Deep learning (DL) has shown success in predicting Alzheimer's disease (AD) diagnosis, yet continuous measures such as cognitive assessment remain critical for richer prognosis, trajectory tracking and clinical trial enrichment. Current neurocognitive batteries are time-consuming, and the few DL models predicting cognition require expensive multimodal neuroimaging and longitudinal data. Although magnetic resonance imaging (MRI) is the most clinically accessible modality, on its own it struggles to capture AD heterogeneity in modern DL frameworks. We propose a multitask DL strategy integrating
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.
Accurate Blood Glucose (BG) prediction is essential for enabling glycemic control in individuals with Type 1 Diabetes Mellitus (T1DM), particularly within Smart and Connected Health (SCH) systems that integrate Continuous Glucose Monitoring (CGM) and automated insulin delivery. The adaptability of Large Language Models (LLMs) provides a promising foundation for unified, fine-tunable forecasting models. We introduce DiabLLM, a framework based on two recent LLM-based architectures: Time-LLM, which incorporates a lightweight projection layer and alignment techniques to transform time-series data
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.
INTRODUCTION: Public health policies are implemented within legal and regulatory environments associated with heterogeneous economic and health related outcomes across regions and time. Existing policy evaluation approaches often have limited capacity to represent regional heterogeneity, temporal policy patterns, and uncertainty in observed policy associated outcome changes. To address this issue, this study proposes a predictive computational framework for estimating subsequent economic outcome changes under observed public health policy, legal, and regulatory conditions.
METHODS: The empiri
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.
Machine learning (ML) is increasingly applied to predict operative time in surgery, yet its role in robotic ventral hernia repair (VHR) remains unexplored. Brucchi and colleagues recently developed ML models, Random Forest, Gradient Boosting, and Ridge Regression, to predict operative time in 208 patients undergoing elective robotic VHR, achieving modest performance with Random Forest (R² = 0.22, MAE = 38 min). While this proof‑of‑concept study represents a novel application, several methodological considerations warrant attention before clinical translation. These include the absence of compa
СтатьяПисьмо в редакциюПолный 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 development of therapeutic antibodies requires optimizing target binding affinity and pharmacodynamics, while ensuring high developability potential, including minimizing non-specific binding. In this study, we address this problem by predicting antibody non-specificity by two complementary approaches: (1) antibody sequence embeddings by protein language models (PLMs) and (2) a comprehensive set of sequence-based biophysical descriptors. We benchmark the PLM embeddings against interpretable, sequence-derived biophysical descriptors and use fragment-specific models (variable heavy (VH) and
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: The postpartum depression (PPD) risk prediction model is an effective risk stratification tool and is expected to play a significant role in the early detection and intervention of PPD. This study aims to summarize the existing evidence on PPD risk prediction models and provide references for their development, validation, and clinical application.
METHODS: We searched PubMed, EMBASE, and Web of Science databases for original articles published in English up to November 9, 2025. Our primary analysis included studies developing or validating risk prediction models for PPD. Additiona
СтатьяОбзорПолный 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.
Apparent permeability ( P app ) of a drug molecule serves as a principal indicator of drug absorption for pharmacokinetic modeling, and accurate prediction of P app values using machine learning would avoid time-consuming and expensive In Vitro experiments. In this study, four different feature representations were compared for predicting log P app values, with each representation serving as input to three subsequent regression models. The best predictive model achieved an R 2 value of 0.68 and RMSE of 0.42 on the test data. Furthermore, the SHAP values corresponding to individual m
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.
Identifying interleukin-6 (IL-6) and interleukin-13 (IL-13)-inducing peptides is important for drug discovery targeting cancer, immune disorders, and infectious diseases. However, experimental screening is costly and time-consuming. Machine learning and deep learning models have been developed that distinguish functional peptides from no-function ones, but their performance is limited by the small number of experimentally validated peptides. In this study, we propose a generative AI-driven data augmentation framework, GDA, and its prediction system, GDA-Pred, to improve the performance of stat
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: Recurrent spontaneous abortion (RSA) affects 0.5%-2.5% of fertile couples and arises from complex, interacting thrombotic, immune, coagulation, endocrine-metabolic, and demographic factors. However, current early risk stratification in routine practice remains insufficient for population-level screening. We aimed to develop an accurate, low-cost, and clinically feasible early screening model for identifying women at high risk of RSA using routinely available clinical biomarkers.
METHODS: This retrospective study enrolled women attending Guangdong Reproductive Hospital between 1 Jan
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: The purpose of this study was to explore whether incorporating gyroscopic and accelerometer data will improve the prediction of energy expenditure (EE) of preschool children. Three model configurations were developed and compared using (1) accelerometer, (2) gyroscope, and (3) accelerometer + gyroscope data (dual sensor).
METHOD: Participants (n = 39; aged 3 to <6 years) were equipped with OPAL, GT9X, and GENEActiv devices, worn on the right hip, right wrist, and left wrist, while EE was simultaneously measured using a portable metabolic unit. The protocol consisted of semistructured
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2026eng
PURPOSE: To evaluate the current landscape of artificial intelligence (AI) and machine learning (ML) applications in predictive analytics for cervical myelopathy, focusing on diagnostic accuracy, patient stratification, surgical decision-making, and outcome prediction. METHODS: A systematic search was conducted across PubMed, Embase, Scopus, and Web of Science using keywords related to cervical myelopathy and AI/ML. Studies were selected based on relevance to AI-driven predictive models in diagnosis, prognosis, and management of cervical myelopathy. Data extraction included algorithm types, va
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.
OBJECTIVE: To explore the clinical value of the predictive models for gastric function and gastric organic lesions.
METHODS: Clinical data from 1,677 patients with digestive tract-related symptoms at the First Affiliated Hospital of Guangdong Pharmaceutical University between June 2015 and March 2023 were selected, including questionnaire responses, serum gastric function tests, gastroscopy, and gastroscopic pathology data. The above data were input into a gastric function prediction model based on question-and-answer [GFPSBQA] V1.0 and a gastric organic lesion prediction model [GDPSIQSM] V1.
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: Medullary infarction is a severe subtype of ischemic stroke. Early neurological deterioration (END) is a common adverse event that can significantly affect clinical outcomes.
OBJECTIVE: This study aimed to develop a machine learning model to effectively predict the risk of END in patients with medullary infarction, thereby providing a reference for clinical intervention.
METHODS: In this multicenter retrospective study, we enrolled patients with acute medullary infarction who received treatment at three hospitals located in different regions between 2019 and October 2024. We coll
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.
European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery2026eng
PURPOSE: Oral tongue squamous cell carcinoma (OTSCC) is characterized by aggressive local invasion and a high risk of cervical nodal metastasis and mortality. Earlier detection of recurrent OTSCC is associated with improved survival. This systematic review with quantitative synthesis aimed to evaluate the performance of machine learning (ML) models in predicting recurrence in OTSCC.
METHODS: This review was conducted in accordance with the PRISMA 2020 guidelines. Studies published between August 2019 and July 2025 that used ML models to predict recurrence in OTSCC were included. Five eligible
СтатьяСистематический обзорОбзорПолный 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.
Alzheimer's disease (AD) is the most common type of dementia, accounting for at least two-thirds of dementia cases in people aged 65 and older. Numerous approaches have been studied for the treatment of this disease, including the cholinergic hypothesis. Acetylcholinesterase (AChE) is the most promising target studied within the cholinergic hypothesis for the treatment of AD. Therefore, it is necessary to develop predictive models for the identification of AChE inhibitors. Thus, general drug design models can assist chemical synthesis groups and biochemical testing laboratories by enabling vir
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 AND OBJECTIVE: Breast cancer subtype classification is critical for clinical decision-making. It informs prognostic assessment and guides personalized treatment planning. Machine learning has been widely applied to develop subtype classifiers based on gene expression profiles due to its ability to capture complex molecular patterns. However, technical variation in gene expression data presents a major challenge in building classifiers that maintain robust and generalizable performance across different platforms and patient cohorts.
METHODS: We propose a robust machine learning appr
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 idea of "stratified medicine" is an important driver of methodological research on the identification of predictive biomarkers. Most methods proposed so far for this purpose have been developed for the use on randomized data only. However, often data from clinical registries or non-randomized studies are the only available data source. For such data, methods for estimation of the average treatment effect are well established. Research on confounder adjustment when investigating the heterogeneity of treatment effects and the variables responsible for this is usually restricted to regression
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.
Due to the difficulty in quickly discriminating bacterial pneumonia (BPs) from pneumonia caused by other pathogens in clinic, the research for new biomarkers which can specifically diagnose BPs is of great significance. Here, miRNA, proteomic, and metabolomic sequencing of 45 serum samples from BPs and 35 serum samples from non bacterial pneumonia (NBPs) were characterized. After profiling, 8 biomarkers (miR-339-3p_R-2, miR-877-5p_R+3, hnRNPK, SERPINA5, DHA, 1,3-Oxazinan-2-imine, Asparagoside_ A, and Hexanamide,N-[(1S,2R)-2-hydroxy-1-(h ydroxymethyl)heptadecyl]-6-[(7-nitro-2,1,3-benzoxadiazol-
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.
High-dimensional data with left-censored responses are increasingly common in modern applications, yet existing methods for analyzing them are limited. Classical Tobit models fail to handle nonlinear relationships or perform high-dimensional variable selection, whereas deep learning approaches often prioritize prediction performance but lack selection and interpretation capabilities. To address this gap, we propose an integrated deep learning framework, the Deep Tobit model, which employs the negative Tobit log-likelihood as its loss function to properly account for data censoring. A two-stage
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.
Accurately predicting HIV-1 sensitivity to broadly neutralizing antibodies (bNAbs) is a critical step in advancing the development of effective therapeutic and preventive strategies against HIV-1. Due to the virus's extraordinary genetic diversity and rapid mutation rate, traditional experimental methods for assessing bNAb sensitivity are labor-intensive, time-consuming, and limited in scalability. However, current machine learning approaches prioritize feature significance while neglecting to address class imbalance and systematic biases in multi-laboratory datasets. To address these limitati
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