Patients with rare diseases often endure a 4-5-year diagnostic odyssey. Patient-generated data on social media remains an untapped resource for understanding rare diseases. This study characterizes patient descriptions of rare disease from social media and systematically compares patient-reported symptoms to literature-documented ones. 166 unique rare diseases were identified from 229 patient posts. A hybrid human-AI framework using GPT-4 with full manual verification was used to extract and standardize patient-reported symptoms, which were then compared against symptoms documented in PubMed.
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: Early recognition of sepsis-related myocardial injury during sepsis remains difficult, partly because harmonized echocardiographic phenotyping is often unavailable in retrospective critical-care datasets. Routine metabolic indicators, including the triglyceride-glucose (TyG) index and the triglyceride-to-HDL cholesterol (TG/HDL) ratio, may support early risk stratification, but their value within a multicenter machine-learning framework has not been well defined.
METHODS: In this retrospective multicenter study, we included 2,588 adult patients with sepsis from the MIMIC-IV and eI
СтатьяМногоцентровое 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.
BACKGROUND: Gestational diabetes mellitus (GDM) affects 15-25% of pregnancies worldwide and poses serious risks of macrosomia, preeclampsia, neonatal hypoglycaemia, and long-term type 2 diabetes. Existing machine learning models lack prospective multi-site external validation and formal physician trust evaluation, limiting real-world applicability.
OBJECTIVES: To develop a clinically validated, explainable deep learning framework for GDM prediction using routinely available first-antenatal-visit clinical features, and to evaluate clinical readiness through dual-stage physician-in-the-loop (PI
СтатьяВалидационное 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: Sepsis and severe infections remain major causes of morbidity and mortality worldwide, particularly in acute care settings where early recognition is critical. Artificial intelligence (AI)-based clinical decision support systems (CDSS) have emerged as promising tools for improving early diagnosis and prognostic assessment. However, limited interpretability and transparency remain key barriers to clinical adoption. This systematic review and meta-analysis aimed to evaluate the diagnostic and prognostic performance of interpretable AI models in acute illness related to sepsis and inf
СтатьяСистематический обзорМетаанализПолный 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.
Deploying cardiac segmentation models as remote inference services creates a black-box setting in which robustness under out-of-distribution shift is critical. We evaluated two candidate configurations for biventricular segmentation of short-axis cine cardiac magnetic resonance images trained on the same public benchmark dataset: a nnU-Net ensemble and nnSAM. Both were assessed within the same deployment-oriented framework on two external cohorts, a multi-site, multi-vendor adult dataset and a single-site, multi-scanner pediatric congenital heart disease dataset. Performance was evaluated usin
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.
Women with a history of gestational diabetes mellitus (GDM) are at elevated risk of developing type 2 diabetes mellitus (T2DM) postpartum. This study explores the use of interpretable machine-learning models to examine associations between clinical, metabolic, lifestyle factors and postpartum diabetes status among women with history of GDM. A publicly available dataset of 1,496 women with prior GDM, comprising 29 medical, anthropometric, laboratory, and lifestyle variables, was analyzed. Eight classifiers were evaluated using 5-fold stratified cross-validation, including Logistic Regression (L
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.
Patent ductus arteriosus (PDA) is a common congenital heart defect that requires timely and accurate detection to guide clinical management. Although deep learning has shown considerable promise in medical imaging, its application to echocardiographic video analysis remains challenging due to complex temporal dynamics and heterogeneous imaging conditions. TimeSformer, a Transformer-based architecture for temporal video modeling, is well suited for capturing long-range dependencies in echocardiographic sequences. In this study, we propose a novel two-stage artificial intelligence framework for
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.
PURPOSE: This prospective multicenter study evaluated the real-world influence of artificial intelligence (AI) assistance on Gleason grading and prostate cancer detection.
MATERIALS AND METHODS: Between January and June 2025, diagnostic prostate biopsies from 130 consecutive cases with suspected prostate cancer were assessed at two Dutch hospitals. Each biopsy entry was reviewed by one of three uropathologists in three sequential steps: (1) pathologist without AI (reference standard), (2) AI (Paige Prostate Suite), and (3) pathologist with AI assistance. We assessed agreement in Gleason gradi
СтатьяМногоцентровое 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.
We applied explainable machine learning to optical coherence tomography (OCT) data from 168 pediatric NF-1 patients to predict vision abnormalities. The Balanced Random Forest model achieved an AUC-ROC of 0.82. SHapley Additive exPlanations (SHAP) analysis identified data-driven cut-offs providing actionable clinical thresholds. Combining multiple abnormal OCT features further improved specificity. This approach demonstrates the value of interpretable AI for early risk detection and individualized care in pediatric NF-1.
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.
BackgroundDespite established sex differences in disease risk and clinical presentation, most clinical machine-learning models treat sex as a simple covariate without explicitly incorporating detailed sex-specific clinical history. Whether such information improves predictive performance, clinical utility, and between-sex fairness in multimorbid populations remains unclear. MethodsUsing baseline data from the PLCO cohort (≈155,000 participants), we developed XGBoost models for prevalent disease identification by comparing a reference model based on shared predictors and biological sex with an
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: This study contributes to the limited literature on applying machine learning (ML) to telemonitoring data for timely decision support systems (DSS). We propose an end-to-end DSS framework to enable clinicians to intervene proactively by generating actionable information from daily telemonitoring data. The goal was to predict the probability of patients having an adverse event in the next 7 days using real-world data. We focus on the framework for effective development of a human-computer hybrid system that utilizes ML models to predict adverse hypertensive events and evaluate differ
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: Our objective was to build classifiers for multiple phenotypes that categorize a cohort of adults with congenital heart disease (ACHD), that can be used to populate variables in a biobank.
MATERIALS AND METHODS: A dataset of 1492 ACHD patients, with expert-created labels for eight phenotypes, was created and used to train classifiers with three different architectures. A larger unlabeled dataset containing 15,869 patients was used to pre-train the classifiers, and a 20 % subset of the unlabeled dataset was used to validate the classifier predictions.
RESULTS: On held out labeled d
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: This study aimed to develop and validate a nomogram model for predicting lower extremity deep venous thrombosis (LEDVT) after ruptured intracranial aneurysm (RIA) surgery based on dynamic D-dimer trajectory, to support accurate identification of high-risk populations and individualized thrombosis prevention in clinical practice.
METHODS: A multicenter retrospective cohort study was conducted, enrolling consecutive RIA patients undergoing emergency surgery at two hospitals from January 2021 to August 2024. Patients were split into training and test sets at an 8:2 ratio; an independe
СтатьяМногоцентровое исследованиеВалидационное 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.
Child sexual abuse (CSA) and child sexual abuse material (CSAM) exist in a "Dark Field" (German: Dunkelfeld), where a vast majority of incidents occur without ever becoming known to authorities. Therapy is a potential strategy in reducing CSA offence risk and CSAM consumption. However, public stigma towards individuals with a sexual interest in children (ISIC) is extensive and hostile to a level that discourages engagement of ISIC in therapy. Implementation of measures to reduce the barriers to therapy for ISIC is critical to improve the mental well-being of ISIC, improve coping strategies, an
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.
Accurate preoperative localization and 3D anatomical assessment of papillary thyroid carcinoma (PTC) are critical for surgical decision-making. Cervical non-contrast CT (NCCT) avoids iodinated contrast-related risks but has limited PTC lesion conspicuity, while first-line ultrasound suffers from operator dependence and incomplete 3D anatomical information. We developed a 3D full-resolution (fullres) nnU-Net model for joint thyroid and PTC segmentation on cervical NCCT, and conducted a pilot reader study to evaluate its auxiliary value for a junior and a senior radiologist. This multicenter ret
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: The Golden Hour of trauma care in Low- and Middle-Income Countries (LMICs) is routinely compromised by systemic deficits, including unmapped infrastructure, chronic traffic congestion, and a critical scarcity of diagnostic tools. While high-income countries utilize Artificial Intelligence (AI) to optimize mature systems, AI in the Global South acts as a structural substitute to leapfrog foundational barriers. This scoping review maps AI applications in LMIC prehospital care and evaluates their implementation feasibility.
METHODS: Following PRISMA-ScR guidelines, a systematic searc
СтатьяScoping ReviewПоддержка 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 clinical use of electroencephalography (EEG) for neuro-prognostication in neurocritical care remains limited, despite its ability to provide non-invasive insight into brain activity. This study presents a conceptual framework and early-stage prototype of an AI-assisted EEG decision-support system. Using a literature-informed design and system architecture approach, a web-based prototype was developed to support automated EEG analysis and interpretable brain response reporting. Feasibility testing with four users demonstrated reliable system operation and generation of within-patient decisi
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: Pharmacovigilance is dedicated to the identification, evaluation, and prevention of adverse effects associated with the use of medicines after their commercialization. In this context, data mining techniques have been widely employed for the detection of safety signals. Although machine learning algorithms show potential to identify complex patterns and improve the prediction of adverse drug reactions, their application in pharmacovigilance databases remains limited.
OBJECTIVE: To map the computational approaches used in pharmacovigilance, to identify the prevalence of traditional
СтатьяScoping ReviewПоиск 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: The rapid growth of digital health technologies is changing how chronic illness patients access & view their health information. During the COVID-19 pandemic there was an increase in mobile health (mHealth) service usage and an increasing number of people exposing themselves to false information via social media. To develop safe and effective health communication strategies, it is important to understand how diabetic patients navigate this new digital world.
AIM: to examine the health information seeking behaviour of diabetic patients in Saudi Arabia, including the use of digital
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.
INTRODUCTION: A vast amount of German clinical routine data are still stored in unstructured doctors' letters. To make these data available for clinical research, medical information must be extracted from these letters entirely inside the hospital infrastructure, under strict data-protection and transparency constraints. We present an early clinical application of local large language models (LLMs) for medication information extraction (MIE) to detect a guideline-driven shift in oral anticoagulation treatment from vitamin K antagonists (VKAs) to direct oral anticoagulants (DOACs) in German ca
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.
MedElevator
Войти в исследования