To explore the potential of ontologies in improving adverse event identification, we developed ontology-aligned representations of adverse events extracted from electronic health records (EHRs) of fifty patients participating in a multiple myeloma trial. We reused relevant biomedical ontologies that are built upon Basic Formal Ontology (BFO) and constructed representations in Resource Description Framework/Web Ontology Language (RDF/OWL). Adverse events for the selected cohort were extracted from both structured and unstructured EHR data stored in the Arkansas Clinical Data Repository (AR-CDR)
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 objective of this study is to develop and validate a Picture Archiving and Communication System-integrated artificial intelligence (PACS-AI) tool for automated neck-level localization, three-dimensional (3D) segmentation, and metastasis risk prediction of cervical lymph nodes (LNs) in patients with papillary thyroid carcinoma (PTC). CT images from 710 patients with PTC, including 4942 LNs, were retrospectively collected from two medical centers and divided into training, internal test, and external test cohorts. The AI model consisted of a 3D TransUNet partition network, a Swin UNETR segme
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.
Digitalization has transformed medical education via online platforms and tech-enhanced learning, but neglecting accessibility hampers students with disabilities. This scoping review analyzes literature since 2016 on barriers, facilitators, and strategies to improve accessibility for students with disabilities in medical education, focusing on digital learning and assistive technologies. Following the PRISMA-ScR framework, a systematic search was conducted in Web of Science, MEDLINE via PubMed, and Scopus. Findings highlight various barriers and approaches for accessible learning. Accessibilit
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: Artificial intelligence, particularly machine learning, has great potential to improve health outcomes, including predicting adverse conditions. In breast cancer, machine learning models can help personalize prevention strategies for radiation-induced cutaneous toxicity.
METHODS: This scoping review aimed to explore machine learning models for predicting radiation dermatitis in women with breast cancer. Data collection was conducted in November 2023 from 7 electronic databases and gray literature, with no restrictions on publication year. Publication selection was supported by the
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.
INTRODUCTION: Transcatheter aortic valve implantation (TAVI) is a standard treatment for patients with severe aortic stenosis. However, predicting long-term survival outcomes remains challenging, as traditional risk scores such as EuroSCORE II and STS-PROM exhibit poor calibration for TAVI cohorts.
METHODS: In this work, we developed an end-to-end deep learning pipeline to predict overall survival of TAVI patients directly from pre-procedural whole-body CT scans. The pipeline uses a 3D DenseNet121 architecture within the AUCMEDI framework, trained as a regression model to predict survival in
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.
Accurate grading of follicular lymphoma (FL) is crucial for personalized treatment, but biopsy-based histopathology is invasive and limited by observer variability. To address these limits, we present an artificial intelligence framework for physician-guided assisted FL grading using PET-CT imaging. Our approach integrates an enhanced dual-discriminator conditional GAN (DDCGAN) featuring similarity and chrominance constraints to generate task-specific fused images with preserved metabolic-structural cues. Furthermore, a Bayesian ResNet is introduced to explicitly model predictive uncertainty,
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: Dataset shift can limit the transferability of chest radiograph artificial-intelligence models.
OBJECTIVE: To assess pooled and site-stratified internal performance after local adaptation of a public pulmonary tuberculosis (TB) classifier in Uzbekistan.
METHODS: The cohort included 502 unique patients: 96 with specialist-assigned clinical-radiological TB-positive status and 406 with TB-negative status. The radiologist and phthisiatrician initially assessed each case independently using chest radiography, CT, and available contemporaneous clinical information, then established the
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.
Vision foundation models excel at general segmentation but underperform sharply when positive instances occupy a vanishing fraction of the input-a regime that arises across small-lesion and rare-event medical segmentation, with neonatal hypoxic-ischemic encephalopathy (HIE) as a representative extreme case (lesions <1% of brain volume; positive-to-negative voxel ratio >99:1). We present SparseMed3D, a framework for adapting vision foundation models to this extreme-sparsity regime through three coupled components: (i) parameter-efficient multi-channel patch-embedding adaptation; (ii) diffusion-
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.
Wireless capsule endoscopy (WCE) is a non-invasive technique for detecting small intestinal diseases and generates approximately 60,000-80,000 gastrointestinal images per examination. Reviewing such a large number of images is time-consuming for clinicians. However, existing approaches typically focus only on local features while neglecting long-range dependencies. To address this limitation, we propose a dual-branch feature aggregation framework that integrates both local and global features for robust WCE image classification. The architecture comprises a CNN branch for local feature extract
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.
Aortic dissection (AD) requires prompt diagnosis, but non-contrast computed tomography (NCCT) has limited sensitivity. Perivascular adipose tissue (PVAT) may reflect vascular inflammation; however, its diagnostic contribution on NCCT and incremental value beyond aortic radiomics remain unclear. This retrospective multicenter study included 581 patients from one center for model development and internal testing and 280 patients from three external cohorts. Six models (Clinical, Aorta, PVAT, Aorta-PVAT, Aorta-Clinical, and Aorta-PVAT-Clinical) were evaluated using support vector machine (SVM), e
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: Patients with severe acute pancreatitis (AP) carry a high mortality risk. The lactate-to-albumin ratio (LAR) has shown prognostic value in conditions including sepsis, heart failure and acute respiratory failure. We aimed to assess LAR's predictive value for 28-day mortality in ICU-admitted AP patients and to establish a machine learning-based predictive model integrating three albumin-derived indices-LAR, red blood cell distribution width-to-albumin ratio (RAR), and blood urea nitrogen-to-albumin ratio (BAR)-for this outcome.
METHODS: We analysed a cohort of 380 ICU-admitted AP pa
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.
This study aimed to evaluate and compare the diagnostic accuracy of three AI models-GPT-5, Xray-GPT, and Qure.ai-with that of emergency-medicine specialists (EMSs) in the interpretation of PA-CXRs using a standardized test set derived from real-world emergency-department cases. In this prospective, cross-sectional diagnostic accuracy study conducted between June and December 2024, a total of 40 PA-CXR questions were compiled from actual emergency-department presentations (comprising 40 patients; mean age: 42.8 ± 16.2 years; 62.5% male) and categorized into six diagnostic groups. Thirty EMSs co
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.
This study aims to develop a 2.5D deep learning model with shape and margin as auxiliary tasks to improve the diagnostic performance of benign-malignant classification of breast lesions in automated breast ultrasound system (ABUS) images. In this retrospective study, 387 breast lesions (106 malignant and 281 benign) from 313 patients were enrolled from two centers between 2021 and 2024. Lesions from Center 1 (315 lesions, 85 malignant, 230 benign) were used as the training cohort, and lesions from Center 2 (72 lesions, 21 malignant, 51 benign) were used as the held-out external testing cohort,
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.
BACKGROUND: Neurodevelopmental disorders (NDDs), such as autism spectrum disorder (ASD) and attention-deficit/hyperactivity disorder (ADHD), often emerge in early childhood and can significantly impact social, academic, and emotional functioning. Early identification is critical to improving long-term outcomes, yet traditional diagnostic processes are time-consuming and resource-intensive. As social media becomes an integral part of daily life, user-generated content offers a novel source of behavioral and linguistic data that may support early detection. Advances in artificial intelligence (A
СтатьяСистематический обзорПоиск 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 identification of cerebrovascular stenosis is essential for early stroke prevention and effective clinical management. Magnetic resonance angiography provides non-invasive 3D visualization of cerebral vessels, but reliable automated stenosis detection remains challenging due to anatomical complexity and imaging variability. This study aims to develop an automated, robust, and clinically useful transformer-based deep learning framework for detecting stenosis in 3D brain MRA scans. We propose a framework designed for cerebrovascular stenosis detection. It first automatically localizes t
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: To develop and evaluate a multimodal electronic health record (EHR)-based phenotyping pipeline integrating structured and unstructured clinical data to identify disease subgroups and characterize longitudinal trajectories in a real-world setting.
MATERIALS AND METHODS: We conducted a retrospective multicenter study including 1,598 patients with autoimmune gastritis. Structured demographic and clinical variables were combined with longitudinal endoscopic and histological data extracted from routine care. A consensus clustering strategy integrating partitioning (K-medoids) and hierar
СтатьяМногоцентровое исследованиеПолный 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.
Remote patient monitoring (RPM) has shown potential benefits for patients with chronic conditions. This study aimed to compare healthcare utilization between RPM and non-RPM patients with congestive heart failure (CHF) or chronic obstructive pulmonary disease (COPD). RPM patients were identified based on a history of CHF and COPD and receipt of RPM services. A 1:4 propensity score matching approach was used to identify comparable non-RPM patients with CHF or COPD, adjusting for demographics, comorbidity burden, and baseline healthcare use. The final analytic cohort comprised 1,050 patients. RP
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: Machine learning (ML) has the potential to enhance surgical decision-making through real-time risk prediction and personalised care yet clinical implementation remains limited. This study aimed to identify and categorise the key barriers to implementing ML tools in surgical practice.
METHODS: A nationwide qualitative survey was conducted among stakeholders involved in ML development or clinical implementation in healthcare. Participants provided open-ended responses describing perceived barriers, their impact and potential solutions. Responses were analysed using inductive themati
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.
This study aimed to develop a combined model integrating clinical, computed tomography (CT), and deep learning (DL) features to discriminate malignant subsolid nodules (M-SSNs) from persistent inflammatory subsolid nodules (PI-SSNs). A total of 573 patients with subsolid nodules (SSNs) who underwent preoperative chest CT and surgical resection at Center 1 were assigned to training and internal validation sets (ratio 4:1), and an external testing cohort comprising 199 patients from Center 2 was also enrolled. A clinical model was first developed using clinical and CT features that differed sign
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: Large Language Models (LLMs) are increasingly applied to patient education, yet their performance in languages that are relatively underrepresented in medical-domain corpora and large language model training datasets remains underexplored. Psoriasis and psoriatic arthritis (PsA) are chronic, immune-mediated diseases requiring lifelong patient engagement, making them suitable conditions to evaluate the clarity, reliability, and inclusivity of AI-generated educational content. To assess the comprehensibility, scientific reliability, and patient-centered communication of Turkish patien
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