Drug-target affinity (DTA) prediction is an important task in computer-aided drug discovery. Existing methods usually use a fixed drug-protein interaction strategy. This design is hard to adapt to heterogeneous samples. It is also limited in cold-start and low-similarity scenarios. This study proposes SIGMA-DTA, a similarity-guided adaptive interaction modeling framework for DTA prediction. The framework uses drug and protein similarities as explicit reasoning priors. It introduces a similarity-driven routing mechanism. The mechanism assigns weights to different interaction paths according to
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: Accurate prediction of breeding values (BVs) is fundamental to genetic improvement in racehorses. Although single-trait mixed models (STM), typically implemented using BLUP-based procedures, remain the standard framework for genetic evaluation, machine learning (ML) methods offer a flexible, data-driven approach for learning complex relationships among phenotypic, environmental, and pedigree-derived information. These capabilities have encouraged researchers to explore the application of ML methods for predicting breeding values.
OBJECTIVES: This study compared the performance of
СтатьяПолный 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.
BACKGROUND: If metastasis can be predicted, appropriate management of lung cancer will be possible to improve prognosis. Therefore, the main objective of this study is to develop a prediction model with appropriate performance for predicting metastasis based on patient data.
METHODS: The study analyzed patient records from Kaggle, performing exploratory data analysis and preprocessing techniques such as missing values handling, encoding categorical variables, and outliers' removal. Next, Data normalization and feature engineering were applied. Imbalanced data was addressed using Synthetic Min
СтатьяПолный 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.
BACKGROUND: Sarcopenia is a clinicopathological condition characterized by a decrease in muscle strength and muscle mass, playing a crucial role in the prognosis of cancer. Therefore, this study aims to investigate the association between sarcopenia and both all-cause mortality and cancer-specific mortality among cancer patients. Furthermore, we plan to develop risk prediction models using machine learning algorithms to predict 3-year and 5-year survival rates in cancer patients.
METHOD: This study included 1095 cancer patients from the National Health and Nutrition Examination Survey (NHANES
СтатьяВалидационное исследованиеПолный 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.
Sexually transmitted diseases (STD) are an important contraindication for intrauterine device (IUD) insertion. Nevertheless, laboratory testing for STD is not possible in many settings. The objective of this study is to evaluate the use of risk assessment algorithms to predict STD and subsequent IUD-related complications among IUD candidates. Among 615 IUD users in Kenya, the following algorithms were evaluated: 1) an STD algorithm based on US Agency for International Development (USAID) Technical Working Group guidelines: 2) a Centers for Disease Control and Prevention (CDC) algorithm for man
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.
Machine learning (ML) algorithms can be used to extract clinically meaningful information from movement data captured by inertial measurement units (IMUs), but many human activity recognition (HAR) pipelines are developed on large laboratory datasets that may not reflect small, heterogeneous, real-world samples. The purpose of this study is to systematically compare the accuracy of multiple ML models, feature sets (both simple and expanded), class balancing strategies, null and transition period handling techniques, and sensor configurations for recognizing a set of four everyday activities ex
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.
Hypertension and diabetes are major risk factors for heart disease, which remains among the leading causes of morbidity and mortality worldwide. Heart disease includes heart failure, myocardial infarction, stroke, and atherosclerosis. The identification and monitoring of these risk factors are crucial for early intervention and effective management. Machine learning techniques have the potential to improve the management and prevention of heart disease by enabling the automatic detection of risk factors, which in turn can help doctors personalize treatment and facilitate preventive interventio
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.
TOPIC: Artificial intelligence (AI) is increasingly applied to support decision-making in ophthalmology. This review evaluates the ability of AI to predict postoperative outcomes after anterior segment and ocular adnexal procedures.
CLINICAL RELEVANCE: The prognostic application of AI algorithms, capable of handling multimodal, complex data, and modeling nonlinear relationships, may enhance perioperative patient counseling, surgical planning, and outcomes.
METHODS: A comprehensive search was conducted across MEDLINE, Embase, the Cochrane Library, Compendex, Web of Science, Scopus, ProQuest D
СтатьяОбзорПоиск 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: Radiomics analysis of orbital magnetic resonance imaging (MRI) shows preliminary potential for intravenous glucocorticoid (IVGC) response prediction of thyroid eye disease (TED). The current region of interest segmentation contains only a single organ as extraocular muscles (EOMs). It would be of great value to consider all orbital soft tissues and construct a better prediction model.
METHODS: In this retrospective study, we enrolled 127 patients with TED that received 4·5 g IVGC therapy and had complete follow-up examinations. Pre-treatment orbital T2-weighted imaging (T2WI) was
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.
European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology2023eng
INTRODUCTION: Indications for elective treatment of the neck in patients with major salivary gland cancers are still debated. Our purpose wa … asured. T classification and tumor size were the most important features in the construction of the prediction algorithms.
CONCLUSIONS: Classification performance of the ML algorithms showed high specificity and negative predictive value that allow to preoperatively identify patients with a lower risk of LNM.
LAY SUMMARY: Based on data from the Surveillance, Epidemio …
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: The precise diagnostic and prognostic biological markers were needed in immunotherapy for sepsis. Considering the role of necroptosis and immune cell infiltration in sepsis, differentially expressed necroptosis-related genes (DE-NRGs) were identified, and the relationship between DE-NRGs and the immune microenvironment in sepsis was analyzed. Methods: Machine learning algorithms were applied for screening hub genes related to necroptosis in the training cohort. CIBERSORT algorithms were employed for immune infiltration landscape analysis. Then, the diagnostic value of these hub gen
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.
Preeclampsia, a multisystem disorder in pregnancy, is still one of the main causes of maternal morbidity and mortality. Due to a lack of a causative therapy, an accurate prediction of women at risk for the disease and its associated adverse outcomes is of utmost importance to tailor care. In the past two decades, there have been successful improvements in screening as well as in the prediction of the disease in high-risk women. This is due to, among other things, the introduction of biomarkers such as the sFlt-1/PlGF ratio. Recently, the traditional definition of preeclampsia has been expanded
СтатьяОбзорПолный 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: Prevention is highly involved in reducing the incidence of post-thrombotic syndrome (PTS). We aimed to develop accurate models with machine learning (ML) algorithms to predict whether PTS would occur within 24 months.
MATERIALS AND METHODS: The clinical data used for model building were obtained from the Acute Venous Thrombosis: Thrombus Removal with Adjunctive Catheter-Directed Thrombolysis study and the external validation cohort was acquired from the Sun Yat-sen Memorial Hospital in China. The main outcome was defined as the occurrence of PTS events (Villalta score ≥5). Twenty-
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 AND OBJECTIVE: Practicing mindfulness is a mental process toward interoceptive awareness, achieving stress reduction and emotion regulation through brain-function alteration. Literature has shown that electroencephalography (EEG)-derived connectivity possesses the potential to differentiate brain functions between mindfulness naïve and mindfulness experienced, where such quantitative differentiation could benefit telediagnosis for mental health. However, there is no prior guidance in model selection targeting on the mindfulness-experience prediction. Here we hypothesized that the EE
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.
OBJECTIVES: Antidepressants are first-line treatments for major depressive disorder (MDD), but 40-60% of patients will not respond, hence, predicting response would be a major clinical advance. Machine learning algorithms hold promise to predict treatment outcomes based on clinical symptoms and episode features. We sought to independently replicate recent machine learning methodology predicting antidepressant outcomes using the Sequenced Treatment Alternatives to Relieve Depression (STAR*D) dataset, and then externally validate these methods to train models using data from the Canadian Biomark
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: Evidence-based medicine combines scientific research, clinical expertise, and patient preferences to enhance the patient outcomes and improve health care quality. Clinical data are crucial in aligning medical decisions with evidence-based practices, whether derived from systematic research or real-world data sources. Quality assurance of clinical data, mainly through predictive quality algorithms and machine learning, is essential to mitigate risks such as misdiagnosis, inappropriate treatment, bias, and compromised patient safety. Furthermore, excellent quality of clinical data is
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: The assessment of osteonecrosis of the femoral head (ONFH) often presents challenges in accuracy and efficiency. Traditional methods rely on imaging studies and clinical judgment, prompting the need for advanced approaches. This study aims to use deep learning algorithms to enhance disease assessment and prediction in ONFH, optimizing treatment strategies.
OBJECTIVE: The primary objective of this research is to analyze pathological images of ONFH using advanced deep learning algorithms to evaluate treatment response, vascular reconstruction, and disease progression. By identifying
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.
In type 1 diabetes management, the availability of algorithms capable of accurately forecasting future blood glucose (BG) concentrations and hypoglycemic episodes could enable proactive therapeutic actions, e.g., the consumption of carbohydrates to mitigate, or even avoid, an impending critical event. The only input of this kind of algorithm is often continuous glucose monitoring (CGM) sensor data, because other signals (such as injected insulin, ingested carbs, and physical activity) are frequently unavailable. Several predictive algorithms fed by CGM data only have been proposed in the liter
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: Asthma is a heterogeneous disease that affects millions of children and adults. There is a lack of objective gold standard diagnosis that spans the ages; instead, diagnoses are made by clinician assessment based on a cluster of signs, symptoms and objective tests dependent on age. Yet, there is a clear morbidity associated with chronic asthma symptoms. Machine learning has become a popular tool to improve asthma diagnosis and classification. There is a paucity of literature on the use of Bayesian machine learning algorithms to predict asthma diagnosis in children. This paper develo
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.
BACKGROUNDS: Acute Appendicitis (AA) is one of the most common surgical emergencies worldwide. This study aims to investigate the predictive performances of 6 different Machine Learning (ML) algorithms for simple and complicated AA.
METHODS: Data regarding operated AA patients between 2012 and 2022 were analyzed retrospectively. Based on operative findings, patients were evaluated under two groups: perforated AA and none-perforated AA. The features that showed statistical significance (p < 0.05) in both univariate and multivariate analysis were included in the prediction models as input featu
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.
MedElevator
Войти в исследования