BACKGROUND: Metastatic cancer remains one of the leading causes of cancer-related mortality worldwide. Yet, the prediction of survivability in this population remains limited by heterogeneous clinical presentations and high-dimensional molecular features. Advances in machine learning (ML) provide an opportunity to integrate diverse patient- and tumor-level factors into explainable predictive ML models. Leveraging large real-world datasets and modern ML techniques can enable improved risk stratification and precision oncology.
OBJECTIVE: This study aimed to develop and interpret ML models for
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Optimizing the prediction of anti-colorectal cancer agent activity is essential aspect in the identification and creation of medications. Machine learning (ML) techniques, which have gained widespread adoption in computational chemistry, offer a rapid and reliable approach for evaluating the relationship between molecular structures and bioactivity. In this paper, a comprehensive dataset of molecular descriptors and quantum chemical properties was compiled, encompassing general molecular properties, electronic and quantum characteristics, aromatic ring structure, halogen effects, functional gr
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This study aims to develop a machine-learning model using electronic medical records to predict postoperative complications after radical gastrectomy for gastric cancer. Data from 4892 patients who underwent the procedure between January 2012 and March 2022 were analyzed. Complications were defined as grade 1 or higher according to the Clavien-Dindo classification. Thirty-two predictors identified from previous research were matched to electronic medical records. After preprocessing, 5 machine-learning models-logistic regression, random forest, extreme gradient boosting, CatBoost, and multilay
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Widespread access to diagnosis of cognitive decline remains inadequate. Assessment tools rely on neuroimaging, biofluid markers, or lengthy neuropsychological batteries. This reliance limits their use in primary care and low-resource settings and contributes to healthcare disparities. We developed and validated a three-level, resource-stratified machine learning framework to provide scalable dementia screening and prognostic risk stratification across diverse healthcare settings. METHODS: We used data from 31,081 participants in the National Alzheimer’s Coordinating Center. We trai
СтатьяПоддержка NIH: внешняя программаПоддержка правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
IntroductionLiver metastasis (LM) is the most common site of distant metastasis in gastric cancer (GC), significantly affecting patient prognosis. This study developed a machine learning (ML) model to predict the risk of liver metastasis in gastric cancer patients using data from the Surveillance, Epidemiology, and End Results (SEER) database.MethodsData from eligible GC patients between 2010 and 2015 were collected from the SEER database. Stratified randomization divided the data into a training set (70%, n=7671) and a validation set (30%, n=3287). Univariate and multivariate logistic regress
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Anterior cruciate ligament (ACL) injuries are common in athletes and often result in long-term complications such as altered gait and an increased risk of osteoarthritis. Identifying gait abnormalities after ACL reconstruction is crucial for optimizing rehabilitation. This study investigates the use of machine learning (ML) models to distinguish between athletes with ACL injuries and healthy individuals using spatiotemporal gait data collected during treadmill running. The Classifiers tested include the K-nearest neighbors (KNN), gradient boosting machine (GBM), XGBoost (XGB), random forest (R
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The outcomes of children with aplastic anemia receiving cyclosporine monotherapy vary significantly in terms of mortality risk; therefore, a prognostic model for predicting mortality risk was constructed to optimize risk-stratified treatment strategies. This retrospective cohort study included children with acquired AA receiving cyclosporine-based immunosuppression, stratified by disease severity (vSAA/SAA/NSAA) and randomly split into training (70%) and validation (30%) cohorts. Ten machine learning models were developed; hyperparameters were optimized via grid search with 10-fold cross-valid
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
UNLABELLED: <p>Objective: Sepsis-associated liver injury (SALI) occurs in approximately 40% of sepsis cases and is linked to high mortality, a challenge that may stem from the absence of effective prognostic models. We developed a machine learning (ML)-based prognostic model for SALI using conventional biomarkers to guide precise clinical interventions and reduce mortality.
METHODS: We retrospectively analyzed 307 SALI patients (2010-2024), stratified into favorable (n = 139) and poor (n = 168) prognosis groups by post-treatment progression. The cohort was randomly split into a training set (
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Gram-negative bloodstream infection (GN-BSI) can induce fatal septic shock. Moreover, the increasingly severe problem of antimicrobial resistance has led to high clinical mortality, particularly among intensive care unit (ICU) patients. The early identification of pathogens and timely antibiotic therapy are critical for patient outcomes. However, conventional diagnostic methods like blood culture are time-consuming and can delay treatment. Furthermore, the implementation of molecular detection techniques in routine laboratories is often hindered by high costs and technical complexi
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Air plays a vital role in human life, and poor air quality can lead to respiratory infections. Given the significant impact of air quality on people's health, monitoring and assessing air quality is crucial. With advancements in machine learning (ML) and artificial intelligence (AI), we now have extensive tools to measure the Air Quality Index (AQI). Air quality is influenced by various pollutants, including carbon monoxide (CO), nitrogen dioxide (NO2), ozone (O3), and sulfur dioxide (SO2), which are prevalent in highly polluted areas and contribute to a wide range of illnesses. Particulate ma
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND CONTEXT: Adult spinal deformity (ASD) is a heterogeneous condition encompassing diverse etiologies, clinical presentations, and surgical challenges. While previous unsupervised learning models have stratified ASD patients into 3 broad phenotypes, these often lack clinical granularity for surgical decision-making.
PURPOSE: To refine the classification of operated ASD patients using unsupervised machine learning and assess whether expanding from 3 to 8 clusters improves clinical discrimination and predictive robustness.
STUDY DESIGN: Retrospective multicenter study using machine lea
СтатьяМногоцентровое исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: Develop a machine learning-based model for survival prediction in ALS, including advanced-stage patients (≤50% predicted normal vital capacity [VC50]).
METHODS: Training data from the PRO-ACT Database (n = 6896) was supplemented with advanced-stage ALS patients (n = 678), with model validation on distinct advanced-stage ALS patients (n = 403). Baseline patient characteristics, including slopes from symptom onset, were used to train a random forest model to identify parameters with the greatest relative importance (RI) for predicting survival outcomes. These parameters were used to
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Benign paroxysmal positional vertigo (BPPV) is a common peripheral vestibular disorder with a high recurrence rate that significantly impairs patients' quality of life. Multiple studies have confirmed that postmenopausal women, due to endocrine disorders and other physiological characteristics, represent a high-risk population for both BPPV onset and recurrence. However, efficient recurrence prediction models are currently lacking, and traditional assessment methods have limited efficacy, making it difficult to meet the needs of individualized intervention. The aim of this study wa
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Coronary heart disease is one of the leading causes of global death. Early detection and accurate risk assessment are critical for improving patient health and reducing fatality rates. Recently, machine learning has emerged as a powerful approach for predicting heart disease by analyzing clinical data, which enables timely intervention and personalized treatment. Hence, this study aims to propose a reliable model for predicting coronary heart disease that integrates multi-source heart disease data with various machine learning models. This study employs heart disease datasets from four separat
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Hypocalcemia occurs frequently in intensive care units (ICUs) and is independently associated with excess mortality. Conventional severity scores-such as APACHE II and SOFA-assign fixed weights to a limited set of variables and therefore fail to capture the nonlinear, high-dimensional physiology characteristic of hypocalcemic patients. Although machine learning (ML) approaches can enhance risk stratification, no interpretable model tailored to this cohort has been available.
METHODS: We harmonized de-identified data from MIMIC-III, MIMIC-IV, and two Grade III Level A hospitals in
СтатьяМногоцентровое исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Gout is a common inflammatory arthritis characterized by repeated acute flares. The ability to accurately identify gout flares is critical for comparative effectiveness studies of gout treatments. We developed and examined the accuracy of a claims-based algorithm to identify gout flares.
METHODS: Patients receiving care at an academic medical center between 2006 and 2010 with a diagnosis of gout or hyperuricemia were selected using an electronic medical record-Medicare claims linked dataset. Gout flares were identified by several claims-based algorithms using a diagnosis of gout comb
Сравнительное исследованиеСтатьяВалидационное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Surgical resection is the only potentially curative treatment for patients with colorectal, liver, and pancreatic cancers. Although these procedures are performed with low mortality, rates of complications remain relatively high following hepatopancreatic and colorectal surgery.
METHODS: The American College of Surgeons (ACS) National Surgical Quality Improvement Program was utilized to identify patients undergoing liver, pancreatic and colorectal surgery from 2014 to 2016. Decision tree models were utilized to predict the occurrence of any complication, as well as specific compli
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: This study assessed the accuracy of an algorithm that predicts the origin of focal arrhythmias using a limited number of data points.
BACKGROUND: Despite advances in technology, ablations can be time-consuming, and activation mapping continues to have inherent limitations. The authors developed an algorithm that can predict the origin of a focal wavefront using the location and activation timing information in 2 pairs of sampled points. This algorithm was incorporated into an electroanatomic mapping (EAM) system to assess its accuracy in a 3-dimensional clinical environment.
METH
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
AIM: To predict progression within 6 months after chimeric antigen receptor-modified (CAR) T-cell therapy for relapsed/refractory (R/R) B-cell non-Hodgkin's lymphoma (B-NHL) patients by radiomic indexes derived from contrast-enhanced computed tomography (CECT) examinations.
MATERIALS AND METHODS: Seventy R/R B-NHL patients who underwent CECT before treatment with CAR T-cells were examined retrospectively. In total, 297 volumes of interest for lesions were segmented from CECT images. Patients without and with disease progression were assigned to groups 1 and 2, respectively. Radiomic and combi
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To construct an automatic machine-learning derived algorithm discriminating between normal corneas and suspect irregular or keratoconic corneas.
METHODS: A total of 8526 corneal tomography images of 4904 eyes obtained between November 2010 and July 2017 using a combined Scheimpflug/Placido tomographer were retrospectively evaluated. Each image was evaluated for acquisition quality and was labeled as normal, suspect irregular or keratoconic by a cornea specialist. Two algorithms were built. The first was based on 94 instrument-derived output parameters, and the second integrated kerat
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования