Результаты поиска

Machine learning for acute kidney injury: Changing the traditional disease prediction mode.

Acute kidney injury (AKI) is a serious clinical comorbidity with clear short-term and long-term prognostic implications for inpatients. The diversity of risk factors for AKI has been recognized in previous studies, and a series of predictive models have been developed using traditional statistical methods in conjunction with its preventability, but they have failed to meet the expectations in limited clinical applications, the rapid spread of electronic health records and artificial intelligence machine learning technology has brought new hope for the construction of AKI prediction models. In

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
… ANNs involve various types, including multilayer perceptron (MLP) networks, recurrent neural networks (RNNs), and convolutional neural networks (CNNs), which utilize either supervised or unsupervised training procedures 9 , 10 . … Generating focused molecule libraries for drug discovery with recurrent neural networks ACS Cent. Sci. 4 2018 120 131 29392184 10.1021/acscentsci.7b00512 PMC5785775 79 Popova M. Deep reinforcement learning for de novo drug design Sci. …

Challenges of airway management in a patient with temporomandibular joint ankylosis complicating forceps delivery--a case report.

INTRODUCTION: These guidelines provide a comprehensive and practical framework for preventing osteoporosis. They are designed for use by healthcare professionals, including orthopaedic surgeons, primary care physicians, specialists, nurses, and allied health providers, as they work with patients at risk of or already diagnosed with osteoporosis. METHODOLOGY: This iterative process involved multiple questionnaires sent to a panel of 62 osteoporosis and bone health experts. Experts, including clinicians, researchers, and academicians, were selected based on their recognised expertise and contri

Совпадение в полном тексте источника
… Graves A, Mohamed AR, Hinton G (2013) Speech recognition with deep recurrent neural networks. … Statistics and Public Policy Mikolov T, Karafiát M, Burget L, Cernocký J, Khudanpur S (2010) Recurrent neural network based language model. …

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

Совпадение в полном тексте источника
… In 1997, Sepp Hochreiter and Jürgen Schmidhuber pioneered the Long Short-Term Memory Network (LSTM) 31 , which is a kind of network that effectively mitigates the long-term dependency problem in recurrent neural networks. … On the other hand, as a variant of Recurrent Neural Network (RNN), LSTM is also widely used for classification prediction of sequence data. LSTM can efficiently handle and learn the time-dependence in sequence data. …

Oncologic Applications of Artificial Intelligence and Deep Learning Methods in CT Spine Imaging-A Systematic Review.

In spinal oncology, integrating deep learning with computed tomography (CT) imaging has shown promise in enhancing diagnostic accuracy, treatment planning, and patient outcomes. This systematic review synthesizes evidence on artificial intelligence (AI) applications in CT imaging for spinal tumors. A PRISMA-guided search identified 33 studies: 12 (36.4%) focused on detecting spinal malignancies, 11 (33.3%) on classification, 6 (18.2%) on prognostication, 3 (9.1%) on treatment planning, and 1 (3.0%) on both detection and classification. Of the classification studies, 7 (21.2%) used machine lear

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

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

The influence of neuro-tumor interactions on tumorigenesis and therapeutic response.

The intricate crosstalk between the nervous system and tumors has emerged as a pivotal determinant of tumorigenesis, progression, and therapeutic response. This review synthesizes current insights into neuro-tumor interactions, highlighting how neuronal networks within the tumor microenvironment (TME) modulate cancer cell proliferation, invasion, and angiogenesis by releasing neurotransmitters, growth factors, etc. The neuro-immune axis, a critical interface linking neural signaling to immune regulation, is explored in depth, elucidating how neuronal-derived molecules influence the phenotype a

Application of Artificial Intelligence Methods for Imaging of Spinal Metastasis.

Spinal metastasis is the most common malignant disease of the spine. Recently, major advances in machine learning and artificial intelligence technology have led to their increased use in oncological imaging. The purpose of this study is to review and summarise the present evidence for artificial intelligence applications in the detection, classification and management of spinal metastasis, along with their potential integration into clinical practice. A systematic, detailed search of the main electronic medical databases was undertaken in concordance with the PRISMA guidelines. A total of 30

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
… While typical deep neural networks assume that individual input/output pairs are independent of each other, the output of recurrent neural networks is dependent on the sequence’s prior inputs. … Multiple resolution WSIs are also used by Cheng et al. 45 to predict lesion cells using a progressive lesion cell recognition method that combines low- and high-resolution WSIs, as well as a recurrent neural network-based WSI classification model that evaluates the lesion degree of WSIs. …

Алгоритмы машинного обучения для виртуального раннего обнаружения и выявления нейродегенеративных и нейрокогнитивных расстройств: систематический обзор.

Происхождение и аналоговые расстройства (например, болезнь Альцгеймера, болезнь Паркинсона) приводят к нейронной потере; нейрокогнитивные расстройства (например, бред, слабоумие) свидетельствуют о когнитивном упадке. Раннее обнаружение имеет решающее значение для эффективного управления. Машинное обучение помогает в более точном выявлении заболеваний, потенциально преобразуя медицинское обслуживание. В рамках этого всеобъемлющего систематического обзора обсуждается вопрос о том, каким образом машинное обучение (ML) может способствовать раннему выявлению этих расстройств, превосходя при этом тр

Deep Learning Techniques to Characterize the RPS28P7 Pseudogene and the Metazoa-SRP Gene as Drug Potential Targets in Pancreatic Cancer Patients.

The molecular explanation about why some pancreatic cancer (PaCa) patients die early and others die later is poorly understood. This study aimed to discover potential novel markers and drug targets that could be useful to stratify and extend expected survival in prospective early-death patients. We deployed a deep learning algorithm and analyzed the gene copy number, gene expression, and protein expression data of death versus alive PaCa patients from the GDC cohort. The genes with higher relative amplification (copy number >4 times in the dead compared with the alive group) were EWSR1, FLT3,

Совпадение в полном тексте источника
… These ANN structures preserve long- and short-term (over the samples entering the classification process) dependencies, representing a significant benefit compared with traditional Recurrent Neural Networks considering the nature of bioinformatics information. …

Exploiting artificial intelligence in precision oncology: an updated comprehensive review.

Precision oncology considers the genetic makeup of both the tumor and the cancer patient, medical history, clinical metadata, lifestyle and environmental factors. Thus, adoption of precision cancer medicine mandates sophisticated integrative analysis. Being a master in sorting and solving the puzzle pieces, artificial intelligence (AI)-powered frameworks emerged to fill the gap via executing multimodal analysis and generating meaningful outputs. Herein, we systematically discussed the opportunities and challenges of exploiting AI-assisted models in preclinical cancer research and in clinical o

Artificial intelligence in cancer immunotherapy: current trends in predicting response and personalizing treatment.

Artificial intelligence (AI) can transform cancer immunotherapy by enabling more accurate prediction of treatment responses, the discovery of specific biomarkers, and the development of personalised treatment plans. Traditional single-marker biomarkers (PD-L1, TMB, MSI) lack consistency across tumour types and cannot be used to assess tumour heterogeneity or the dynamic tumour microenvironment (TME). This review synthesises developments in multimodal AI models that combine genomics, transcriptomics, radiomics, digital pathology (pathomics), circulating biomarkers, and clinical evidence to crea

Искусственные интеллектуальные технологии зондирования для борьбы с раком, диабетом и COVID-19.

Интеграция искусственного интеллекта (АИ) с износимыми сенсорными технологиями может привести к революции в мониторинге и лечении различных хронических заболеваний и острых заболеваний. Комбинированные износы АИ классифицируются по таким основополагающим методам зондирования, как электрохимическая, колориметрическая, химическая, оптическая, а также давление/стабильность. Алгоритмы АИ повышают эффективность изношенных датчиков, обеспечивая индивидуализированный, постоянный надзор и прогнозный анализ, помогая распознавать время и оптимизируя терапевтические методы. В этой рукописи рассматриваютс

Совпадение в полном тексте источника
… The second approach is a deep learning method, such as convolutional neural networks and recurrent neural networks, which can understand the temporal patterns of glucose signals in conjunction with temperature fluctuations, thereby enhancing robustness in dynamic real-world environments. … Recurrent neural network and compartmental models are utilized along with a tailored glucose-insulin metabolism model and a nonlinear model-predictive controller (NMPC). The predictions were made based on patient data, including food consumption, glucose readings, and insulin infusion rates. …

Цифровой двойник для неврологических условий: систематический обзор сферы охвата.

Цифровая двойная технология стала многообещающим подходом к развитию точной медицины в сложных болезнях, особенно в неврологии. Цель этого аналитического обзора заключалась в том, чтобы систематически картировать текущую литературу о цифрового двойного применения в неврологических условиях с уделением особого внимания характеристикам исследований, подходам к моделированию, источникам данных и клиническому применению. Всесторонний поиск six базы данных с момента создания по февраль 2026 выявленные 36 - исследования, отвечающие критериям включения. Полученные результаты свидетельствуют о быстром

Цифровые биомаркеры и АИ для дистанционного мониторинга утомительного прогресса в области неврологических расстройств: подключение механизмов к клиническому применению.

Цифровые биомаркеры для мониторинга усталости в неврологических расстройствах представляют собой новаторский подход к преодолению разрыва между механистическим пониманием и клиническим применением. В настоящем перспективном документе рассматривается вопрос о том, каким образом меры, разработанные с помощью смартфонов и проанализированные с помощью искусственных методов интеллекта, могут трансформировать оценку усталости из субъективной, эпизодической отчетности в непрерывный, объективный мониторинг. Предлагаемые рамки для цифровой фенотификации на основе смартфонов содержат пассивные данные (о

Совпадение в полном тексте источника
… Deep learning models, particularly recurrent neural networks, show particular utility for processing time-series data characteristics of continuous monitoring, capturing temporal dependencies that may reflect fatigue progression [ 40 ]. … Machine learning techniques, including recurrent neural networks, have shown particular utility for processing the time-series data characteristic of continuous monitoring, capturing temporal dependencies that may reflect fatigue progression with prediction accuracies exceeding 80% in classification …

LAPTM proteins in neurological disorders - Autophagy-lysosome dysfunction and therapeutic targets: A review.

Lysosomal-associated protein transmembrane (LAPTM) family members-LAPTM4A, LAPTM4B, and LAPTM5-regulate lysosomal integrity, autophagy-lysosome flux, lipid homeostasis, and immune signaling, pathways increasingly implicated in neurological disease. This review synthesizes structure-function evidence for LAPTM proteins and examines how their dysregulation contributes to Alzheimer's and Parkinson's disease, ischemia-reperfusion injury, and gliomas. Based on a targeted narrative analysis of primary and translational studies, we highlight that LAPTM proteins influence lysosomal acidification and m

Predicting which patients with cancer will see a psychiatrist or counsellor from their initial oncology consultation document using natural language processing.

BackgroundPatients with cancer often have unmet psychosocial needs. Early detection of who requires referral to a counsellor or psychiatrist may improve their care. This work used natural language processing to predict which patients will see a counsellor or psychiatrist from a patient's initial oncology consultation document. We believe this is the first use of artificial intelligence to predict psychiatric outcomes from non-psychiatric medical documents.MethodsThis retrospective prognostic study used data from 47,625 patients at BC Cancer. We analyzed initial oncology consultation documents

АКНП 60th Ежегодное совещание: выдержки из плакатов P276 - P550.

Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.