OBJECTIVES: FMF is a genetic autoinflammatory condition marked by recurrent fever and serositis. Colchicine is the mainstay treatment. However, 5% to 10% of patients exhibit colchicine resistance, requiring alternative therapies. Early identification of resistance is vital. While some scoring systems exist for paediatric FMF, artificial intelligence's (AI's) potential to predict colchicine resistance in adult patients with FMF has not been systematically explored. This study aimed to utilize machine-learning (ML) and deep-learning (DL) algorithms to predict colchicine resistance in adult patie
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: Liver transplantation (LT) is the treatment of choice for patients with end-stage liver disease, yet its success is often compromised by serious complications such as acute kidney injury (AKI), graft failure, recurrence of hepatocellular carcinoma (HCC), and infections. Recent advances in AI-especially machine learning (ML) and deep learning (DL)-offer promising tools for predicting these outcomes and supporting early clinical interventions. This systematic review aimed to evaluate the performance and limitations of AI-based models in predicting key post-LT complications.
METHODS:
СтатьяСистематический обзорПоиск 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.
Due to the proliferation of COVID-19, the world is in a terrible condition and human life is at risk. The SARS-CoV-2 virus had a significant impact on public health, social issues, and financial issues. Thousands of individuals are infected on a regular basis in India, which is one of the populations most seriously impacted by the pandemic. Despite modern medical and technical technology, predicting the spread of the virus has been extremely difficult. Predictive models have been used by health systems such as hospitals, to get insight into the influence of COVID-19 on outbreaks and possible r
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: Acute diseases present severe complications that develop rapidly, exhibit distinct phenotypes, and have profound effects on patient outcomes. Predictive analytics can enhance physicians' care and management of patients with acute diseases by predicting crucial complication phenotypes for a timely diagnosis and treatment. However, effective phenotype predictions require several challenges to be overcome. First, patient data collected in the early stages of an acute disease (eg, clinical data and laboratory results) are less informative for predicting phenotypic outcomes. Second, pat
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Drug-induced gingival overgrowth (DIGO) as an interdisciplinary clinical challenge, faces dual therapeutic barriers due to its unclear pathogenesis and high recurrence rate, forcing clinicians to balance therapeutic benefits against oral complications. Analyzing drug-adverse reaction links via real-world evidence can shift treatment from passive intervention to proactive prevention. This study aimed to identify DIGO-associated drugs using the US Food and Drug Association Adverse Event Reporting System (FAERS) data and to validate signals through pharmacology-guided multivariate log
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.
Glioblastoma (GBM) is most aggressive and common adult brain tumor. The standard treatments typically include maximal surgical resection, followed adjuvant radiotherapy and chemotherapy. However, the efficacy of these treatment is often limited, as tumor often infiltrate into the surrounding brain tissue, often extending beyond the radiologically defined margins. This infiltration contributes to the high recurrence rate and poor prognosis associated with GBM patients, necessitating advanced methods for early and accurate detection of tumor infiltration. Despite the great promise traditional su
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: Even after curative resection, the prognosis for patients with intrahepatic cholangiocarcinoma (iCCA) remains disappointing due to the extremely high incidence of postoperative recurrence.
METHODS: A total of 280 iCCA patients following curative hepatectomy from three independent institutions were recruited to establish the retrospective multicenter cohort study. The very early recurrence (VER) of iCCA was defined as the appearance of recurrence within 6 months. The 3D tumor region of interest (ROI) derived from contrast-enhanced CT (CECT) was used for radiomics analysis. The inde
Многоцентровое исследованиеСтатьяПоддержка исследования: вне правительства СШАПоиск 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.
IMPORTANCE: Deep learning, a family of machine learning models that use artificial neural networks, has achieved great success at predicting outcomes in nonmedical domains.
OBJECTIVE: To examine whether deep learning recurrent neural network (RNN) models that use raw longitudinal data extracted directly from electronic health records outperform conventional regression models in predicting the risk of developing hepatocellular carcinoma (HCC).
DESIGN, SETTING, AND PARTICIPANTS: This prognostic study included 48 151 patients with hepatitis C virus (HCV)-related cirrhosis in the national Vetera
СтатьяПоддержка правительства СШАПоиск 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.
Type 2 diabetes is driven in part by metabolic inflammation, where activation of the Chrebp/Txnip axis promotes NLRP3 inflammasome assembly, leading to pancreatic β-cell dysfunction and pro-inflammatory cytokine release. Despite the therapeutic relevance of this pathway, the Chrebp-14-3-3 (regulatory-protein client) protein-protein interaction (PPI) remains largely underexplored, with only a limited number of small-molecule modulators reported to date. To address this gap, we developed an artificial intelligence-driven generative design framework for de novo discovery of selective PPI-targetin
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 neurobiological mechanism underpinning cognitive impairment in Parkinson's disease remains poorly understood, although it increasingly points to aberrant spatiotemporal switching among large-scale network configurations. Leveraging the high temporal resolution of source-reconstructed EEG, we characterized these microstate alterations and their direct coupling with cognitive performance. This study used an enhanced Leading eigenvector dynamics analysis framework on source-reconstructed EEG data to probe the temporal properties and transition dynamics of brain functional states in Parkinson'
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.
Adverse childhood experiences can deleteriously affect future physical and mental health, increasing risk for many illnesses, including psychiatric problems, sleep disorders, and, according to the present hypothesis, idiopathic nightmares. Much like post-traumatic nightmares, which are triggered by trauma and lead to recurrent emotional dreaming about the trauma, idiopathic nightmares are hypothesized to originate in early adverse experiences that lead in later life to the expression of early memories and emotions in dream content. Accordingly, the objectives of this paper are to (1) review ex
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: In biomedicine, machine learning (ML) has proven beneficial for the prognosis and diagnosis of different diseases, including can … e age at onset (AAO) and compared it to the well-established Langbehn formula. In addition, we used recurrent neural networks (RNNs) to demonstrate the utility of ML methods for longitudinal datasets, assessing driving capabilities by learning from previous participant assessments.
RESULTS: Simple pre-processing imputed around 42% of missing values in Enroll-HD. Also, 167 …
Наблюдательное исследованиеСтатьяПоддержка исследования: вне правительства СШАПоиск 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: Compared to the pencil-beam algorithm, the Monte-Carlo (MC) algorithm is more accurate for dose calculation but time-consuming in proton therapy. To solve this problem, this study uses deep learning to provide fast 3D dose prediction for prostate cancer patients treated with intensity-modulated proton therapy (IMPT).
METHODS: A novel recurrent U-net (RU-net) architecture was trained to predict the 3D dose distribution. Doses, CT images, and beam spot information from IMPT plans were used to train the RU-net with a five-fold cross-validation. However, predicting the complicated dose p
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.
OBJECTIVE: Models for predicting preterm birth generally have focused on very preterm (28-32 weeks) and moderate to late preterm (32-37 weeks) settings. However, extreme preterm birth (EPB), before the 28th week of gestational age, accounts for the majority of newborn deaths. We investigated the extent to which deep learning models that consider temporal relations documented in electronic health records (EHRs) can predict EPB.
STUDY DESIGN: EHR data were subject to word embedding and a temporal deep learning model, in the form of recurrent neural networks (RNNs) to predict EPB. Due to the low…
СтатьяПоддержка NIH: внешняя программаПоиск 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: Traditional drug discovery methods, such as high-throughput screening (HTS), are often inefficient and costly, especially in com … iently.
METHODS: This study employed REINVENT 4, an advanced machine learning (ML) framework using recurrent neural networks and transformer architectures, for targeted generation and property optimization of BRAF V600E inhibitors, integrating reinforcement learning (RL) for drug-likeness optimization and transfer learning (TL) for mutation-specific design. Molecular dock …
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: Mild acute biliary pancreatitis (MABP) presents significant clinical and economic challenges due to its potential for relapse. Current guidelines advocate for early cholecystectomy (EC) during the same hospital admission to prevent recurrent acute pancreatitis (RAP). Despite these recommendations, implementation in clinical practice varies, highlighting the need for reliable and accessible predictive tools. The MINERVA study aims to develop and validate a machine learning (ML) model to predict the risk of RAP (at 30, 60, 90 days, and at 1-year) in MABP patients, enhancing decision-
Протокол клинического исследованияСтатьяПоддержка исследования: вне правительства СШАПолный 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.
Acute leukemia is usually diagnosed when a test of peripheral blood shows at least 20% of abnormal immature cells (blasts), a figure even lower in case of recurrent cytogenetic abnormalities. Blast identification is crucial for white blood cell (WBC) counting, which depends on both identifying the cell type and characterizing the cellular morphology, processes susceptible of inter- and intraobserver variability. The present work introduces an image combined-descriptor to detect blasts and determine their probable lineage. This strategy uses an intra-nucleus mosaic pattern (InMop) descriptor th
СтатьяПоддержка NIH: внешняя программаПоддержка правительства СШАПоддержка 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.
PURPOSE: To overcome the limitations of single-modality predictors by developing and validating a multimodal model (APNet) that integrates clinical factors and contrast-enhanced CT features to predict recurrence of moderate-to-severe acute pancreatitis (MSAP/SAP).
METHODS: We retrospectively collected clinical data and enhanced CT images from a total of 235 patients with moderate-to-severe AP. To rigorously evaluate model generalizability, the dataset was divided into two distinct cohorts: a Development Cohort (N = 184) for model training and internal cross-validation, and an Independent Vali
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.
Millimeter-wave (mmWave) radar enables non-contact human identification by exploiting gait micro-Doppler signatures without capturing visual imagery. Nevertheless, practical deployment encounters several critical challenges: strong torso echoes that obscure faint limb-motion features, channel-dependent responses caused by unconstrained walking styles, and computational limitations on edge hardware. This paper proposes a lightweight gait-based human identification method for multiple-input multiple-output (MIMO) radar systems, which integrates adaptive Gamma correction, multi-transmit-channel d
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: Staphylococcus aureus bacteremia (SAB) remains a significant contributor to both community-acquired and healthcare-associated bloodstream infections. SAB exhibits a high recurrence rate and mortality rate, leading to numerous clinical treatment challenges. Particularly, since the outbreak of COVID-19, there has been a gradual increase in SAB patients, with a growing proportion of (Methicillin-resistant Staphylococcus aureus) MRSA infections. Therefore, we have constructed and validated a pediction model for recurrent SAB using machine learning. This model aids physicians in promptl
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