Результаты поиска

Многомерное профилирование и модели риска, основанные на клиническом развертывании АИ, в МГУС и миеломе.

Моноклональная гаммопатия неопределённого значения (MGUS), храпающая миелома (SMM) и множественная миелома (MM) образуют континуум расстройств плазменных клеток, причем прогрессировать от MGUS до MM трудно предсказать. Нынешние модели стратификации риска, в значительной степени основанные на клинических, лабораторных и цитогенетических маркерах, не отражают молекулярную сложность, лежащую в основе развития заболеваний, что ограничивает их прогнозную точность. Последние достижения в области мультиомики, включая геномику, транскриптомику, протеомику и метаболомику, позволили глубже понять молеку

Совпадение в полном тексте источника
… Traditional ML algorithms like random forests (RF), support vector machines (SVM), gradient boosting (e.g. XGBoost), and Elastic Net logistic regression have the advantage of working well on smaller datasets and providing some insight into feature importance. …

Nanogel-Based Precision Bone Regeneration: Rational Design, Biological Barrier Penetration, and Osteoporotic Microenvironment Remodeling.

The pathogenesis of osteoporosis is primarily associated with impaired communication between osteoblasts and osteoclasts, leading to disrupted bone homeostasis. Conventional biomaterials mainly rely on macroscopic structural support and are limited in their ability to precisely regulate the complex bone microenvironment and overcome biological barriers. As representative soft matter nanoplatforms, nanogels possess unique viscoelastic mechanical properties and adaptive biointerfacial properties, offering new opportunities to overcome physical barriers within bone tissues. Moving beyond previous

An explainable predictive machine learning model of osteopenia for perimenopausal women based on clinical data: a retrospective single-center study.

BACKGROUND: Osteoporosis is increasingly prevalent, yet early detection remains difficult. This study aimed to develop a machine learning (ML)-based model for identifying individuals at risk of osteopenia using clinical data. METHODS: Female participants who were aged 45 years and above with complete femoral neck BMD data were included. A total of 1,108 participants were divided into training (70%) and test (30%) datasets. Various ML-based algorithms (random forest (RF), least absolute shrinkage and selection operator (LASSO), gradient boosting decision tree (GBDT) were used to identify key p

Совпадение в полном тексте источника
… Model development strategy We developed and validated 10 different ML-based models, including: K-nearest Neighbors (KNN) Logistic Regression (LR) Random Forest (RF) Decision Tree (DT) Artificial Neural Networks (ANN) Support Vector Machine (SVM) Gradient Boosting Decision Tree (GBDT) Light Gradient … Models, such as logistic regression, gradient boosting, and support vector machines, have shown promise in classifying low BMD using various data sources, including blood biomarkers, anthropometric measurements, and health checkup data. …

Прогнозирование аутоиммунных заболеваний на основе глубокого обучения.

Аутоиммунные заболевания представляют собой сложную группу заболеваний, вызванных иммунной системой, ошибочно наносящей удар по тканям тела. Их этиология включает в себя множество факторов, таких, как генетика, экологические факторы и аномалии в иммунных клетках, что затрудняет прогнозирование и лечение. Т клетки как один из ключевых компонентов иммунной системы играют важнейшую роль в иммунной системе человека и оказывают значительное воздействие на патогенез аутоиммунных заболеваний. Ряд исследований показали, что рецепторы Т-клеток (ТКР) могут быть вовлечены в патогенез различных аутоиммунн

Obesity as a Multifactorial Chronic Disease: Molecular Mechanisms, Systemic Impact, and Emerging Digital Interventions.

Obesity is a multifactorial chronic disease resulting from complex genetic, molecular, environmental, and behavioral interactions. Its prevalence rises worldwide, affecting cardiovascular, metabolic, oncological, hepatic, respiratory, and skeletal health. Beyond caloric excess, genetic predisposition, epigenetic modifications, gut microbiota dysbiosis, endocrine-disrupting agents, circadian misalignment, and intergenerational and prenatal influences are critical determinants of obesity risk. Core pathophysiological mechanisms include insulin resistance, dyslipidemia, chronic low-grade inflamma

Окисляющие молекулярные сигнатуры в неизлечимых заболеваниях: систематический обзор комплексных подходов к машинному обучению и системной биологии.

Окисляющий стресс является одним из основных факторов патогенеза иммунных заболеваний в результате его воздействия на клеточный метаболизм, митохондриальную функцию, иммунную сигнализацию и воспалительную травму тканей. Разрушение гомеостазиса способствует метаболическому перепрограммированию и постоянной активации врожденной и адаптивной иммунной реакции, что способствует прогрессированию заболеваний через многочисленные подстрекательские и аутоиммунные расстройства. Последние достижения в области высокопроизводительных молекулярных технологий привели к созданию крупномасштабных многомерных н

Совпадение в полном тексте источника
… vector machine; TCA—tricarboxylic acid; TLR—Toll-like receptor; Tx—treatment; UC—ulcerative colitis; WGCNA—weighted gene co-expression network analysis. … SVM (Support Vector Machine) | A supervised learning algorithm that identifies optimal hyperplanes to separate data into distinct classes. …

Artificial intelligence in drug discovery and development.

Artificial intelligence-integrated drug discovery and development has accelerated the growth of the pharmaceutical sector, leading to a revolutionary change in the pharma industry. Here, we discuss areas of integration, tools, and techniques utilized in enforcing AI, ongoing challenges, and ways to overcome them.

Совпадение в полном тексте источника
… QSAR modeling tools have been utilized for the identification of potential drug candidates and have evolved into AI-based QSAR approaches, such as linear discriminant analysis (LDA), support vector machines (SVMs), random forest (RF) and decision trees, which can be applied to speed up QSAR analysis …

Interpretable machine learning model to predict 90-day radiographically confirmed pneumonia after chemotherapy initiation in non-Hodgkin lymphoma: development and internal validation of a single-center cohort.

BackgroundRadiographically confirmed pneumonia within 90 days of chemotherapy initiation is a frequent and clinically important complication in patients with non-Hodgkin lymphoma, yet interpretable tools for early individualized risk estimation are limited.ObjectiveTo develop and internally validate an interpretable machine-learning model that predicts the 90-day risk of radiographically confirmed pneumonia after chemotherapy initiation in non-Hodgkin lymphoma.MethodsWe retrospectively analyzed 205 chemotherapy-treated NHL patients. A two-step feature selection (LASSO followed by random-forest

Совпадение в полном тексте источника
… For the support vector machine (SVM), GBM, and k-nearest neighbors (KNN), we employed Bayesian optimization (rBayesianOptimization, upper confidence bound acquisition with κ = 2.0). … Eur J Med Res . ( 2024 ) 29 : 341 . doi: 10.1186/s40001-024-01940-2 , PMID: 38902792 PMC11188208 Glossary Non-Hodgkin Lymphoma Random Forest-based Recursive Feature Elimination Diffuse Large B-cell Lymphoma Machine Learning Logistic Regression Support Vector Machine k-Nearest Neighbors Gradient …

Exploring cellular diversity in lung adenocarcinoma epithelium: Advancing prognostic methods and immunotherapeutic strategies.

Immunotherapy has brought significant advancements in the treatment of lung adenocarcinoma (LUAD), but identifying suitable candidates remains challenging. In this study, we investigated tumour cell heterogeneity using extensive single-cell data and explored the impact of different tumour cell cluster abundances on immunotherapy in the POPLAR and OAK immunotherapy cohorts. Notably, we found a significant correlation between CKS1B+ tumour cell abundance and treatment response, as well as stemness potential. Leveraging marker genes from the CKS1B+ tumour cell cluster, we employed machine learnin

Predicting Long-term Survival After Allogeneic Hematopoietic Cell Transplantation in Patients With Hematologic Malignancies: Machine Learning-Based Model Development and Validation.

BackgroundScoring systems developed for predicting survival after allogeneic hematopoietic cell transplantation (HCT) show suboptimal prediction power, and various factors affect posttransplantation outcomes.ObjectiveA prediction model using a machine learning-based algorithm can be an alternative for concurrently applying multiple variables and can reduce potential biases. In this regard, the aim of this study is to establish and validate a machine learning-based predictive model for survival after allogeneic HCT in patients with hematologic malignancies.MethodsData from 1470 patients with he

Совпадение в полном тексте источника
… Gene selection for cancer classification using support vector machines. Mach learn. 2002;46(1):389–422. doi: 10.1023/a:1012487302797. 13. Shouval R, Bondi O, Mishan H, Shimoni A, Unger R, Nagler A. …

Обычные МИ-конструктивное разъединение и сети сходств и их клинические корреляции в множестве склерозов.

Хотя множественный склероз (MS) можно концептуализировать как расстройство сети, анализ мозговой сети, как правило, требует усовершенствованных последовательностей МРТ, которые обычно не приобретаются в клинической практике. Используя обычные МРТ, мы оценили поперечное и продольное структурное разъединение и морфометрические сети сходства людей с MS (pwMS), а также их связь с клинической инвалидностью. МЕТОДЫ: В ходе этого продольного моноцентрического исследования был проведен ретроспективный анализ 3Т-конструктивного MRI PwMS и здоровых методов контроля (HC). Физическая и когнитивная неполно

Совпадение в полном тексте источника
… Baseline Structural Disconnection and Morphometric Similarity Networks and Long-term Disability Progression Using NBS-predict with the baseline structural disconnection matrices as input, a linear support vector machine classifier significantly predicted long-term CDP (710 edges, accuracy = 0.59, 95% …

A Comprehensive Evaluation of CAR-T Cell Gene Therapy, Tracing its Revolutionary Clinical Breakthroughs and Advancements Towards Next-Generation Engineering.

BACKGROUND: CAR-T cell gene therapy has advanced from an experimental concept to a standard curative treatment for selected hematologic malignancies. Substantial clinical evidence has established CAR-T therapy as a cornerstone for relapsed/refractory B-cell malignancies and multiple myeloma, demonstrating durable, long-term remissions. In 2025, the U.S. Food and Drug Administration (FDA) eliminated the Risk Evaluation and Mitigation Strategy (REMS) requirement, reflecting improved clinical management of Cytokine Release Syndrome (CRS) and Immune Effector Cell-Associated Neurotoxicity Syndrome

Artificial inteligence and datasets for leukemia diagnosis: A scoping review of machine lerning and deep learning approaches.

Leukemia is the cancerous disease of the blood and the bone marrow that causes excessive proliferation of abnormal white blood cells, if detected too late, it can lead to potentially fatal consequences. Peripheral blood smear examinations and bone marrow biopsy are example of conventional diagnostic techniques that are invasive, time-consuming and subject to human variability. Recent advances in artificial intelligence (AI) particularly in the areas of Machine Learning (ML) and Deep Learning (DL)offer encouraging answers by making it possible to detect and classify leukemia using automated, ef

Совпадение в полном тексте источника
… The ML techniques such as Support Vector Machines and Random Forests provide fundamental insights into data-driven leukemia diagnosis, whereas CNNs and other DL models are excellent at processing vast, unstructured datasets. …

Machine learning and multi-omics technologies for precision cardiovascular medicine: advancing diagnosis, risk prediction, and therapeutic guidance.

Cardiovascular disease remains a major global health burden. Owing to its complex pathogenesis and marked clinical heterogeneity, conventional one-size-fits-all strategies often yield limited benefit for a substantial proportion of patients. Precision medicine advocates individualized management based on patients' clinical and molecular characteristics to improve outcomes. In this context, multi-omics and machine learning provide critical technical support for precision medicine: multi-omics can capture the full spectrum of cardiovascular disease from molecular alterations to phenotypic manife

Совпадение в полном тексте источника
… Traditional algorithms encompass classic methods such as support vector machines and decision trees, which are widely applied in cardiovascular omics modeling. … CTA, computed tomography angiography; PET/CT, positron emission tomography/computed tomography; CMR, cardiac magnetic resonance; LR, logistic regression; LASSO, least absolute shrinkage and selection operator; SVM, support vector machine; DT, decision tree; RF, random forest; XGBoost, eXtreme gradient …

Discovery of VEGFR2 inhibitors by integrating naïve Bayesian classification, molecular docking and drug screening approaches.

The high morbidity and mortality of cancer make it one of the leading causes of global death, thus it is an urgent need to develop effective drugs for cancer therapy. Vascular endothelial growth factor receptor-2 (VEGFR2) acts as a central modulator of angiogenesis, and is therefore an important pharmaceutical target for developing anti-angiogenic agents. In this study, ligand-based naïve Bayesian (NB) models and structure-based molecular docking were combined to develop a virtual screening (VS) pipeline for identifying potential VEGFR2 inhibitors from FDA-approved drugs. The best validated na

Совпадение в полном тексте источника
… Machine learning approaches possess robust abilities in separating inhibitors from noninhibitors by building classification models adopting statistical algorithms including linear discriminant analysis (LDA), 14,15 support vector machine (SVM), 16,17 naïve Bayesian (NB), 17–21 recursive partitioning … Zhang et al. proposed a fragment VS concept based on Bayesian categorization, and discovered 20 potential VEGFR-2 scaffolds. 24 Besides, a multistep virtual screening protocol comprising ligand-based support vector machines, drug-likeness rules filter and structure-based molecular docking was developed …

Scientific Advancements in Gene Therapies: Opportunities for Global Regulatory Convergence.

On 4 September 2024, the Reagan-Udall Foundation for the FDA (FDA Foundation) in collaboration with the Food and Drug Administration (FDA) and the Gates Foundation hosted a workshop titled "Scientific Advancements in Gene Therapies: Opportunities for Global Regulatory Convergence". The event brought together a diverse group of experts, including international regulatory bodies, regulated industries, healthcare professionals, patients, academic researchers and global health advocates, to discuss the rapid advancements in gene therapy and the pressing need for equitable access in low-and middle-

Скринэтон 2.0:: Проведение совместного обследования с участием человека и АИ на основе данных о состоянии здоровья пациентов.

Систематические обзоры имеют важное значение для проведения исследований, основанных на фактических данных, однако традиционный процесс отбора требует много времени и его трудно масштабировать. Скрининг, проводимый исключительно для человека, может привести к непоследовательности, в то время как полностью автоматизированные подходы с использованием моделей Большого языка зачастую не имеют контекстуального суждения, необходимого для принятия сложных решений. Для решения этой проблемы мы внедряем методологию скрининга на основе толпы, которая сочетает человеческий опыт и адаптивное машинное обуч

Совпадение в полном тексте источника
… Each cycle begins by transforming textual data into numerical representations (e.g., TF-IDF vectors or transformer-based embeddings), followed by training a classifier (such as a linear support vector machine). The trained model ranks the remaining unlabeled records by estimated relevance. …

Революционизация медицины сна: влияние машинного обучения на диагностику, лечение и индивидуальное лечение.

Преобразовательным инструментом в медицине сна стало обучение основам махинации (ML), предлагающее новаторские решения для диагностики, лечения и понимания расстройств сна. В настоящем обзоре рассматривается нынешнее состояние и будущий потенциал применения ML в этой области. Methods Мы провели всеобъемлющий обзор литературы с уделением особого внимания ключевым достижениям в области технологий ML, применяемых для лечения сна. Были изучены, в частности, такие конкретные области, как классификация стадий сна, оптимизация лечения апноэ и бессонницы сна, а также внедрение износостойкой технологии

Совпадение в полном тексте источника
… The methodologies employed across these studies varied significantly, with a prominent use of deep learning techniques, notably Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs), alongside traditional machine learning algorithms such as Support Vector Machines (SVMs) and Random …

Создание мультимодальной модели прогнозирования для пациентов с множественной миеломой на основе радиомики и клинических особенностей: ретроспективное кохартное исследование

ЦЕЛЬ: Мы стремились к разработке системы прогнозирования выживания, объединяющей радиомикулы и клинические характеристики недавно диагностированной миеломы (ММ) и сопоставлению эффективности различных наборов характеристик и алгоритмов в раннем прогнозировании без прогрессии выживания (ПФС). МАТЕРИАЛЫ И МЕТОДЫ: Это исследование ретроспективно включало 300 Пациенты ММ в период с июня 2022 и июнь 2024, с их фоновой позитронной томографией, вычисленной томографией и магнитно-резонансными радиомагнитными характеристиками и клиническими переменными. После построения оценки рисков на основе радиомик

Surrogate Biomarkers in Gene Therapy for Orphan Diseases: Validation, Application, and Regulatory Aspects.

The development of gene therapies for rare hereditary disorders is hindered by small patient cohorts, incomplete characterization of natural disease history, and the impracticality of conducting long-term clinical trials. Surrogate biomarkers-quantifiable indicators predictive of clinical outcomes-represent a promising strategy to accelerate the evaluation of therapeutic efficacy. This review examines the role of surrogate endpoints in gene therapy, outlining essential validation criteria, including biological plausibility, analytical reproducibility, and clinical predictive value. Regulatory