For understanding a chemical compound's mechanism of action and its side effects, as well as for drug discovery, it is crucial to predict its possible protein targets. This study examines 15 developed target-centric models (TCM) employing different molecular descriptions and machine learning algorithms. They were contrasted with 17 third-party models implemented as web tools (WTCM). In both sets of models, consensus strategies were implemented as potential improvement over individual predictions. The findings indicate that TCM reach f1-score values greater than 0.8. Comparing both approaches,
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: Prediction of antibiotic non-susceptibility based on patient characteristics and clinical status may support selection of empiric antibiotics for suspected hospital-acquired urinary tract infections (HA-UTIs).
METHODS: Prediction models were developed to predict non-susceptible results of eight antibiotic susceptibility tests ordered for suspected HA-UTI. Eligible patients were those with urine culture and susceptibility test results after 48 hours of admission between 2010-2021. Patient demographics, diagnosis, prescriptions, exposure to multidrug-resistant organisms, transfer hi
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.
Precision feeding is a strategy for supplying an amount and composition of feed as close that are as possible to each animal's nutrient requirements, with the aim of reducing feed costs and environmental losses. Usually, the nutrient requirements of gestating sows are provided by a nutrition model that requires input data such as sow and herd characteristics, but also an estimation of future farrowing performances. New sensors and automatons, such as automatic feeders and drinkers, have been developed on pig farms over the last decade, and have produced large amounts of data. This study evalua
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.
Osteoporotic fractures impose a substantial burden on patients with diabetes due to their unique characteristics in bone metabolism, limiting the efficacy of conventional fracture prediction tools. Artificial intelligence (AI) algorithms have shown great promise in predicting osteoporotic fractures. This review aims to evaluate the application of traditional fracture prediction tools (FRAX, QFracture, and Garvan FRC) in patients with diabetes and osteoporosis, review AI-based fracture prediction achievements, and assess the potential efficiency of AI algorithms in this population. This compreh
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.
We use multidimensional data from automated monitoring systems and milking systems to predict disorders of dairy cows by employing eight machine learning algorithms. The data included the season, days in milking, parity, age at the time of disorders, milk yield (kg/day), activity (unitless), six variables related to rumination time, and two variables related to the electrical conductivity of milk. We analyze 131 sick cows and 149 healthy cows with identical lactation days and parity; all data are collected on the same day, which corresponds to the diagnosis day for disordered cows. For disorde
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: Central precocious puberty (CPP) in girls seriously affects their physical and mental development in childhood. The method of diagnosis-gonadotropin-releasing hormone (GnRH)-stimulation test or GnRH analogue (GnRHa)-stimulation test-is expensive and makes patients uncomfortable due to the need for repeated blood sampling.
OBJECTIVE: We aimed to combine multiple CPP-related features and construct machine learning models to predict response to the GnRHa-stimulation test.
METHODS: In this retrospective study, we analyzed clinical and laboratory data of 1757 girls who underwent a GnR
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: Periventricular leukomalacia (PVL) is part of a spectrum of cerebral white matter injury which is associated with adverse neurodevelopmental outcome in preterm infants. While PVL is common in neonates with cardiac disease, both before and after surgery, it is less common in older infants with cardiac disease. Pre-, intra-, and postoperative risk factors for the occurrence of PVL are poorly understood. The main objective of the present work is to identify potential hemodynamic risk factors for PVL occurrence in neonates with complex heart disease using logistic regression analysis an
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.
Timely identification of COVID-19 outpatients who are at risk of hospitalization is critical for preventing clinical deterioration and optimizing healthcare resources. Although machine-learning models have demonstrated high predictive accuracy, their limited interpretability often hinders clinical adoption. This study aims to develop a hybrid explainable framework that combines the predictive strength of XGBoost with clinically interpretable rule-based explanations to support decision-making in real clinical settings. A retrospective dataset of 1278 COVID-19 patients was analyzed after applyin
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.
Machine learning prediction models consistently outperform conventional clinical scoring tools across perioperative outcomes, yet remain largely unadopted at the bedside. This narrative review examines explainable artificial intelligence (XAI) as a bridge between algorithmic performance and clinical translation, drawing on a targeted search of PubMed and Embase (January 2018 to March 2026). Five prediction domains are synthesized: perioperative hypotension, postoperative complications, difficult airway management, depth-of-anesthesia monitoring, and regional anesthesia and pain management. SHA
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 AND AIMS: Estimating the risk of cardiovascular disease (CVD) complications in type 2 diabetes mellitus (T2DM) patients is critical in the medical decision-making process. This study aimed to use a machine learning technique combined with proteomics to develop personalized models for predicting CVD in patients with T2DM.
METHODS AND RESULTS: In total, 874 patients with T2DM and 2,920 Olink proteins obtained from the UK Biobank were used in this study. Proteins were screened using Cox regression and LASSO regression. A basic model containing clinical features and a full model combin
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.
Kidney transplantation remains the optimal treatment for end-stage renal disease, yet persistent organ shortages and inequitable allocation necessitate innovative solutions. Artificial intelligence (AI) and machine learning (ML) have emerged as promising tools for improving clinical outcomes and optimizing donor-recipient matching. However, their integration into clinical practice remains limited, and significant challenges regarding validation and ethical implementation persist. This systematic review synthesizes current research on AI-driven kidney allocation, focusing on predictive modeling
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.
OBJECTIVE: To develop a machine learning model integrating habitat-based radiomics and voting algorithms for predicting axillary lymph node metastasis (ALNM) in breast cancer using B-mode and contrast-enhanced ultrasound images.
METHODS: This retrospective study included 246 T1/T2 stage breast cancer patients (246 lesions) from Fujian Cancer Hospital (2016.04-2022.12). Lesions were randomly divided into training (n = 197) and testing (n = 49) datasets. A Gaussian Mixture Model partitioned B-mode ultrasound images into three subregions. Radiomics features, including shape features, first-order
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 AIMS: Ensemble machine-learning methods, like the superlearner, combine multiple models into a single one to enhance predictive accuracy. Here we explore the potential of the superlearner as a benchmarking tool for clinical risk prediction, illustrating the approach to identifying significant liver fibrosis among patients with NAFLD.
APPROACH AND RESULTS: We used 23 demographic/clinical variables to train superlearner(s) on data from the NASH-clinical research network observational study (n = 648) and validated models with data from the FLINT trial (n = 270) and National Health
СтатьяНаблюдательное исследованиеПоддержка NIH: внешняя программаПоиск 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: Visual impairment (VI) is a prevalent global health issue, affecting over 2.2 billion people worldwide, with nearly half of the Chinese population aged 60 years and older being affected. Early detection of high-risk VI is essential for preventing irreversible vision loss among Chinese middle-aged and older adults. While machine learning (ML) algorithms exhibit significant predictive advantages, their application in predicting VI risk among the general middle-aged and older adult population in China remains limited.
OBJECTIVE: This study aimed to predict VI and identify its determi
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.
This paper proposes a time-series deep-learning 3D Kinect camera scheme to classify the respiratory phases with a lung tumor and predict the lung tumor displacement. Specifically, the proposed scheme is driven by two time-series deep-learning algorithmic models: the respiratory-phase classification model and the regression-based prediction model. To assess the performance of the proposed scheme, the classification and prediction models were tested with four categories of datasets: patient-based datasets with regular and irregular breathing patterns; and pseudopatient-based datasets with regula
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 tendency of amyloid-β to form oligomers in the blood as measured with Multimer Detection System-Oligomeric Amyloid-β (MDS-OAβ) is a valuable biomarker for Alzheimer's disease and has been verified with heparin-based plasma. The objective of this study was to evaluate the performance of ethylenediaminetetraacetic acid (EDTA)-based MDS-OAβ and to develop machine learning algorithms to predict amyloid positron emission tomography (PET) positivity.
METHODS: The performance of EDTA-based MDS-OAβ in predicting PET positivity was evaluated in 312 individuals with various machine lear
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: Accurate antenatal prediction of SGA at birth is essential to improve development and delivery of preventative and therapeutic interventions. This study aimed to assess the performance of machine learning (ML) models to predict SGA at birth among Chinese pregnancies classified according to the Chinese birthweight standard and three international birthweight standards.
METHODS: We collected multimodal, longitudinal, antenatal surveillance data on 350,135 singleton pregnancies in Wenzhou City, China, between Jan 1, 2014 and Dec 31, 2016. For three pregnancy intervals we developed ML
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: Infectious mononucleosis (IM) presents with nonspecific clinical manifestations, leading to frequent misdiagnosis or delayed diagnosis, and is associated with potentially severe complications. Existing etiological diagnostic methods are characterized by prolonged turnaround times. This study aims to establish an IM model using eight machine learning algorithms and select the optimal one, so as to further improve the laboratory diagnostic accuracy of IM.
METHODS: The study included 234 patients diagnosed with IM from April 2024 to December 2025 as the case group. The control group
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 recent years Covid-19 impact is causing unprecedented difficulties worldwide, affecting lifestyle choices. The post-pandemic era has made this even more critical.COVID-19 triggers widespread inflammation throughout the body, potentially causing damage to the heart and other vital organs. Mortality data from COVID-19 clearly show that the highest death rates occur in individuals with chronic conditions, such as diabetes, pneumonia, cardiovascular disease (CVD), and acute renal failure.CVD is a particular concern in the medical field. The early detection of CVD remains a significant challenge
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