BACKGROUND: Acute Pulmonary Embolism (APE) is a life-threatening cardiovascular emergency. Computed Tomography Pulmonary Angiography (CTPA) serves as the diagnostic gold standard but is associated with risks of overuse and radiation exposure.
OBJECTIVE: To develop and validate an explainable machine learning model for predicting the likelihood of APE in clinically suspected patients, aiming to optimize CTPA decision-making.
METHODS: This study retrospectively enrolled 649 patients who underwent CTPA for suspected APE based on clinical symptoms, signs, or elevated D-dimer levels. Seventy-seve
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: Diabetes distress is common in patients with type 1 diabetes mellitus (T1DM). The aim of this study was to construct and validate prediction models for diabetes distress in adults with T1DM using continuous glucose monitoring (CGM) metrics.
METHODS: The CGM metrics were collected from 259 adults with T1DM. Severe diabetes distress was defined as 40 points on the Problem Areas in Diabetes scale. Prediction models were developed based on ten machine learning algorithms: random forest (RF), support vector machine (SVM), Naive Bayes (NB), Neural Network (NN), k-nearest neighbor (k-NN)
СтатьяМногоцентровое исследованиеНаблюдательное 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.
Gallbladder carcinoma, among the most prevalent malignancies of the biliary system, often presents with insidious early symptoms. Delayed diagnosis of incidental gallbladder carcinoma frequently leads to therapeutic delays, significantly compromising patient prognosis. Clinical data,preoperative Magnetic Resonance Imaging examinations, and histopathological records from incidental gallbladder carcinoma patients were retrospectively enrolled. An integrated noninvasive predictive model was developed by combining deep learning features extracted from Magnetic Resonance Imaging radiomics with key
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.
Drug-induced liver injury (DILI) is a primary cause of drug attrition, associated with over 1000 medications and accounting for 32% of marketed drugs withdrawn due to toxicity. This has created an urgent demand for high-accuracy computational methods predicting DILI risk early in the drug development pipeline. We developed X-DILiver, a predictive framework built on the largest DILI-annotated dataset to date. We used data augmentation to improve model robustness and address class imbalance. A library of 312 machine learning models was created using various algorithms and molecular features, 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.
BACKGROUND: Postoperative atrial fibrillation (POAF) remains one of the most frequent and consequential complications after coronary artery bypass grafting, occurring in 15%-30% of patients and contributing to increased morbidity, prolonged hospitalization, and higher long-term mortality. Despite decades of investigation, traditional risk models have shown limited predictive accuracy owing to the multifactorial nature of POAF.
OBJECTIVE: This review synthesizes the emerging evidence from recent studies applying artificial intelligence (AI) and machine learning (ML) approaches for POAF predict
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.
PURPOSE: This study compared traditional statistical models with machine learning algorithms for predicting surgically induced astigmatism after cataract surgery, aiming to identify the most accurate and generalizable method among linear regression, regression trees, random forests, and neural networks.
METHODS: Retrospective analysis was performed on 321 eyes (321 patients) undergoing phacoemulsification at a tertiary center. Data were standardized and surgically induced astigmatism was modeled using three vector-based outcomes: KEQ.post (keratometric equivalent power), KAST0.post (horizonta
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.
INTRODUCTION: Accurate prediction of disease progression in multiple sclerosis (MS) remains a critical challenge in clinical management. This study investigates the utility of supervised machine learning (ML) models in predicting clinical disability, as measured by the Expanded Disability Status Scale (EDSS), and radiological activity based on MRI lesion changes in patients with relapsing-remitting MS (RRMS).
METHODS: Using peripheral cytokine profiles (IL-12, TNF-α, IFN-γ, IL-4, IL-10) along with patient metadata (e.g., sex, family history, relapse status), 43 ML classifiers were trained 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.
This study introduces the Integrated Multiple Event Representation Framework (IMERF), a novel methodological approach for developing risk prediction models for multiple clinical events. Using a two-stage process involving multi-task learning and dimensionality reduction, IMERF creates a visual representation of predicted event risks and identifies clusters based on overlapping risks. The proposed framework is showcased through a case study modelling nine adverse events in critically ill patients admitted to intensive care units (ICUs). Stage 1 was implemented using convolutional neural network
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.
Parkinson's disease (PD) is a progressive neurological disorder that affects millions globally, posing significant challenges in early and accurate diagnosis. Recent advancements in machine learning (ML) offer promising approaches for addressing these challenges by enabling more precise and efficient PD predictions. This paper proposes an enhanced ML framework for PD prediction, integrating data balancing, feature selection, and explainable AI techniques. We evaluate nine different ML algorithms using a dataset of clinical and voice features. To address the class imbalance, we employ the Synth
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.
PURPOSE OF REVIEW: Symptoms of posttraumatic stress disorder (PTSD) affect up to a third of relatives of ICU patients. This review updates the epidemiology, risk factors, and emphasizes the importance of PTSD prevention to mitigate long-term impact on family members. It also sheds light on the latest artificial intelligence-based approaches attempting to predict PTSD and the numerous challenges they face before reaching clinical application.
RECENT FINDINGS: Recent literature confirms that one third of relatives of ICU patients present significant PTSD-related symptoms at least 3 months afte
СтатьяОбзорПоиск 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: Adrenocortical carcinoma (ACC) is a rare, aggressive malignancy with high recurrence rates and poor prognosis. Current prognostic models are inadequate, highlighting the need for innovative diagnostic tools. Pathomics, which utilizes computer algorithms to analyze whole-slide images, offers a promising approach to enhance prognostic models for ACC.
METHODS: A retrospective cohort of 159 patients who underwent radical adrenalectomy between 2002 and 2019 was analyzed. Patients were divided into training (N = 111) and validation (N = 48) cohorts. Pathomics features were extracted usi
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.
Pituitary neuroendocrine tumors (PitNETs) represent approximately 16% of primary brain tumors. Tumor consistency, whether soft or hard, directly affects surgical strategy, extent of resection, and risk of complications. This study aimed to perform a systematic review and meta-analysis on the use of artificial intelligence and radiomics to predict the consistency of PitNETs. A systematic search was conducted to identify studies that evaluated the prediction of PitNET consistency using radiomics and artificial intelligence algorithms. Study quality was assessed using the Radiomics Quality Score
СтатьяСистематический обзорМетаанализПоиск 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.
Identifying the active natural compounds remains a challenge for drug discovery, and new algorithms need to be developed to predict active ingredients from complex natural products. Here, we proposed Meta-DEP, a Meta-paths-based Drug Efficacy Prediction based on drug-protein-disease heterogeneity network, where Meta-paths contain all the shortest paths between drug targets and disease-related proteins in the network and drug efficacy is measured by a predictive score according to drug disease network proximity. Experiments show that Meta-DEP performs better than traditional network topology 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.
Transcarotid artery revascularization (TCAR) is a relatively new and technically challenging procedure that carries a non-negligible risk of complications. Risk prediction tools may help guide clinical decision-making but remain limited. We developed machine learning (ML) algorithms that predict 1-year outcomes following TCAR. The Vascular Quality Initiative (VQI) database was used to identify patients who underwent TCAR between 2016 and 2023. We identified 115 features from the index hospitalization (82 pre-operative [demographic/clinical], 14 intra-operative [procedural], and 19 post-operati
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.
Objective: Hypoxia-glycolysis-lactylation (HGL) may play a crucial role in neonatal sepsis (NS). This study aims to identify HGL marker genes in NS and explore immune microenvironment among NS subtypes. Materials and Methods: The gene expression dataset GSE69686, comprising 64 NS cases and 85 controls, was selected for analysis. Based on the screened HGL-related marker genes, diagnostic prediction models were constructed using nine machine learning algorithms, and molecular subtypes of NS were identified through consensus clustering. Subsequently, the heterogeneity of biological functions 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.
Diagnosis of hydrocephalus involves a careful check of the patient's history and thorough neurological assessment. The traditional diagnosis has predominantly depended on the professional judgment of physicians based on clinical experience, but with the advancement of precision medicine and individualized treatment, such experience-based methods are no longer sufficient to keep pace with current clinical requirements. To fit this adjustment, the medical community actively devotes itself to data-driven intelligent diagnostic solutions. Building a prognosis prediction model for hydrocephalus has
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Imbalanced datasets are common in real-world classification problems, such as predicting premature birth. Many machine learning algorithms, designed for balanced data, may produce biased predictions when applied to imbalanced datasets. In preterm birth prediction, where preterm cases are much less frequent than full-term, this imbalance may significantly impact model performance. Resampling techniques like oversampling the minority class or undersampling the majority class are key to improving accuracy and fairness. Previous studies have struggled with data handling, often leading to overly op
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: Diabetic peripheral neuropathy (DPN) is a common chronic complication of diabetes, marked by symptoms like hyperalgesia, numbness, and swelling that impair quality of life. Nerve conduction abnormalities in DPN significantly increase the risk of neuropathic foot ulcers (NFU), which can progress rapidly and lead to severe outcomes, including infection, gangrene, and amputation. Early prediction of NFU in DPN patients is crucial for timely intervention.
METHODS: Clinical data from 400 DPN patients treated at the China-Japan Friendship Hospital (September 2022-2024) were retrospectiv
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.
Clozapine is an atypical antipsychotic used for patients with treatment-resistant schizophrenia. This drug has serious adverse drug reactions (ADRs), including the risk of severe neutropenia (agranulocytosis). Patients who could benefit from clozapine may not be administered it due to concerns about monitoring ADRs. In addition, traditional toxicological assessments cannot predict clozapine-induced agranulocytosis. Predicting agranulocytosis could improve patient safety. Our study aimed to develop and validate machine learning (ML) models for predicting agranulocytosis in clozapine-prescribed
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.
Microbial transglutaminase (mTG) is widely used in the food industry to enhance the appearance and texture of meat and fish products, as well as the smoothness and richness of dairy products. However, the undisclosed excessive addition of mTG contributes to various health issues, including celiac disease with intestinal leakage, anemia, osteoporosis, dermatitis, and other parenteral symptoms. In this study, we developed a novel method combining gold nanoparticles (AuNPs), machine learning, and deep learning to study mTG activity in both aqueous solutions and diverse processed foods. Our result
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.
MedElevator
Войти в исследования