Результаты поиска

Development and application of machine learning models for hematological disease diagnosis using routine laboratory parameters: a user-friendly diagnostic platform.

AimIn recent years, with the change of social environment, the incidence and detection rate of hematological diseases have shown an increasing trend. Early diagnosis and detection of hematological diseases are very important to improve the quality of life and prognosis of patients.MethodsIn this study, we employed 54 clinical and conventional laboratory parameters. By optimally combining multiple feature selection methods and machine learning algorithms, we developed 7 machine learning models with varying feature set sizes. We comprehensively evaluated the performance of these models, analyzed

Поощрение использования продольных электронных медицинских записей: обучение по изучению реальных мировых данных о последствиях хронических заболеваний.

Для борьбы с хроническими заболеваниями требуется постоянный мониторинг деятельности по борьбе с заболеваниями и терапевтическое реагирование в целях оптимизации планов лечения. С учетом растущей доступности методов лечения, позволяющих сглаживать заболевания, крайне важно изучить вопрос о сравнительной эффективности и долгосрочных результатах, помимо тех, которые могут быть получены в ходе выборочных клинических испытаний. Мы внедряем всеобъемлющий трубопровод для получения воспроизводимых и обобщенных реальных данных о результатах болезней за счет использования электронных данных о состоянии

Diagnostic Performance of Machine Learning for Systemic Lupus Erythematosus: Systematic Review and Meta-Analysis.

BACKGROUND: Early and accurate diagnosis of systemic lupus erythematosus (SLE) and its organ involvement is essential. Previous reviews of machine learning (ML) in SLE combined heterogeneous tasks and validation strategies and may have overinterpreted model performance. OBJECTIVE: This study evaluated the diagnostic performance of ML and deep learning (DL) models for 3 clinically distinct SLE-related tasks: SLE classification or diagnosis, lupus nephritis (LN) diagnosis, and neuropsychiatric systemic lupus erythematosus (NPSLE) discrimination. We also assessed methodological quality and certa

Machine Learning for Differentiating Essential Tremor: A Scoping Review.

BackgroundEssential tremor (ET) is the most common movement disorder, affecting ~6% of adults over 65 [1]. Differentiating ET from other tremors remains clinically challenging due to overlapping features and variable presentation. Artificial intelligence (AI), particularly machine learning (ML), has emerged a potential tool to support neurologists by enhancing pattern recognition and complementing traditional assessments in complex cases. This is the first scoping review examining ML's potential role in distinguishing essential tremor from other tremor types.MethodsA systematic, scoping search

Совпадение в полном тексте источника
… The AI string contained terms related to machine learning and artificial intelligence including: “Machine Learning,” “Supervised Machine Learning,” “Unsupervised Learning,” and “Deep Learning.” …

A Systematic Review of Machine Learning Techniques in Hematopoietic Stem Cell Transplantation (HSCT).

Machine learning techniques are widely used nowadays in the healthcare domain for the diagnosis, prognosis, and treatment of diseases. These techniques have applications in the field of hematopoietic cell transplantation (HCT), which is a potentially curative therapy for hematological malignancies. Herein, a systematic review of the application of machine learning (ML) techniques in the HCT setting was conducted. We examined the type of data streams included, specific ML techniques used, and type of clinical outcomes measured. A systematic review of English articles using PubMed, Scopus, Web o

Artificial Intelligence in the Management of Hereditary and Acquired Hemophilia: From Genomics to Treatment Optimization.

Hemophilia, an X-linked bleeding disorder, is characterized by a deficiency in coagulation factors. It manifests as spontaneous bleeding, leading to severe complications if not properly managed. In contrast, acquired hemophilia is an autoimmune condition marked by the development of inhibitory antibodies against coagulation factors. Both forms present significant diagnostic and therapeutic challenges, highlighting the need for advanced genetic, molecular, laboratory, and clinical assessments. Recent advances in artificial intelligence have opened new avenues for the management of hemophilia. M

Совпадение в полном тексте источника
… Application | AI Technology Used | Clinical Impact | Status of Implementation | Early Diagnosis | Supervised machine learning (e.g., classification algorithms) for genotype–phenotype correlation and severity prediction | Timely identification of hemophilia A and B severity, including in underdiagnosed …

Artificial Intelligence for Risk Stratification in Diffuse Large B-Cell Lymphoma: A Systematic Review of Classification Models and Predictive Performances.

Background: Diffuse large B-cell lymphoma (DLBCL) is a biologically heterogeneous malignancy, with various outcomes despite significant advances in therapeutic options. Current conventional prognostic tools, e.g., the International Prognostic Index (IPI), lack sufficient precision at an individual patient level. However, artificial intelligence (AI), including machine learning (ML) and deep learning (DL), can enable specialists to navigate complex datasets, with the final aim of improving prognostic models for DLBCL. Objectives: This scoping review aims to systematically map the current litera

A review on machine learning approaches and trends in drug discovery.

Drug discovery aims at finding new compounds with specific chemical properties for the treatment of diseases. In the last years, the approach used in this search presents an important component in computer science with the skyrocketing of machine learning techniques due to its democratization. With the objectives set by the Precision Medicine initiative and the new challenges generated, it is necessary to establish robust, standard and reproducible computational methodologies to achieve the objectives set. Currently, predictive models based on Machine Learning have gained great importance in t

Совпадение в полном тексте источника
… This task is aided by new functions developed in eFindSite [94] , which is independent software available free of charge, that uses supervised machine learning to predict the pharmacological ability of a given protein. …

Применение методов извлечения дискриминирующих и глубоких элементов для полного анализа слайдов: обследование.

Цифровые патологические технологии, включая целые слайды, значительно улучшили современные клинические методы, облегчая хранение, просмотр, обработку и совместное цифровое сканирование стеклянных слайдов. Исследователи предложили различные решения в области искусственного интеллекта (АИ) для применения в цифровой патологии, такие, как автоматизированный анализ изображений, для извлечения диагностической информации из WSI в целях повышения производительности, точности и воспроизводимости патологии. Методы экстракции особей играют решающую роль в преобразовании первичных данных об образе в значи

От прогнозирования к вмешательству: Искусственный интеллект для адаптивного реагирования и моделирования токсичности в клеточной терапии для гематологовых злодеяний.

Гематологическая магнелезность, включая острую лейкемию миэлоида, миэлодипластические синдромы, лимфому и множественную миелому, характеризуется глубокой биологической гетерогенностью и высокодинамичными траекториями лечения, которые традиционные статические прогнозирующие системы неполно улавливают. Клеточная терапия, такая, как химерик антигенная рецепторная терапия Т-клеток и трансплантация стволовых клеток с гематополией, предлагает потенциально лечебные варианты для рецидива или рефракторного заболевания, однако результаты остаются весьма различными, а управленческие решения, касающиеся и

Proteomic alterations in ovarian cancer-Predicting residual disease status using artificial intelligence and SHAP-based biomarker interpretation.

IntroductionHigh-grade serous ovarian cancer (HGSOC) is the most aggressive and prevalent subtype of ovarian Treatment outcomes are significantly influenced by residual disease status following neoadjuvant chemotherapy (NACT). Predicting residual disease before surgery can improve patient stratification and personalized treatment strategies.MethodsThis study analyzed pre-NACT proteomic data from 20 HGSOC patients treated with NACT. Patients were categorized into two groups based on surgical outcomes: no residual disease (R0, n = 14) and suboptimal residual disease (R1, n = 6). From an initial

Усиленная диагностика заболевания множественным склерозом на основе подхода, основанного на ансамблях

Множественный склероз (MS) — болезнь, наносящая удар по центральной нервной системе. Согласно самым последним статистическим данным MS Atlas 2.8 million люди во всем мире диагностировали MS. Недавно в рамках исследований стали изучаться методы машинного обучения для прогнозирования НР с использованием различных данных. Целью настоящего документа является разработка комплексного подхода к диагностике MS с использованием профилей выражения генов при одновременном решении проблемы классового дисбаланса, связанной с данными. Предлагается иерархический комплексный подход с использованием методов го

Совпадение в полном тексте источника
… The supervised machine learning methods used were the support vector machine algorithm, decision tree, and K-nearest-neighbor. The highest accuracy, 98.89%, was achieved using support vector machines. … A comparison of supervised machine learning algorithms and feature vectors for MS lesion segmentation using multimodal structural MRI. PLoS ONE. 2014;9:e95753. doi: 10.1371/journal.pone.0095753. 16. …

Окисляющие молекулярные сигнатуры в неизлечимых заболеваниях: систематический обзор комплексных подходов к машинному обучению и системной биологии.

Окисляющий стресс является одним из основных факторов патогенеза иммунных заболеваний в результате его воздействия на клеточный метаболизм, митохондриальную функцию, иммунную сигнализацию и воспалительную травму тканей. Разрушение гомеостазиса способствует метаболическому перепрограммированию и постоянной активации врожденной и адаптивной иммунной реакции, что способствует прогрессированию заболеваний через многочисленные подстрекательские и аутоиммунные расстройства. Последние достижения в области высокопроизводительных молекулярных технологий привели к созданию крупномасштабных многомерных н

Application of NMR-based metabolomics and machine learning for non-invasive disease screening in dogs.

BackgroundBlood-based metabolomics is increasingly recognised as a powerful tool for disease detection in human medicine. However, its application in veterinary science remains limited.ObjectiveTo evaluate the ability of an NMR-based metabolomics platform combined with machine learning to screen dogs for cancer, cardiovascular disease (CVD), and overall health status.AnimalsClient-owned dogs were recruited from two sites. Of 156 animals enrolled, 139 remained after exclusions and were used for training and cross-validation of classification models.MethodsBlood samples were obtained from clinic

Машинное обучение - Deriveed Immune Gene Signing Previsions Прогнозы прогноза и терапическая вульгарность в Множестве миеломы.

Иммунная микроокружающая среда вносит существенный вклад в биологическую и клиническую неоднородность множественной миэломы (ММ), однако молекулярные биомаркеры, связанные с иммунной деятельностью, с воспроизводимым прогнозируемым значением по-прежнему ограничены. Здесь мы разработали 12-генную генную сигнатуру, связанную с иммунным иммунитетом (ИРГС), используя интеграционную систему машинного обучения, и оценили ее прогнозируемую эффективность в различных группах MM. ИРГС последовательно стратифицировала общее выживание и оставалась независимой с точки зрения результатов после корректировки

Machine Learning Approaches in Diagnosis, Prognosis and Treatment Selection of Cardiac Amyloidosis.

Cardiac amyloidosis is an uncommon restrictive cardiomyopathy featuring an unregulated amyloid protein deposition that impairs organic function. Early cardiac amyloidosis diagnosis is generally delayed by indistinguishable clinical findings of more frequent hypertrophic diseases. Furthermore, amyloidosis is divided into various groups, according to a generally accepted taxonomy, based on the proteins that make up the amyloid deposits; a careful differentiation between the various forms of amyloidosis is necessary to undertake an adequate therapeutic treatment. Thus, cardiac amyloidosis is thou

Революция онкологии: роль искусственного интеллекта (AI) в качестве антителного дизайна и средств оптимизации.

Антитела играют решающую роль в защите человеческого тела от болезней, включая такие опасные для жизни заболевания, как рак. Они оказывают посреднические услуги в связи с иммунной реакцией на иностранные антигены и, в некоторых случаях, на самоантигены. С течением времени антителные технологии эволюционировали от моноклонных антител (mAbs) до химерика антигенных рецепторов Т (клеток CAR-T), оказывая значительное влияние на биотехнологию, диагностику и лечение. Хотя эти достижения способствовали активизации терапевтического вмешательства, интеграция искусственного интеллекта (АИ) революционизир

Positron Emission Tomography-Derived Radiomics and Artificial Intelligence in Multiple Myeloma: State-of-the-Art.

Multiple myeloma (MM) is a heterogeneous neoplasm accounting for the second most prevalent hematologic disorder. The identification of noninvasive, valuable biomarkers is of utmost importance for the best patient treatment selection, especially in heterogeneous diseases like MM. Despite molecular imaging with positron emission tomography (PET) has achieved a primary role in the characterization of MM, it is not free from shortcomings. In recent years, radiomics and artificial intelligence (AI), which includes machine learning (ML) and deep learning (DL) algorithms, have played an important rol

Radiomics in spinal research: a narrative review.

Radiomics has emerged as a transformative tool in medical imaging, offering the ability to extract complex quantitative features that are generally indiscernible to the human eye. These radiomic features can be interrogated non-invasively on medical imaging. Importantly, in contrast to traditional diagnostic methods reliant on a single, often scalar, measure, radiomics features can form a high-dimensional data space from imaging data suitable for machine learning. Within the framework of artificial intelligence, radiomic features can be harnessed for differentiating healthy from pathological t

Artificial intelligence in immunotherapy: revolutionizing diagnostic and therapeutic applications in cancer and autoimmune diseases.

Artificial intelligence (AI) is increasingly advancing precision immunotherapy by integrating high-dimensional biomedical data to support diagnosis, treatment selection, and longitudinal monitoring in both cancer and autoimmune diseases. This review summarizes AI applications in biomarker discovery, prediction of immune checkpoint inhibitor (ICI) response and toxicity, neoantigen prioritization, CAR-T cell optimization, and therapeutic antibody engineering. In oncology, multimodal models combining multi-omics, medical imaging, and clinical variables improve patient stratification and non-invas