Studii medicale: inteligenta artificiala

JMIR Cardio 2026: Revizuire sistematică, 33 studii, LLM în cardiologie. ECG (vignete text): ChatGPT-4 91% corect vs medici urgență 77%. Insuficiență cardiacă (întrebări clinice): ChatGPT-4 91% acuratețe. Educație medicală: 66% acuratețe (variabilitate mare). Limitări: halucinații, knowledge cutoff,

Cancer Cell 2026: KEEP — model fundament AI vizual-lingvistic pentru patologie, cu integrare graf cunoaștere (11.454 boli, 139.143 atribute). Antrenament: milioane imagini-text în 143.000 grupe semantic structurate (ontologie boli). Evaluare: 18 benchmark-uri publice (>14.000 WSI) + 4 seturi tumori

Un model de machine learning cu 13 variabile preprocedurale prezice mortalitatea la 1 an post-TAVR mai precis decât scorurile clasice, facilitând identificarea riscului de futilitate procedurală.

BMC Med Educ 2026: ChatGPT-4o evaluat pe 15 subiecte cardiologie, 150 prompt-uri, 2 cardiologi independenti. Claritate: 4,4/5 (cel mai bun). Acuratete factică: 3,7/5 (moderat; cel mai slab). Aliniere ghiduri: 3,0 (boli pericardice complexe) - 4,2 (angina stabilă). HFrEF: 3,1/5 (alinierea slabă la gh

Profilarea radiomică AI a grăsimii epicardice din CCTA prezice insuficiența cardiacă cu precizie ridicată, oferind un instrument de stratificare a riscului superior metodelor clinice standard.

Studiul propune un cadru de integrare responsabilă a IA în psihiatrie, bazat pe patru componente: IA explicabilă, decizie partajată, dosar electronic și prevenirea daunelor.

Turk Kardiyoloji 2026: ChatGPT-5, Deepseek-V3, Gemini 2.0 Pro vs consiliu 14 medici (7 cardiologi+7 anestezisti), 20 scenarii preoperatorii. Faza 1 (fara ghiduri): ChatGPT-5 κ=0,706 (85%), Gemini 2.0 Pro κ=0,681 (85%), Deepseek-V3 mai mic. Faza 2 (guideline-augmented prompting ChatGPT-5+Gemini): κ=0

Meta-analiza a 68 de studii arată că modelele de învățare automată prezic mortalitatea post-AVC cu acuratețe bună (indice C ~0,82), dar performanța scade la validarea externă.

Un studiu publicat în revista JAMA Network Open a evaluat performanța a 21 de modele lingvistice de mari dimensiuni în scenarii clinice complexe, introducând un nou indicator – PrIME-LLM – pentru a analiza capacitatea acestora de raționament medical complet. Cercetarea

Sistemele de inteligență artificială de ultimă generație — inclusiv cele care stau la baza ChatGPT sau Google Gemini — nu dețin echivalentul experienței corporale umane, iar această lipsă constituie nu doar o limitare de performanță, ci și o problemă fundamentală de siguranță și fiabilit

Curr Heart Fail Rep 2026: ML in trialuri IC — adresează limitele clasice (criterii rigide, endpoint-uri fixe, validitate externa limitata). Aplicatii: stratificare multimodala (EHR+imagistica+biomarkeri+wearable), enrichment cohorte, predictie mortalitate/spitalizare IC, raspuns la tratament. Design

Un studiu realizat la RWTH Aachen University și Technical University of Dresden și publicat în Cancer Discovery a evaluat capacitatea unui model de inteligență artificială de a prezice riscul de carcinom hepatocelular utilizând date clinice de rutină. Cercetarea arată că integrarea datel

Cercetători de la St. Jude Children's Research Hospital au demonstrat că modelele de limbaj de mari dimensiuni (LLM — large language models) pot analiza transcrierile interviurilor cu supraviețuitorii de cancer pediatric și pot identifica simptomele cu impact funcțional sever — dar numai când sunt i

Studiu retrospectiv (N=2.777) ce dezvoltă un model AI pentru predicția anevrismelor coronariene severe în boala Kawasaki, utilizând 7 parametri clinici de rutină cu performanță moderată.

Algoritmii de învățare profundă (CAP) depășesc experții umani în detectarea hipoxiei fetale din cardiotocografii, demonstrând performanță superioară, generalizabilitate și explicabilitate clinică.