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
51990 публикаций
Поиск: 322 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
Artificial intelligence and machine learning are transforming hepatology by integrating clinical, laboratory, imaging, and wearable data for earlier diagnosis, risk prediction, and patient management. These technologies enable personalized care and noninvasive monitoring across metabolic dysfunction-associated steatotic liver disease, cirrhosis, hepatitis C, liver transplantation, and hepatocellular carcinoma. Ongoing advances in digital health and interpretability will enhance adoption and outcomes.
СтатьяОбзорПолный 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.
Objective.Deep Brain Stimulation (DBS) of the SubThalamic Nucleus (STN) is effective in alleviating motor symptoms in medication-refractory patients with Parkinson's Disease (PD). Intraoperative identification of the STN relies on MicroElectrode Recordings (MERs), typically analyzed by trained operators. However, this approach is time-consuming and subject to variability. For this reason, this study proposes ML-STIM (Machine Learning for SubThalamic nucleus Intraoperative Mapping), a ML pipeline designed to automate STN classification from MERs, ensuring high accuracy and real-time performance
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.
Viral fusion proteins, located on the surface of enveloped viruses like SARS-CoV-2, Influenza, and HIV, play a vital role in fusing the virus envelope with the host cell membrane. Fusion peptides, conserved segments within these proteins, are crucial for the fusion process and are potential targets for therapy. Experimental identification of fusion peptides is time-consuming and costly, which creates the need for bioinformatics tools that can predict the segment within the fusion protein sequence that corresponds to the FP. Although homology-based methods have been used towards this end, they
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.
The transition toward new approach methodologies for toxicity testing has accelerated the development of computational models that utilize transcriptomic data to predict chemical-induced adverse effects. Here, we applied supervised machine learning to gene expression data derived from primary human hepatocytes and rat liver models (in vitro and in vivo) to predict drug-induced hepatic steatosis. We evaluated five machine learning classifiers using microarray data from the Open TG-GATEs database. Among these, support vector machine (SVM) consistently achieved the highest performance, with area
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.
Metabolic-associated fatty liver disease (MAFLD) represents the most common cause of chronic liver disease worldwide and remains frequently underdiagnosed in its early stages. Tian et al recently reported a prospective observational study that developed a machine learning-based model to predict hepatic steatosis in high-risk individuals. The resulting XGBoost model demonstrated excellent predictive performance (area under the curve 0.82; cross-validation mean area under the curve 0.918). Importantly, the study highlighted clinically meaningful predictors such as the aspartate aminotransferase/
Письмо в редакциюПолный 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: In dermatology, the applications of machine learning (ML), an artificial intelligence (AI) subset that enables machines to learn from experience, have progressed past the diagnosis and classification of skin lesions. A lack of systematic reviews exists to explore the role of ML in predicting the severity of psoriasis.
OBJECTIVES: To identify and summarize the existing literature on predicting psoriasis severity using ML algorithms and to identify gaps in -current clinical applications of these tools.
METHODS: OVID Embase, OVID MEDLINE, ACM Digital Library, Scopus and IEEE Xplore
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.
Background: Rat models are widely used to study cataracts due to their cost-effectiveness and prominent physiological and genetic similarities to humans The objective of this study was to identify genes involved in cataractogenesis due to galactose exposure in rats. Methods: We analyzed four datasets from the Gene Expression Omnibus, including both ex vivo and in vivo models of cataracts in different rat strains. Feature selection tools were used to identify genes potentially relevant in cataract-related gene expression. A decision tree algorithm was implemented, and its predictions were inter
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: Increased LDL cholesterol is one of the main risk factors for cardiovascular diseases; therefore, adequate therapy reduces the risk of developing cardiovascular disease. Artificial intelligence (AI) is a tool that can significantly help doctors select the optimal treatment aimed at each patient individually. Based on the above, the question arises: Which artificial intelligence model allows us to recommend the best treatment to control LDL levels according to the patient's cardiovascular risk factor?
METHODOLOGY: The performance of various machine learning models was compared to
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.
We previously developed machine learning (ML) models for predicting cycloplegic spherical equivalent refraction (SER) and myopia using non-cycloplegic data and following a standardized protocol (cycloplegia with 0.5% tropicamide and biometry using NIDEK A-scan), but the models' performance may not be generalizable to other settings. This study evaluated the performance of ML models in an independent cohort using a different cycloplegic agent and biometer. Chinese students (N = 614) aged 8-13 years underwent autorefraction before and after cycloplegia with 0.5% tropicamide (n = 505) or 1% cyclo
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.
CONTEXT: Adrenocortical carcinoma (ACC) is a rare, aggressive malignancy with difficult to predict clinical outcomes. The S-GRAS score combines clinical and histopathological variables (tumor stage, grade, resection status, age, and symptoms) and showed good prognostic performance for patients with ACC.
OBJECTIVE: To improve ACC prognostic classification by applying robust machine learning (ML) models.
METHOD: We developed ML models to enhance outcome prediction using the published S-GRAS dataset (n = 942) as the training cohort and an independent dataset (n = 152) for validation. Sixteen ML
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.
Federated learning enables the training of a global model while keeping data localized; however, current methods face challenges with high-dimensional semiparametric models that involve complex nuisance parameters. This paper proposes a federated double machine learning framework designed to address high-dimensional nuisance parameters of semiparametric models in multicenter studies. Our approach leverages double machine learning (Chernozhukov et al., 2018a) to estimate center-specific parameters, extends the surrogate efficient score method within a Neyman-orthogonal framework, and applies de
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.
PURPOSE OF REVIEW: To explore the current applications of artificial intelligence and machine learning in lung transplantation, including outcome prediction, drug dosing, and the potential future uses and risks as the technology continues to evolve.
RECENT FINDINGS: While the use of artificial intelligence (AI) and machine learning (ML) in lung transplantation is relatively new, several groups have developed models to predict short-term outcomes, such as primary graft dysfunction and time-to-extubation, as well as long-term outcomes related to survival and chronic lung allograft dysfunction.
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.
Although virus ecogenomics has expanded access to and understanding of the virosphere, existing classification tools lack taxonomic resolution and are unable to scale to modern discovery-based datasets or classify previously unknown sequence space. Here we develop vConTACT3-a machine learning-based tool that improves scalability and accuracy of virus taxonomy. By optimizing gene-sharing thresholds and leveraging adaptive, realm-specific cut-offs, vConTACT3 expands classification to both eukaryote and prokaryote viruses for four of the six officially recognized realms, and establishes accurate
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: Gastric cancer (GC) is a leading cause of global cancer mortality, characterized by aggressive progression and poor prognosis. The development of robust strategies to identify and characterize GC disease progression is urgently needed to improve patient outcomes.
METHODS: We employed an integrated analytical framework, combining machine-learning-driven lipidomics and Mendelian randomization (MR), to identify and validate lipid biomarkers associated with GC tumorigenesis and metastatic progression.
RESULTS: Our analysis revealed profound lipidomic dysregulation, with 57.9 % of det
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: In many countries, patients with headache disorders such as migraine remain under-recognized and under-diagnosed. Patients affected by these disorders are often unaware of the seriousness of their conditions, as headaches are neither fatal nor contagious. In many cases, patients with migraine are often misdiagnosed as regular headaches.
METHODS: In this article, we present a study on migraine, covering known triggers, different phases, classification of migraine into different types based on clinical studies, and the use of various machine learning algorithms such as logistic regr
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 OF REVIEW: This review investigates the use of machine learning (ML) in prognosticating outcomes for traumatic brain injury (TBI). It underscores the benefits of ML models in processing and integrating complex, multimodal data-including clinical, imaging, and physiological inputs-to identify intricate non-linear relationships that traditional methods might overlook.
RECENT FINDINGS: ML algorithms of clinical features, neuroimaging, and metrics from the autonomic nervous system enhance the early detection of clinical deterioration and improve outcome prediction. Challenges persist, inc
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: We conducted a pilot study utilizing automatic delineation of electrocardiogram (ECG) and machine learning that considered all components of the ECG complex for seizure detection. The primary outcome was to assess the feasibility of this method. The secondary outcome was to identify the most effective machine learning algorithm.
METHODS: We screened ECG recordings from patients included in the EPICARD cohort who underwent video-electroencephalogram monitoring. A total of 47 seizures from 32 patients were selected. Epochs of 90 min surrounding the seizures were retained. Each ECG w
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: Acute pain management is critical in postoperative care, especially in vulnerable patient populations that may be unable to self-report pain levels effectively. Current methods of pain assessment often rely on subjective patient reports or behavioral pain observation tools, which can lead to inconsistencies in pain management. Multimodal pain assessment, integrating physiological and behavioral data, presents an opportunity to create more objective and accurate pain measurement systems. However, most previous work has focused on healthy subjects in controlled environments, with lim
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.
Strict environmental regulations have intensified the demand for green solvents that can replace hazardous ones without compromising performance. Existing methods for estimating solvent sustainability rely on Solvent Selection Guides (SSGs), which assign scores based on environmental, health, safety, and waste (EHSW) criteria, covering as few as 200 solvents. Expanding these guides is tedious, as it requires over 30 properties per solvent, many of which are often unavailable. Moreover, identifying greener alternatives within the limited SSG pool is challenging due to the need to balance confli
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: Pregnancy-related pelvic girdle pain (PPGP) is a common complication during gestation which negatively influences pregnant women's quality of life. There are numerous risk factors associated with PPGP, however, there is limited information about being able to predict the diagnosis of PPGP.
OBJECTIVE: To compare machine learning (ML) and traditional predictive modelling to predict the clinical diagnosis of PPGP.
METHODS: This study reanalysed data from 780 pregnant women attending a tertiary hospital. ML algorithms, including Logistic Regression (LR), Random Forest, Xtreme Gradien
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.