Quantitative analysis of fluorescence microscopy images remains a significant challenge in cytopathological assessments, as subjective interpretation and inter-observer variability hinder reproducibility and standardization of classifications. In this study, an artificial intelligence-assisted analytical framework utilizing a multimodal large language model (MLLM) was employed to classify cytotoxic responses in acridine orange/propidium iodide-stained MCF-7 cells subjected to doxorubicin treatment for 24 h. A total of 500 fluorescence images, collected from five experimental groups including a
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.
Accurately predicting mortality risk in intensive care unit (ICU) patients is critical for clinical decision-making. Large language models (LLMs) are increasingly explored for clinical prediction using structured medical data, but their outputs may exhibit demographic disparities. Mitigating such disparities without degrading predictive performance remains challenging. We systematically investigate demographic bias in LLM-based ICU mortality prediction and propose Case-Based Prompting (CAP), a training-free framework designed to improve the empirical balance between predictive performance and …
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: Accurate burn size and depth assessment at first contact guides fluid resuscitation, referral, and operative planning, yet both tasks show meaningful inter-clinician variability. General-purpose multimodal large language models may offer scalable, image-based decision support in emergency care, but prospective benchmarking against clinicians and a robust reference standard remains limited.
METHODS: We conducted a prospective, single-centre diagnostic accuracy and agreement study in a tertiary emergency department (22 July-8 September 2025). Consecutive acute burn presentations (< …
СтатьяEquivalence TrialПоиск 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 Large language models (LLMs) are entering clinical practice, but real-world use in hospital medicine is not well described. Methods We conducted a two-month pilot of a general-purpose LLM application in a hospital medicine division. Two cross-sectional anonymous surveys were administered - one at pilot initiation and one at pilot conclusion. Results Response rates were 71.4% (initial) and 48.6% (end of pilot). Reported use was high at both timepoints (18/20 [90.0%] vs 15/17 [88.2%]); median prompts per workday were 2.0 (IQR, 1.0-6.3) and 1.5 (IQR, 1.0-2.0), respectively. Net Promote…
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: With the integration of large language models into nursing education, nursing students' patterns of use have attracted growing attention and concern. While existing research focuses on determinants such as attitudes and intentions, it lacks insight into their actual patterns of use.
OBJECTIVE: To identify the tailored behavioral personas of nursing students regarding large language models and explore the characteristics of interaction patterns within different personas, thereby clarifying the potential risks associated with these patterns of use.
METHODS: From October to December…
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: Scars and keloids impose significant physical and psychological burdens on patients, often leading to functional limitations, cosmetic concerns, and mental health issues such as anxiety or depression. Patients increasingly turn to online platforms for information; however, existing web-based resources on scars and keloids are frequently unreliable, fragmented, or difficult to understand. Large language models such as GPT-4 show promise for delivering medical information, but their accuracy, readability, and potential to generate hallucinated content require validation for patient e…
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.
STUDY OBJECTIVES: To evaluate the performance and safety of a large language model in interpreting drug-induced sleep endoscopy (DISE) videos and providing treatment recommendations for obstructive sleep apnea, compared to expert human raters and the contemporaneous clinical report.
METHODS: This prospective, blinded study included 16 adults undergoing drug-induced sleep endoscopy at a tertiary academic center. For each case, an anonymized procedural video, clinical vignette, and examination findings were independently reviewed by two sleep surgery experts, a senior otolaryngology resident, a
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: Medical education relies on experience to develop clinical reasoning skills, yet patient access is often limited. Large language models (LLMs) offer an accessible alternative for simulating patient encounters. We aimed to develop and evaluate an LLM-based clinical simulation system for gastroenterology that simulates entire clinical encounters in natural language, from history-taking through to treatment and follow-up planning.
METHODS: The study was conducted in three phases. First, a system comprising an LLM-based clinical case generator, an LLM-based patient simulator, and a we…
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: This study aimed to evaluate and compare the performance of eight contemporary LLMs on the endodontics section of the DUS, assessing their accuracy in both theoretical knowledge and simulated clinical scenarios from historical exam data.
METHODS: The performance of eight different large language models (Claude 4, DeepSeek V3, Gemini 2.5 Pro, ChatGPT-4o, ChatGPT-5, Grok 4, LLaMA 4, and Perplexity) was evaluated using 127 multiple-choice endodontics questions from the Specialization Exam in Dentistry (DUS) administered by the Student Selection and Placement Center (ÖSYM) between 2012…
СтатьяСравнительное исследованиеПоиск 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.
xBind is an interactive, freely accessible, and fully configurable webserver for large language model (LLM)-enabled cross-molecular protein binding-site prediction. xBind leverages LLM embeddings from the ESM-2 model together with sequence- and structure-derived features to predict protein-protein, protein-DNA, and protein-RNA binding sites using symmetry-aware deep graph neural networks. The input to xBind is either a single-chain protein sequence in FASTA format or a monomer protein structure in PDB or mmCIF format and it outputs predicted residue-level binding sites of the input protein wit
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2026eng
PURPOSE: Large language models (LLMs) are transforming medicine, yet their use has been largely confined to back-end administrative tasks, leaving their potential for real-time patient interaction critically unexplored. This study aimed to address this gap by developing and evaluating Spine-GPT, a novel AI assistant built on multi-layered prompt engineering to conduct pre-consultation interviews in the field of spine surgery and enhance clinical decision-making.
METHODS: A two-phase study was conducted. Phase 0 involved simulation-based evaluation using 24 fictional clinical scenarios assesse…
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.
Recent developments have made Large Language Model (LLM) multi-agent systems a promising paradigm for enhancing reasoning via collaborative debate and collective deliberation. Prior work has demonstrated that coordinated LLM agents tend to perform better than single models in terms of accuracy, robustness, and reasoning depth. But these benefits depend on a rarely questioned assumption: that all actors act honestly. In this paper we subvert this assumption by identifying one of the most critical weaknesses: a persuasion-induced adversarial influence in LLM-to-LLM debate. Here we show that a si
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: Large Language Models (LLMs) in healthcare holds immense promise yet carries the risk of perpetuating social biases. While artificial intelligence (AI) fairness is a growing concern, a gap exists in understanding how these models perform under conditions of clinical ambiguity, a common feature in real-world practice.
METHODS: We conducted a study using an ambiguity-probe methodology with a set of 42 sociodemographic personas and 15 clinical vignettes based on the 2018 classification of periodontal diseases. Ten were clear-cut scenarios with established ground truths, while five we…
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/Objectives: Periodontitis is a highly prevalent chronic disease requiring accurate diagnosis for effective treatment planning. Artificial intelligence (AI) has emerged as a potential tool to support clinical decision-making. This study aimed to compare the diagnostic performance and classification error patterns of a large language model (LLM) and a neural network (NN) in periodontitis classification according to the current staging and grading system. Methods: This retrospective study included 110 patients with periodontal disease. Clinical and demographic variables (age, sex, smok
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: Large language model (LLM) proofreaders for radiology reports generate many false positives (FPs) due to the low prevalence of errors.
OBJECTIVE: This study aimed to determine whether an optimized LLM framework could improve both precision and cost-efficiency without compromising error detection capability.
METHODS: In this retrospective study, 1000 radiology reports (radiography, ultrasonography, computed tomography, and magnetic resonance imaging; 250 each) were sampled from the Medical Information Mart for Intensive Care III database. Two public chest radiography corpora (CheX
СтатьяПоддержка 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.
BACKGROUND: Large language model (LLM)-based chatbots are increasingly used by patients for health information; however, their reliability in high-risk cardiovascular therapies such as oral anticoagulation remains uncertain. This study evaluated the perceived accuracy, clarity, and completeness of LLM-generated responses to common patient queries compared with standard-derived expert responses (SDERs).
METHODS: A cross-sectional comparative study evaluated responses generated by ChatGPT-4.5, Gemini Pro 2.5, and DeepSeek-V3 to 11 frequently asked questions related to five oral anticoagulants:
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: Systems based on large language models (LLMs), multimodal LLMs, and vision-language foundation models are increasingly being evaluated for medical report generation in imaging and related clinical workflows. Existing reviews have summarized technical architectures, radiology applications, readability, and benchmark performance, but clinical readiness remains uncertain because safety, human oversight, and workflow outcomes are sparsely and inconsistently reported.
OBJECTIVE: The aim of this study is to assess the effectiveness (expert acceptance and blinded preference), safety (cli…
СтатьяСистематический обзорПоиск 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: This study applies advanced artificial intelligence technologies to reconstruct the global research landscape of osteoporosis (OP) biomarkers and to predict emerging nodes with potential clinical value.
METHODS: Literature from the Web of Science Core Collection and PubMed over the past 20 years was integrated. The OpenAI text-embedding-3-large model mapped keywords into a high-dimensional semantic space, enabling deep clustering through cosine similarity and reducing polysemy. The Walktrap community detection algorithm and Callon strategic diagram were used to identify high-centr
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.
INTRODUCTION: To develop a history-taking training and assessment system based on a medical large language model (MedLLM), evaluate its effect on medical students' history-taking competence, and examine its feasibility and effectiveness as a supplement to conventional interview teaching.
METHODS: An intelligent history-taking training and assessment system was built around a domain-fine-tuned Qwen2.5 large language model. Fifty medical students were assigned in equal numbers to an intervention group and a control group (25 each) using a random number table. The intervention group trained with
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 aims to comparatively examine the readability, accuracy, and quality of responses provided by artificial intelligence (AI)-based chatbots such as Perplexity, ChatGPT-5, and Gemini to questions about knee osteoarthritis (KOA), which accounts for approximately four-fifths of the global osteoarthritis (OA) burden. In this study, 8 keywords were determined by excluding repetitive, irrelevant or synonymous ones from the 25 most frequently used English keywords associated with KOA based on Google Trends data, and these terms were asked as questions to three different artificial intelligen
СтатьяСравнительное исследованиеПоиск 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