This study aimed to explore the performance of ChatGPT version 4.0 (GPT-4) and Gemini Advanced (Gemini) large language models (LLMs) in addressing common patient questions after gynecology surgery with regards to accuracy, relevance, helpfulness to the average patient, and readability.In this cross-sectional study, the two LLMs were prompted to generate answers to postoperative patient questions after gynecologic surgery. Postoperative patient questions were developed to simulate common patient questions after gynecologic surgery, based on expert opinion and compiled from anonymous posters on
СтатьяОценочное исследованиеПоиск 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: Colorectal cancer liver metastasis (CRLM) presents considerable challenges in both diagnosis and prognosis, as conventional approaches often are limited by subjectivity, variability, and limited efficiency. Recent advances in deep learning have shown great potential for automated extraction of pathological features, offering improved diagnostic accuracy and more reliable prognostic predictions.
OBJECTIVE: This study aimed to develop and validate a multi-model ensemble deep learning framework (colon cancer liver metastasis network [CLM-Net]) for the automatic recognition and progno
СтатьяВалидационное исследованиеПоддержка 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.
ObjectiveThis study compared an image-based, artificial intelligence-driven instrument recognition and inventory system (AI-IRIS) with conventional manual counting (CMC) for postoperative instrument management in simulated settings.MethodsUsing a randomized crossover design, 34 operating room nurses completed two standardized counting scenarios with both methods and rated adoption using the Diffusion of Innovations Questionnaire (DOIQ).ResultsRecognition accuracy was identical between AI-IRIS and CMC under controlled, simulated conditions. However, the AI-IRIS significantly reduced counting ti
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.
BACKGROUND: Pathological evaluation of prostate needle biopsies is labor-intensive and often requires ancillary immunohistochemistry (IHC), increasing cost and diagnostic turnaround time (TAT). Artificial intelligence (AI)-based decision-support tools may improve efficiency, but clinical deployment requires institutional validation and assessment of real-world impact.
METHODS: Within a fully digital pathology practice, we performed institutional validation of an AI-assisted prostate biopsy decision-support tool using routine clinical cases, with pathologist-rendered diagnoses as ground truth.
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: Artificial intelligence-generated health information is increasingly used by patients, but its reliability, visible transparency indicators, and readability remain uncertain in specialized ophthalmic conditions such as age-related macular degeneration (AMD).
OBJECTIVE: This study aimed to evaluate and compare the informational reliability, visible transparency indicators, overall quality, and readability of responses generated by 6 publicly accessible large language models (LLMs) to AMD-related patient-facing prompts under a zero-shot, single-turn prompting scenario.
METHODS: Thi
СтатьяСравнительное исследованиеПоддержка 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.
BACKGROUND: Cardiovascular diseases (CVDs) and type 2 diabetes (DM2) are influenced not only by biomedical risk factors but also by social determinants of health (SDOH). While the inclusion of SDOH in predictive models is increasingly advocated, few studies have quantified their specific contribution in a high-risk clinical cohort using robust statistical and machine-learning approaches.
OBJECTIVE: This study aims to quantify the added predictive value of SDOH in predicting CVD or DM2 disease onset within 5 years, within 10 years, and at any time during follow-up among individuals already at
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.
BACKGROUND: Patients undergoing invasive procedures frequently experience anxiety and often have unanswered questions regarding the procedure. Although large language models show considerable promise for supporting patient communication in many cases, their deployment in health care is limited by the risk of hallucinations, data-privacy constraints, and high energy costs-factors that impede equitable access in resource-limited settings.
OBJECTIVE: This study aims to develop and evaluate LENOHA (Low Energy, No Hallucination, Leave No One Behind Architecture), a locally executable dialog system
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.
BACKGROUND: Infant incubator adverse events refer to various harmful incidents that occur during the normal use of marketed infant incubators and result in, or may result in, bodily harm. In recent years, however, the number of reported adverse events has continued to rise. This trend has made the monitoring of infant incubator adverse events time-consuming and labor-intensive when relying solely on manual processing by medical device adverse-event monitoring personnel. Meanwhile, general-purpose large language models (LLMs) still face domain knowledge gaps and hallucination issues in speciali
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.
BACKGROUND: Atrial fibrillation (AF) is a common arrhythmia associated with an increased risk of stroke and heart failure. To improve prevention, recent studies have used deep learning models to identify at-risk individuals early from normal sinus rhythm (NSR). However, studies using mobile electrocardiogram (mECG) in outpatient, real-world settings remain underexplored.
OBJECTIVE: The study aimed to develop and evaluate deep learning models using a real-world limb-lead mECG database to predict the short-term occurrence of AF from NSR recordings.
METHODS: mECG data were collected from real-w
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.
BACKGROUND: Cardiovascular disease (CVD) is the most prevalent complication of Type 2 Diabetes Mellitus (T2DM) and a leading cause of mortality in this population. Early and accurate CVD risk prediction is essential for timely intervention, yet traditional clinical risk calculators may overlook complex, non-linear relationships between risk factors, and have exhibited varying performance. Graph neural networks (GNNs) are able to capture these complex relationships but often lack interpretability.
OBJECTIVE: The present study aims to develop and evaluate the first interpretable Graph Neural Ne
СтатьяПолный 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.
BACKGROUND: Characterizing the tumor immune microenvironment (TIME) is essential for understanding anti-tumoral responses in colon cancer. This study introduces TIME Landscaper (TIMEL), a computational framework that uses deep learning to identify tissue structures at the microscopic level and summarizes their distribution across whole-slide images (WSIs) using statistical descriptors reflecting intratumoral heterogeneity for prognostic biomarker discovery.
METHODS: The performance of six deep learning image classification models (Inception V3, DenseNet-121, ViT-base, UNI, Prov-GigaPath, and
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.
ABSTRACT: BACKGROUND: Ambient clinical documentation tools are increasingly used to reduce administrative burden and improve provider experience. However, evidence describing their effects at scale across large, multisite health systems remains limited.
ABSTRACT: OBJECTIVES: The objective of this study is to evaluate the effect of Dragon Ambient eXperience (DAX) Copilot on documentation efficiency, note composition practices, and provider well-being across a multistate health system.
ABSTRACT: METHODS: Due to rolling registration and training, we conducted a retrospective index-date-aligned
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.
ObjectiveTo develop and preliminarily assess the usability of a visual usability checklist designed for rural users to evaluate the mHealth interfaces and provide practical feedback to designers.MethodsA two-phase research design was adopted: the first phase involved developing checklist items through a literature review, followed by a pilot application with 30 rural users from various regions of China and the Spring Rain Doctor App to assess the checklist's effectiveness.The resultsThe item checklist identified 6 dimensions and 40 items, with a focus on rural Chinese users. In the pilot appli
СтатьяПолный 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.
OBJECTIVE: Integrating whole-slide images (WSIs) with transcriptomic profiles is pivotal for enhancing cancer survival prediction. However, the intrinsic gigapixel resolution and variable sequence lengths of WSIs create a fundamental trade-off between training efficiency and the preservation of data heterogeneity in existing frameworks. Furthermore, substantial statistical and structural discrepancies between histological and genomic modalities often impede effective cross-modal alignment and fusion, thereby limiting prognostic accuracy.
METHODS: We propose PRISM, an efficient multi-modal lea
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: Public reporting systems (PRSs) in health care are defined as digital platforms that make comparative health care performance data available to the public (eg, Hospital Compare in the United States, NHS Choices in the United Kingdom, national quality registries in Europe, and MyHospital in Australia). These systems aim to improve transparency, accountability, and patient choice. While these systems have been widely studied from policy and clinical perspectives, the information system (IS) foundations that enable their operation, including architecture, interoperability, data govern
СтатьяScoping ReviewПоиск 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.
The rapid integration of large language models into electronic medical record systems introduces a critical theoretical vulnerability. Drawing on foundational computer science proofs of "model collapse," this viewpoint introduces the concept of "Clinical Model Autophagy"-a systemic degradation of diagnostic integrity that occurs when clinical artificial intelligence (AI) models are recursively trained on unverified, AI-generated synthetic data. As these recursive models may progressively regress toward statistical means, they undergo "Interpretative Drift," a clinically concerning phenomenon w
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: Parkinson disease (PD) presents diagnostic challenges due to its heterogeneous motor and nonmotor manifestations. Traditional machine learning (ML) approaches have been evaluated on structured clinical variables. However, the diagnostic utility of large language models (LLMs) using natural language representations of structured clinical data remains underexplored.
OBJECTIVE: This study aimed to evaluate the diagnostic classification performance of multiple LLMs using natural language prompts derived from structured clinical data and to compare their performance with traditional ML
СтатьяСравнительное исследованиеПоддержка 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.
OBJECTIVE: Precision medicine requires drug repurposing methods that adapt to individual patient profiles while working within regulatory frameworks. Existing approaches apply uniform models to all patients, only using individual factors as inputs or filters.
METHODS: Our framework instead integrates patient-specific profiles into the learning algorithm through a customized loss function. We combine standard link prediction with UK Biobank data-integrating polygenic risk scores, biomarker expressions, and medical history.
RESULTS: Evaluated on a biomedical knowledge graph connecting 61,000+
СтатьяПоддержка NIH: внешняя программаПоддержка службы здравоохранения 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.
Promoting mental well-being among young people is a pressing need for Sweden to mitigate declines in health among the next generation. To achieve this, various programs have been implemented at both the school and municipal levels. Different municipalities implement programs, monitor, and collect data on youth mental well-being within their areas. Analysis of these data is challenging because data silos exist across institutions. System-level assessment has been difficult in both the reasoning and decision-making phases, and in attributing the impact of these strategies to the specific actions
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