite jusqu’à 88 %.