Результаты поиска

Pharmacovigilance in Cell and Gene Therapy: Evolving Challenges in Risk Management and Long-Term Follow-Up.

Cell and gene therapies, including CAR T-cells, CRISPR-based genome editing, and next-generation viral and non-viral delivery platforms, are transforming treatment paradigms across cancer, rare genetic disorders, immune dysregulation, and neurodegenerative disease. These therapies offer curative potential but also present safety challenges owing to prolonged biological activity, systemic immune engagement, and lasting genomic alterations. This review examines the range of related toxicities, including immune complications, genotoxicity, and organ-specific effects, with attention to atypical pr

Возможности и препятствия для глубокого изучения биологии и медицины.

Глубокое обучение описывает класс алгоритмов машинного обучения, которые способны объединять исходные ресурсы в слои промежуточных характеристик. Эти алгоритмы недавно продемонстрировали впечатляющие результаты в различных областях. Биология и медицина являются богатыми данными дисциплинами, однако данные являются сложными и зачастую недопонятными. Поэтому методы глубокого обучения могут быть особенно подходящими для решения проблем в этих областях. Мы изучаем возможности углубленного изучения различных биомедицинских проблем - стационарная классификация, фундаментальные биологические процессы

Совпадение в полном тексте источника
… These models were outperformed by general k-mer-based models including support vector machines (SVMs) with string kernels [ 201 , 202 ]. …

Оценка роли объемной информации о мозге в множестве склерозов.

Множественный склероз — хроническое аутоиммунное заболевание, которое влияет на центральную нервную систему. Понимание множественных склерозов и выявление связанных с ними структур мозга имеют решающее значение для индивидуализированных решений о лечении. В морфометрии, основанной на деформации, используется анатомическая магнитная резонансная визуализация для количественной оценки объемных изменений мозга на уровне вокселя, что дает представление о том, как каждая область мозга способствует клинической прогрессии в отношении нейродегенерации. Используя такие данные на уровне воксела, полученн

Революция онкологии: роль искусственного интеллекта (AI) в качестве антителного дизайна и средств оптимизации.

Антитела играют решающую роль в защите человеческого тела от болезней, включая такие опасные для жизни заболевания, как рак. Они оказывают посреднические услуги в связи с иммунной реакцией на иностранные антигены и, в некоторых случаях, на самоантигены. С течением времени антителные технологии эволюционировали от моноклонных антител (mAbs) до химерика антигенных рецепторов Т (клеток CAR-T), оказывая значительное влияние на биотехнологию, диагностику и лечение. Хотя эти достижения способствовали активизации терапевтического вмешательства, интеграция искусственного интеллекта (АИ) революционизир

Совпадение в полном тексте источника
… Various algorithms, including Support Vector Machines (SVMs), XGBoost, Random Forest, Gradient Boosting Machine (GBM), and k-nearest neighbors (k-NN), as well as DL models such as RNNs, CNNs, and Feedforward Neural Networks (FNNs), are widely used for predicting physicochemical and developability properties … Vector Machines (SVM) | Works well for classification and regression tasks | B-Cell and T-Cell epitopes prediction [ 113 , 127 ], antibody interface (and antigen interaction) prediction [ 164 , 165 ], prediction of protein structural classes [ 150 ], protein design [ 100 , 149 ] k-Nearest Neighbors …

Classification of Health-Related Social Media Posts: Evaluation of Post Content-Classifier Models and Analysis of User Demographics.

BackgroundThe increasing volume of health-related social media activity, where users connect, collaborate, and engage, has increased the significance of analyzing how people use health-related social media.ObjectiveThe aim of this study was to classify the content (eg, posts that share experiences and seek support) of users who write health-related social media posts and study the effect of user demographics on post content.MethodsWe analyzed two different types of health-related social media: (1) health-related online forums-WebMD and DailyStrength-and (2) general online social networks-Twitt

Совпадение в полном тексте источника
… Sadilek et al [ 14 ] studied the spread of infectious diseases by analyzing Twitter data using a support vector machine (SVM) model. Huh et al [ 15 ] developed a naïve Bayes model to help WebMD moderators find posts they would likely respond to. … Classifier and hyperparameter | Values Random forest | Maximum tree depth | 2, 4, 8, 16, 32, 64 | Number of trees, n | 10, 100, 1000 Support vector machine | C | 0.001, 0.01, 0.1, 1, 10 | Loss function | Hinge, squared hinge Convolutional neural network | Filter window sizes | (2, 3, 4), (3, 4, …

Оценка прогнозируемых факторов, которые сокращают продолжительность лечения пациентов с множественной миеломой с использованием AI: Реальное продольное исследование в мире с использованием данных из базы данных о перспективах медицинских данных.

С учетом наличия новых методов лечения продолжительность терапии (DOT) сокращается с каждым увеличением линии лечения японских пациентов с множественной миеломой (MM). Цель этого исследования заключалась в выявлении факторов, которые сокращают DT у пациентов с MM с использованием процедуры машинного обучения (ML) из базы данных Medical Data Vision (MDV). 2003 в адрес 2022. Пациенты≥18 y) с недавно поставленным диагнозом MM, имеющим право на трансплантацию (продолжение первой линии терапии), или с рецидивом или рефракторным MM (продолжение второй или третьей строки терапии). Для выявления важны

Machine Learning Meets Cancer.

The role of machine learning (a part of artificial intelligence-AI) in the diagnosis and treatment of various types of oncology is steadily increasing. It is expected that the use of AI in oncology will speed up both diagnostic and treatment planning processes. This review describes recent applications of machine learning in oncology, including medical image analysis, treatment planning, patient survival prognosis, and the synthesis of drugs at the point of care. The fast and reliable analysis of medical images is of great importance in the case of fast-flowing forms of cancer. The introductio

Совпадение в полном тексте источника
… A comparative analysis was carried out on the Apache Spark platform using machine learning algorithms, such as Naive Bayes (NB), Random Forest (RF), Gradient Boost Tree (GBT), Multilayer Perceptron (MLP), and Support Vector Machine (SVM) techniques. …

Применение методов извлечения дискриминирующих и глубоких элементов для полного анализа слайдов: обследование.

Цифровые патологические технологии, включая целые слайды, значительно улучшили современные клинические методы, облегчая хранение, просмотр, обработку и совместное цифровое сканирование стеклянных слайдов. Исследователи предложили различные решения в области искусственного интеллекта (АИ) для применения в цифровой патологии, такие, как автоматизированный анализ изображений, для извлечения диагностической информации из WSI в целях повышения производительности, точности и воспроизводимости патологии. Методы экстракции особей играют решающую роль в преобразовании первичных данных об образе в значи

Совпадение в полном тексте источника
… .: SVM: Support Vector Machine; LDA/QDA: Linear/Quadratic Discriminant Analysis; KNN: K-Nearest Neighbors; MLP: Multilayer Perceptron; GNN: Graph Neural Network; RBF: Radial Basis Function. …

AI-driven prognostics in pediatric bone marrow transplantation: a CAD approach with Bayesian and PSO optimization.

Bone marrow transplantation (BMT) is a critical treatment for various hematological diseases in children, offering a potential cure and significantly improving patient outcomes. However, the complexity of matching donors and recipients and predicting post-transplant complications presents significant challenges. In this context, machine learning (ML) and artificial intelligence (AI) serve essential functions in enhancing the analytical processes associated with BMT. This study introduces a novel Computer-Aided Diagnosis (CAD) framework that analyzes critical factors such as genetic compatibili

Совпадение в полном тексте источника
… Several ML algorithms such as logistic regression, support vector machines, and boosted decision trees (BDTs) were applied and contrasted. The AUC was used to evaluate these methods. … These algorithms, such as k-nearest neighbors or support vector machines, calculate distances between data points to make predictions or classifications. …

Интеграция машинного обучения и бипло ГПЭ для идентификации пригодных для климата генотипов кустарников.

Граспея является богатой питательными веществами пищевой культурой, известной своей стойкостью в сложных агроэкосистемах. Вместе с тем информация о рекомендациях генотипов кузнепия относительно их пригодности как для общей, так и для конкретной адаптации является недостаточной. Главная цель исследования заключалась в определении стабильных генотипов кустарников путем сведения к минимуму влияния сложных взаимодействий между различными чертами окружающей среды. Кроме того, это исследование было направлено на выявление подходящих мест в различных агроклиматических зонах Индии для будущей оценки,

Advances in Leukemia detection and classification: A Systematic review of AI and image processing techniques.

BACKGROUND: Leukemia, a heterogeneous group of blood cancers, poses significant challenges to global health due to its complexity, diverse risk factors, and variable outcomes. Accurate and early diagnosis is critical but remains a significant hurdle, particularly in low-resource settings. Recent advancements in artificial intelligence (AI) and image processing offer transformative solutions to improve leukemia detection and classification, addressing limitations in traditional diagnostic methods. METHODS: This study systematically reviewed over 25,000 scientific articles sourced from Scopus,

Совпадение в полном тексте источника
… Classification is conducted using support vector machines (SVM) and k-nearest neighbors (KNN), achieving high accuracy rates. … These features were then used to train both a Support Vector Machine (SVM) and an Artificial Neural Network (ANN). …

Машинное обучение для интерпретации серума протеина и иммунофиксации электрофореза в мультипликационной миеломе: обзор скопирования.

Фон: Для диагностики множественной миэломы (ММ) необходимы электрофорез сухого белка (СФЭ) и электрофорез иммунофиксации (ИФЕ). Методы машинного обучения (ML) стали потенциальным подходом к автоматизации процесса интерпретации электрофореза в целях повышения эффективности диагностики и увеличения времени перехода. В ходе этого аналитического обзора были выявлены нынешние виды применения ML в диагностике и классификации MM с уделением особого внимания автоматизированному толкованию ОИН и IFE. Методы: базы данных PubMed, Web of Science и Scopus были подвергнуты обыску в соответствии с руководящи

Совпадение в полном тексте источника
… Both supervised ML models (e.g., neural networks, support vector machines) and expert systems or rule-based algorithms were eligible. … IFE: Immunofixation Electrophoresis, SPE: Serum Electrophoresis, CNN: Convoluted Neural Network, SVM: Support Vector Machine. …

Positron Emission Tomography-Derived Radiomics and Artificial Intelligence in Multiple Myeloma: State-of-the-Art.

Multiple myeloma (MM) is a heterogeneous neoplasm accounting for the second most prevalent hematologic disorder. The identification of noninvasive, valuable biomarkers is of utmost importance for the best patient treatment selection, especially in heterogeneous diseases like MM. Despite molecular imaging with positron emission tomography (PET) has achieved a primary role in the characterization of MM, it is not free from shortcomings. In recent years, radiomics and artificial intelligence (AI), which includes machine learning (ML) and deep learning (DL) algorithms, have played an important rol

Совпадение в полном тексте источника
… Yet, they outperformed traditional ML methods, such as the random forest classifier (RF), k-nearest neighbors (k-NN), and the support vector machine (SVM). … vector machine; Sw: software. …

The Art of Bioimmunogenomics (BIGs) 5.0 in CAR-T Cell Therapy for Lymphoma Management.

PurposeLymphoma, the most predominant neoplastic disorder, is divided into Hodgkin and Non-Hodgkin Lymphoma classifications. Immunotherapeutic modalities have emerged as essential methodologies in combating lymphoid malignancies. Chimeric Antigen Receptor (CAR) T cells exhibit promising responses in chemotherapy-resistant B-cell non-Hodgkin lymphoma cases.MethodsThis comprehensive review delineates the advancement of CAR-T cell therapy as an immunotherapeutic instrument, the selection of lymphoma antigens for CAR-T cell targeting, and the conceptualization, synthesis, and deployment of CAR-T c

Совпадение в полном тексте источника
… Classification methods can be categorized as supervised learning (e.g., support vector machine, k-nearest neighbor, classification and regression tree) and unsupervised learning (e.g., K-Means). … The accuracy achieved by this model is 99%, surpassing the performance of single GANs or MobileNet with transfer learning. 112 In another study, an accuracy of 99.54% is achieved by combining DL and support vector machine for classifying sickle cells and normal blood cells. …

Facial expression deep learning algorithms in the detection of neurological disorders: a systematic review and meta-analysis.

BackgroundNeurological disorders, ranging from common conditions like Alzheimer's disease that is a progressive neurodegenerative disorder and remains the most common cause of dementia worldwide to rare disorders such as Angelman syndrome, impose a significant global health burden. Altered facial expressions are a common symptom across these disorders, potentially serving as a diagnostic indicator. Deep learning algorithms, especially convolutional neural networks (CNNs), have shown promise in detecting these facial expression changes, aiding in diagnosing and monitoring neurological condition

Совпадение в полном тексте источника
… . | 2020 | USA | landmark features Histogram of Oriented Gradients (HoG) features linear Support Vector Machine (SVM) | Near-eye region Near-mouth region Full face | facial weakness stroke Bell’s palsy​ Andrea Bandini et al. | 2021 | Canada | Deep learning-based FAN Traditional methods, such as AAM, … Davodabadi et al. compared support vector machines (SVM) and deep convolutional neural networks (DCNN), finding superior performance with the DCNN model (testing accuracy: 98.8%), particularly for classifying core emotions relevant to dementia progression [ 11 ]. …

Electrophysiological-based automatic subgroups diagnosis of patients with chronic dysimmune polyneuropathies.

BACKGROUND: Chronic Dysimmune Polyneuropathies (CDP) encompass a group of conditions characterized by autoimmune etiology targeting myelin and/or axonal components. Subgroups include Chronic Inflammatory Demyelinating Polyneuropathy (CIDP) and paraproteinemic neuropathies associated with IgM monoclonal gammopathy of undetermined significance, with anti-MAG antibodies (IgM-MGUS anti-MAG+) and without anti-MAG antibodies (IgM-MGUS anti-MAG-). Their identification is crucial for determining the most suitable treatment options, yet it poses significant challenges. In this study, an electrophysiolo

Совпадение в полном тексте источника
… Specifically, five models were evaluated: Elastic-Net regularized Logistic Regression [ 31 ] (LR), Support Vector Machine [ 32 ] (SVM), K-Nearest Neighbors [ 33 ] (KNN), Random Forest [ 34 ] (RF), and Decision Tree Classifier [ 35 ] (CART). … Table 2 Training, validation, and test accuracies (aggregated across folds) for the different classifiers Abbreviations: LR, Logistic Regression; SVM, Support Vector Machine; RF, Random Forest; KNN, K-Nearest Neighbors; CART, Decision Tree Classifier Model | Training Accuracy, % | Validation Accuracy …

Поощрение использования продольных электронных медицинских записей: обучение по изучению реальных мировых данных о последствиях хронических заболеваний.

Для борьбы с хроническими заболеваниями требуется постоянный мониторинг деятельности по борьбе с заболеваниями и терапевтическое реагирование в целях оптимизации планов лечения. С учетом растущей доступности методов лечения, позволяющих сглаживать заболевания, крайне важно изучить вопрос о сравнительной эффективности и долгосрочных результатах, помимо тех, которые могут быть получены в ходе выборочных клинических испытаний. Мы внедряем всеобъемлющий трубопровод для получения воспроизводимых и обобщенных реальных данных о результатах болезней за счет использования электронных данных о состоянии

Совпадение в полном тексте источника
… While a range of supervised algorithms such as random forest, logistic regression, support vector machines, and various deep learning models can be used to impute outcomes, these methods may not be effective when the number of gold-standard labels, generated either from manual chart review or from EHR-linked …

Выявляется высокий уровень использования медицинских услуг после операции на шейном позвоночнике с использованием комплексных методов прогнозирования.

Расходы на медицинское обслуживание пациентов с хроническими заболеваниями позвоночника и пациентов, проходящих хирургическую операцию, продолжают расти заметными темпами. Таким образом, выявление пациентов, подверженных риску в плане более широкого использования послеоперационного медицинского обслуживания, имеет решающее значение для оптимизации результатов медицинского обслуживания и распределения ресурсов. Цель нашего исследования заключается в использовании целого ряда предоперабельных характеристик пациентов, включая всеобъемлющую медицинскую, хирургическую и социальную историю, для разр

Совпадение в полном тексте источника
… Four Python classification models were used: Elastic Net, Support Vector Machine, Balanced Random Forest (BRF), and Extreme Gradient Boosted Tree. In addition, a six-layer neural network was implemented using TensorFlow. …

Adera2.0: A Drug Repurposing Workflow for Neuroimmunological Investigations Using Neural Networks.

Drug repurposing in the context of neuroimmunological (NI) investigations is still in its primary stages. Drug repurposing is an important method that bypasses lengthy drug discovery procedures and focuses on discovering new usages for known medications. Neuroimmunological diseases, such as Alzheimer's, Parkinson's, multiple sclerosis, and depression, include various pathologies that result from the interaction between the central nervous system and the immune system. However, the repurposing of NI medications is hindered by the vast amount of information that needs mining. We previously prese

Совпадение в полном тексте источника
… Classification models employed to recognize drug entities include maximum entropy (ME) and support vector machine (SVM) [ 20 , 21 ]. One of the drawbacks of these classification methods is that they are unaware of the order of the tokens (e.g., words). …

Machine learning in onco-pharmacogenomics: a path to precision medicine with many challenges.

Over the past two decades, Next-Generation Sequencing (NGS) has revolutionized the approach to cancer research. Applications of NGS include the identification of tumor specific alterations that can influence tumor pathobiology and also impact diagnosis, prognosis and therapeutic options. Pharmacogenomics (PGx) studies the role of inheritance of individual genetic patterns in drug response and has taken advantage of NGS technology as it provides access to high-throughput data that can, however, be difficult to manage. Machine learning (ML) has recently been used in the life sciences to discover

Совпадение в полном тексте источника
… vector machine. … Abbreviations: LVM, latent variable model; SVM, support vector machine. …