BACKGROUND: Irregularly sampled data, as a common data structure in the medical field, is frequently observed in emergency clinical datasets. It poses problems such as unequal sampling time intervals and frequencies, making it difficult to align the data without losing information for input into models. Meanwhile, due to information loss in the dataset, it is also difficult for the model to effectively analyze the overall data variation and predict the complex and dynamic conditions of emergency patients in the future.
OBJECTIVE: This study aimed to address the impact of issues such as missin
СтатьяВалидационное исследованиеПоддержка исследования: вне правительства СШАПоиск 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: Ki-67 proliferation index (PI) is essential for grading well-differentiated neuroendocrine tumors (WD-NETs). Pathologists traditionally assess Ki-67 PI by identifying hotspots and manually counting the positive cells among negative cells, which is expressed as a percentage. We developed an algorithm to objectively determine Ki-67 hotspots and calculate PI in WD-NETs, comparing its results with pathologists' selected hotspots to assess reliability.
METHODS: Hotspots for gastroenteropancreatic WD-NETs (n = 20) were manually annotated on whole-slide images (WSIs) by six pathologists
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.
BACKGROUND: Large language models (LLMs), such as GPT-3.5 and GPT-4 (OpenAI), have been transforming virtual patient systems in medical education by providing scalable and cost-effective alternatives to standardized patients. However, systematic evaluations of their performance, particularly for multimorbidity scenarios involving multiple coexisting diseases, are still limited.
OBJECTIVE: This systematic review aimed to evaluate LLM-based virtual patient systems for medical history-taking, addressing four research questions: (1) simulated patient types and disease scope, (2) performance-enhan
СтатьяСистематический обзорПоддержка исследования: вне правительства СШАПоиск 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: Artificial intelligence (AI)-enabled software is increasingly integrated into digital and computational pathology, driving new regulatory and quality management requirements that extend beyond traditional laboratory practice and classical medical-device oversight. Practical, experience-based guidance on balancing development agility with global regulatory readiness remains limited for biomarker developers and translational pathologists navigating the convergence of AI governance, cybersecurity, and regulated clinical deployment.
METHODS: We reviewed our multi-year regulatory, qual
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.
BackgroundHealth behavior change support systems (HBCSS) have emerged as effective tools for promoting well-being. Mood and motivation are key psychological aspects of these systems, influencing user engagement. This study aimed to understand mood and motivation within a weight-management HBCSS by analyzing user sentiments reflected in self-monitoring diary entries, examining their relationship with weight-loss outcomes, and identifying factors that influence motivation.MethodsA sequential explanatory mixed-methods approach was employed, incorporating sentiment analysis and ordinal logistic re
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.
Digital pathology increasingly seeks to extract quantitative vascular and microenvironmental features from routine histology images, but thin-section hematoxylin and eosin (H&E) slides can fragment vessels and obscure their spatial organization, constraining downstream computational analysis. Slide-free fluorescence-imitating brightfield imaging (FIBI) produces histology-like images directly from fresh or fixed tissue or from already prepared paraffin blocks within minutes and can better preserve apparent microvascular continuity in breast cancer and other specimens. In this exploratory digita
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 display is a vitally important component in the digital imaging chain, being placed at the final step at the interface to the pathologist. In medical imaging fields such as radiology, there are numerous guidelines and standards relating to the display. However, in digital pathology, there are relatively few recommendations for displays, and those that are available can quickly become obsolete in this fast-moving field. There is general disagreement over whether consumer-grade displays are adequate for digital pathology reporting, or whether medical-grade displays are required, as is the pr
СтатьяОбзорПоиск 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.
Artificial intelligence (AI) is increasingly integrated into breast imaging workflows, offering the potential to enhance diagnostic accuracy, efficiency, and early cancer detection. Image interpretation plays a pivotal role in the breast cancer diagnostic pathway, directly influencing therapeutic decisions and patient outcomes. However, the effective implementation of AI-assisted systems relies not only on technical performance but also on radiologists' trust, acceptance, and readiness to incorporate these tools into clinical practice. In addition, system-related, perceptual, and cognitive fac
СтатьяОбзорПоддержка исследования: вне правительства СШАПолный 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.
BACKGROUND: Breast cancer affects millions of women and presents not only medical challenges but also emotional, financial, and social burdens. Beyond clinical treatment, patients increasingly turn to online cancer communities (OCCs) for informational support, emotional support, and shared coping strategies. OCCs help patients manage daily life and reduce psychological distress through shared experiences and empathetic engagement. Within these communities, emotional expressions serve as critical cues through which patients communicate their situations and needs with other OCC members.
OBJECTI
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 evaluated the feasibility of voice recognition-based electronic medical record (EMR) documentation for periodontal probing in dentistry, particularly emphasizing Korean-English bilingual speech patterns and real-world clinical conditions.
METHODS: Experiments were conducted in a dental chair setting during routine clinical hours. Environmental noise levels were measured, and two microphone types (stationary and pin-type) were evaluated. Periodontal probing phrases composed of three-digit numbers and positional terms were used for speech recognition. Consistent with comm
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.
OBJECTIVE: With the rapid development of high-throughput sequencing technology, integrating multi-omics data has become a necessary means to elucidate complex disease mechanisms and achieve precision diagnosis. However, existing methods still face two major challenges: (1) the difficulty of effectively and accurately extracting cross-omics shared representations; and (2) the lack of effective strategies to combine specific and shared representations. To address these challenges, we propose the Cyclic Modality-Interaction Graph Attention Network (CMIGAT), which unifies specificity extraction, s
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.
OBJECTIVE: Extreme heat is associated with increased cardiovascular vulnerability. We developed and validated a heat exposure-anchored cardiovascular vulnerability (HECV) computational phenotype for outpatient visits using longitudinal EHR data linked to high-resolution temperature.
MATERIALS AND METHODS: We assembled a loyalty cohort of adult patients from a large Chicago-based health system (2017-2023) and linked all encounters to Daymet daily temperature data for acute heat exposure at a 1 km2 resolution. HECV cases were identified and matched to non-HECV controls. Structured EHR data from
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Given the highly heterogeneous biology of breast cancer, a more effective noninvasive diagnostic tool that unravels microscopic histopathology patterns is urgently needed.
OBJECTIVE: This study aims to identify cancerous regions in ultrasound images of breast cancer via convolutional neural network based on registered grayscale ultrasound images and readily accessible biopsy whole slide images (WSIs).
METHODS: This single-center study prospectively included participants undergoing ultrasound-guided core needle biopsy procedures for Breast Imaging Reporting and Data System categor
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
BACKGROUND: The Delphi method is widely used to derive expert consensus on complex clinical problems, yet it is slow and resource intensive. Recent advances in large language models and retrieval‑augmented generation (RAG) offer the possibility of accelerating consensus while maintaining methodological rigor. Large language models can retrieve and summarize evidence, but they frequently hallucinate and cannot reliably cite sources. At the same time, RNA‑based drugs and messenger RNA vaccines are rapidly moving from concept to clinic, generating a pressing need for timely, evidence‑based consen
СтатьяСравнительное исследованиеПоддержка исследования: вне правительства СШАПоиск 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: Artificial intelligence has gained relevance due to its potential to reduce the workload in evidence synthesis or bibliometric projects. While the main focus has been lately on the use of instruction-tuned large language models, zero-shot classification models have not been tested for such task. These models are large language models trained on large datasets of labeled data able to categorize text among proposed labels, irrespective of the text domain or the topic. They are relatively small, able to run on consumer-grade computers, and almost hyperparameter-free.
OBJECTIVE: In ou
СтатьяВалидационное исследованиеПоддержка исследования: вне правительства СШАПолный 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.
The precise prediction of Antibody-Antigen Interaction (AAI) is a pivotal task for accelerating antibody drug discovery and virtual screening. To address the challenges of suboptimal multimodal fusion and the paucity of physical interpretability in existing approaches, this paper proposes PAC-Net, a physical prior-guided end-to-end deep learning framework. First, the model incorporates a Gated Multimodal Fusion mechanism that effectively integrates sequence semantics with implicit structural context from a pretrained protein language model via dynamic weight allocation, thereby achieving adapt
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: Machine learning models are increasingly used to predict patients at risk of high health care usage for targeted interventions.
OBJECTIVE: This study aimed to evaluate the predictive performance of multiclass ensemble models across different levels of health care usage and assess their potential application through real-world economic impact analysis.
METHODS: A total of 4 previously developed binary classification models (base learners)-boosted trees, multivariate adaptive regression splines, multilayer perceptron, and logistic regression-were extended using a stacking ensemble
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
Drug-target affinity (DTA) prediction is an important task in computer-aided drug discovery. Existing methods usually use a fixed drug-protein interaction strategy. This design is hard to adapt to heterogeneous samples. It is also limited in cold-start and low-similarity scenarios. This study proposes SIGMA-DTA, a similarity-guided adaptive interaction modeling framework for DTA prediction. The framework uses drug and protein similarities as explicit reasoning priors. It introduces a similarity-driven routing mechanism. The mechanism assigns weights to different interaction paths according 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.
To reflect real-world pathology practice, we developed an artificial intelligence-based pathological computer-aided detection system, trained on diverse epithelial and non-epithelial tumors for gastric biopsy specimens. A multicenter cohort comprising samples from six institutions was used for training and validated with an independent dataset from a seventh institution. We applied two distinct algorithms and three operational validity levels with optimized parameters to address the complexity of pathological diagnosis, reflecting routine diagnostic practice. Our system enabled the detection o
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.
OBJECTIVE: Prediction models for mortality rarely incorporate diverse psychiatric conditions, alongside clinical, behavioral, and demographic risk factors. We aimed to develop and validate a mortality risk score using a Gradient Boosting Survival Model (GBSM) that enables stratified risk prediction and supports behavioral interventions.
METHODS: We conducted a retrospective cohort study using data from the National Health Insurance Service (NHIS), including 8,962,548 adults (20-80 years) with or without a diagnosis of six major categories of mental disorders: mood, anxiety, psychotic, stresso
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
MedElevator
Войти в исследования