Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
9304 публикаций
Поиск: 295 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1619 с найденным полным текстом
BACKGROUND: Patients increasingly use generative AI to interpret symptoms and seek health information, yet limited evidence shows how AI-assisted self-diagnosis is integrated into care-seeking and related to clinical interactions and patient-physician relationships.
OBJECTIVE: This study examined how AI-assisted self-diagnosis is incorporated into care-seeking processes and how it relates to patient participation in clinical encounters and trust in physicians.
METHODS: An exploratory sequential mixed methods design was used. In the qualitative phase, Chinese adults who had used generative AI
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 AND OBJECTIVE: Generative artificial intelligence (AI) tools such as ChatGPT are increasingly integrated into healthcare, with potential to support clinical decision-making and improve patient outcomes. In palliative care, where access to multidisciplinary expertise is often limited, these tools may provide support for symptom management. This study aimed to systematically compare ChatGPT-4o and ChatGPT-5 for common palliative care symptoms across four key domains: clinical appropriateness, safety, ethical sensitivity, and understandability.
METHODS: Clinical scenarios representing
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.
Artificial intelligence (AI), particularly foundation and generative models, is reshaping the practice of hepatology through enhanced knowledge synthesis, quantitative and reproducible analysis of multimodal data, and personalized clinical decision support. This narrative review examines the transition from task-specific discrimination AI to large language models (LLMs), multimodal foundation models, and agentic AI. We synthesize evidence from original and validation studies, clinical evaluations, and benchmark studies, as well as expert reviews and regulatory frameworks across metabolic dysfu
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.
As generative artificial intelligence (GAI) becomes increasingly integrated into undergraduate medical education, its relationship with students' learning engagement warrants further investigation. Guided by self-determination theory, this cross-sectional questionnaire study surveyed 498 medical undergraduates at a medical university in China and used structural equation modeling (SEM) and fuzzy-set qualitative comparative analysis (fsQCA) to examine average associations and configurational patterns among GAI use, basic psychological need satisfaction, and learning engagement. SEM results show
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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: Trauma exposure is highly prevalent and associated with various health issues. However, health care professionals can exhibit trauma-related diagnostic overshadowing bias, leading to misdiagnosis and inadequate treatment of trauma-exposed populations. Generative artificial intelligence (GAI) models are increasingly used in health care contexts. No research has examined whether GAI demonstrates this bias in decision-making and how rates of this bias may compare to mental health professionals (MHPs).
OBJECTIVE: This study aimed to assess trauma-related diagnostic overshadowing among
СтатьяСравнительное исследованиеПолный 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/Objectives: Artificial intelligence (AI) has evolved from early diagnostic expert systems to advanced generative models, such as GPT-4, which are increasingly being used in healthcare. Concerns persist regarding inaccuracies and input dependency. This study aimed to deliver initial insights into whether gender influences the interaction of medical professionals with generative AI. Methods: This analysis investigated gender differences in medical students' and physicians' interactions with ChatGPT-4 while researching occupational medicine cases in a randomized controlled study. Parti
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.
Osteoporosis is a major global health burden, with considerable morbidity, mortality, and healthcare costs. Artificial intelligence (AI) has opened new avenues for osteoporosis screening, bone mineral density quantification, fracture-risk prediction, and clinical decision support, but progress remains fragmented across machine learning, deep learning, explainable AI (XAI), generative models, and multimodal learning. This systematic review brings these strands together and identifies priority research needs for AI-based osteoporosis prediction. Following the PRISMA 2020 statement, studies were
СтатьяСистематический обзорПолный 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.
OBJECTIVES: This study assessed changes in the visibility of the National Health Information Portal (NHIP), operated by the Korea Disease Control and Prevention Agency, across conventional search portals and generative artificial intelligence (AI) platforms.
METHODS: We analyzed 150 health-related keywords derived from NHIP traffic data, Daum search logs, and chronic disease categories across 7 platforms: Naver, Google, Bing, Daum, ChatGPT, Perplexity, and Gemini. Searches were conducted in September 2025 and February 2026; Gemini was assessed only in the second survey. NHIP exposure was defi
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.
This study examines predictors of students' perceived learning effectiveness from generative artificial intelligence (GenAI) in higher education by integrating psychological, behavioral, and cognitive perspectives. An explanatory sequential mixed-methods design was employed. Quantitative data were collected through a survey of 658 higher education students and analyzed using hierarchical multiple regression to examine the statistical contribution of GenAI usage patterns, perceived critical-thinking change, trust in GenAI, attitudes toward GenAI, self-efficacy for learning with GenAI, and cogni
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.
Generative artificial intelligence is becoming embedded in children's and adolescents' learning, yet guidance often oscillates between uncritical adoption and restrictive control. This mini review applies self-determination theory to ask how autonomy-supportive guidance from families and schools might foster responsible use, and it audits how far the available evidence can carry that account. Of the 46 primary-data studies reviewed, 35 sampled university students and 8 included participants under 18; 26 were cross-sectional, and none measured family and school inputs in the same participants.
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.
Self-harm and suicide trends have taken a new turn in the era of GenAI and communicative chatbots. Recent OpenAI's own report suggests that 1.2 million weekly ChatGPT users appear to be expressing suicidal thoughts, and 80,000 users are potentially experiencing mania and psychosis. At the same time, OpenAI and other AI companies are facing lawsuits in several countries alleging that their chatbots encouraged vulnerable individuals to harm themselves. These lawsuits have sparked a growing scholarly debate about responsibility, safety, and the ethical use of chatbots in mental health services. G
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.
PURPOSE: Advancements of deep learning in medical imaging are often constrained by the limited availability of large, annotated datasets, resulting in underperforming models when deployed under real-world conditions. This study investigated a generative artificial intelligence (AI) approach to create synthetic medical images taking the example of bone scintigraphy scans, to increase the data diversity of small-scale datasets for more effective model training and improved generalization.
METHODS: We trained a generative model on 99mTc-bone scintigraphy scans from 9,170 patients in one center t
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.
INTRODUCTION: People increasingly use generative artificial intelligence chatbots to interpret health concerns before contacting clinicians. Although these systems are not formal autonomous emergency department triage tools, their responses may influence whether and when users seek professional care. Altered consciousness is especially high-risk because delayed or ambiguous escalation can postpone time-sensitive evaluation. This study evaluated the safety and quality of chatbot answers from an emergency nursing perspective.
METHODS: We conducted a cross-sectional comparative evaluation of Cha
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: Generative artificial intelligence (AI) is increasingly shaping nursing education. Although many studies have examined AI use among nursing faculty and students, little is known about how clinical preceptors, who supervise students in practice settings, understand, perceive, and use these tools. As students and academic faculty increasingly integrate AI into teaching and learning, preceptors may not be adopting AI at the same pace or in the same ways, potentially creating inconsistencies between academic and clinical learning environments.
AIM: To explore the shared professional b
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.
PURPOSE: To evaluate a generative artificial intelligence (GAI) framework for creating readable lay abstracts and summaries (LASs) of urologic oncology research, while maintaining accuracy, completeness, and clarity, for the purpose of assessing their comprehension and perception among patients and caregivers.
METHODS: Forty original abstracts (OAs) on prostate, bladder, kidney, and testis cancers from leading journals were selected. LASs were generated using a free GAI tool, with three versions per abstract for consistency. Readability was compared with OAs using validated metrics. Two indep
СтатьяРандомизированное исследованиеПолный 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 ischemic stroke (AIS) is a leading cause of death and long-term disability worldwide, where rapid reperfusion remains critical for salvaging brain tissue. Although CT perfusion (CTP) imaging provides essential hemodynamic information, its limitations-including extended processing times, additional radiation exposure, and variable software outputs-can delay treatment. In contrast, non-contrast head CT (NCHCT) is ubiquitously available in acute stroke settings. This study explores a generative artificial intelligence approach to predict key perfusion parameters (relative cerebral blood flo
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: The advancement of generative artificial intelligence (AI) has shown great potential to enhance productivity in many cognitive tasks. However, concerns are raised that the use of generative AI may erode human cognition due to over-reliance. Conversely, others argue that generative AI holds the promise to augment human cognition by automating menial tasks and offering insights that extend one's cognitive abilities. To better understand the role of generative AI in human cognition, we study how college students use a generative AI tool to support their analytical writing in an educat
СтатьяПротокол клинического исследованияПолный 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.
OBJECTIVES: Artificial intelligence-assisted systems increasingly produce personalized meal plans, but their value depends on whether clinicians judge those plans credible and usable. We evaluated complete plans from a constrained artificial intelligence-assisted pipeline under blinded professional review.
METHODS: In a cross-sectional exploratory web study, 54 eligible anonymous evaluator records from Brazilian dietitians contributed 130 evaluations of five matched plan pairs, with one pipeline-generated and one dietitian-designed plan per persona. Evaluators rated nine items across three do
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.
Artificial intelligence (AI) is increasingly entering clinical medicine, and organ transplantation is no exception. While a growing body of literature addresses the ethical challenges of AI in healthcare, systematic analysis of the specific ethical dimensions of AI use in organ transplantation is missing. This gap reflects a genuine analytical challenge: the transplantation process is ethically complex in ways that general AI ethics frameworks do not adequately capture. Transplantation medicine simultaneously bears ethical obligations to deceased donors, living donors, donor families, organ re
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.