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
1623 публикаций
Поиск: 85 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 575 с найденным полным текстом
Medical oncology (Northwood, London, England)2025eng
The integration of artificial intelligence (AI) into hepatocellular carcinoma (HCC) management introduces significant ethical challenges, which are shaped by the disease's unique epidemiology and clinical complexity. In this review, we systematically analyze these challenges through the lens of the World Health Organization (WHO)'s ethical principles. To address them, we discuss practical strategies including federated learning (FL) for privacy-preserving model training, differential privacy for sensitive genomic data, interpretable AI method to enhance transparency, and adherence to standardi
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.
Deep neural networks have achieved remarkable success across diverse domains, yet their massive over-parameterization introduces significant optimization challenges, particularly susceptibility to overfitting and noise memorization. While traditional stochastic gradient descent treats all parameters equally in the native parameter space, recent evidence suggests that neural network optimization occurs within much lower-dimensional subspaces. Existing parameter subspace methods either rely on random projections that ignore parameter space structure or employ linear dimensionality reduction that
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.
PURPOSE OF REVIEW: Myopia is one of the major causes of visual impairment globally, with myopia and its complications thus placing a heavy healthcare and economic burden. With most cases of myopia developing during childhood, interventions to slow myopia progression are most effective when implemented early. To address this public health challenge, artificial intelligence has emerged as a potential solution in childhood myopia management.
RECENT FINDINGS: The bulk of artificial intelligence research in childhood myopia was previously focused on traditional machine learning models for the iden
СтатьяОбзорПоиск 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.
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 обзорПоиск 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.
Chronic rhinosinusitis (CRS) is a common, biologically heterogeneous disease in which diagnosis, endotyping, therapy selection, and surgical decision-making all remain imperfect. Over little more than a decade, artificial intelligence (AI) applied to CRS has advanced from classical regression to machine learning, deep learning, and, most recently, computer vision and generative models, producing tools that now touch the entire care pathway. This review synthesizes that progress across four present-day capabilities and two emerging frontiers. In diagnosis, machine learning predicts probable CRS
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.
Efficient drug discovery is essential to mitigate the high attrition rates and capital-intensive nature of traditional pharmaceutical research. Deep learning (DL) has catalyzed a paradigm shift, offering unprecedented computational capabilities to accelerate this process. This review systematically summarizes advancements in DL methodologies for drug discovery. First, the critical data foundations, Molecular Representation Learning, and core architectures underpinning artificial intelligence (AI)-driven therapeutics are elucidated, with a particular emphasis on the evolution of generative AI f
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.
Chronic kidney disease (CKD) represents a major and expanding global health challenge, with prevalence rising due to aging populations, diabetes, hypertension, and environmental factors. Conventional risk assessment tools such as the CKD Epidemiology Collaboration equation and the Kidney Failure Risk Equation are limited in precision, generalizability, and their ability to identify rapid progressors in early stages. This review examines the transformative role of artificial intelligence (AI), encompassing machine learning, deep learning, natural language processing, and multimodal data integra
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.
Artificial intelligence (AI) has had a long-standing appeal in craniofacial surgery. To examine its ongoing evolution in the field, this article outlines theories, current applications, and future directions. Current AI, machine learning (ML), and deep learning (DL) models associated with craniofacial surgery are presented and categorized based on the perioperative stage they can assist with. These applications include prenatal diagnosis of cleft lip and palate, cephalometric analysis and diagnosis of craniosynostosis, segmenting CT scans and detecting fractures, predictive analytics, surgical
СтатьяОбзорПоддержка исследования: вне правительства СШАПолный 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.
INTRODUCTION: Mental health triage-level intent classification in linguistically diverse and resource-constrained clinical environments requires models that simultaneously meet strict patient data privacy regulations, cross-lingual generalization to low-resource languages, and real-time inference on edge hardware. No existing federated NLP system has jointly demonstrated this combination. This work proposes Fed-XLM-R, a unified federated learning framework designed to close that gap.
METHODS: Fed-XLM-R integrates XLM-RoBERTa with lightweight bottleneck adapter layers, adapter-scoped different
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.
Recent advances in large language models (LLMs) and vision transformers have enabled multimodal systems that integrate clinical text with medical imaging for diagnostic decision-making. While these systems show promising results on benchmark datasets in well-resourced research settings, their applicability in low-resource healthcare environments where diagnostic disparities are most severe remains limited and poorly understood. This mini review synthesizes key developments in LLM-vision fusion architectures from 2018 to 2026, with a focus on radiology-oriented visual question answering (VQA) a
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.
Accurate, early-stage staging of Alzheimer's disease (AD) is critical for therapeutic intervention but is hampered by data privacy regulations, multimodal data heterogeneity, and the "black-box" nature of complex Artificial Intelligence (AI) models. To address these interconnected challenges, we introduce a novel, privacy-preserving federated learning framework for robust and interpretable AD staging. Our method integrates four clinically relevant modalities, 3D structural Magnetic Resonance Imaging (MRI), Image Biomarker Standardization Initiative (IBSI)-compliant radiomics, cognitive assessm
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.
Cardiac neuromodulation includes various methods, such as vagus nerve stimulation, baroreflex activation therapy, renal denervation, and stellate ganglion intervention, and targets the autonomic imbalance contributing to the pathophysiology of many cardiovascular diseases. Despite promising mechanistic evidence, several landmark trials, including INOVATE-HF, NECTAR-HF, and SYMPLICITY HTN-3, did not meet their primary clinical outcomes, with substantial numbers of non-responders observed across therapies. Variation in patient response is attributed to several unresolved issues, including insuff
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.
Advancements in data-driven technologies and the inclusion of information-rich multiomics features have significantly improved the performance of outcomes modeling in radiation oncology. For this current trend to be sustainable, challenges related to robust data modeling such as small sample size, low size to feature ratio, noisy data, as well as issues related to algorithmic modeling such as complexity, uncertainty, and interpretability, need to be mitigated if not resolved. Emerging computational technologies and new paradigms such as federated learning, human-in-the-loop, quantum computing,
СтатьяОбзорПоиск 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 Internet of Vehicles (IoV) connects vehicles, roadside infrastructure, and cloud or edge platforms to support safer and more efficient transportation. This connectivity also exposes vehicular networks to message spoofing, denial-of-service, and man-in-the-middle attacks, and to threats that target the machine-learning defenses themselves, such as model poisoning, gradient inversion, and adversarial examples. Machine learning and deep learning are now the dominant defensive tools, and the resulting literature is large and fragmented. This survey reviews that literature using a documented da
СтатьяОбзорПоиск 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.
Acute myeloid leukaemia (AML) is a highly heterogeneous haematologic malignancy in which transfusion support represents an essential component of comprehensive patient care. This review aims to provide an updated synthesis of recent progress in the development and clinical application of machine learning models based on multimodal big data for precision transfusion management in AML, addressing the persistent limitations of conventional, empirically guided transfusion practices. We systematically reviewed the literature on multimodal data integration-including electronic health records, genomi
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: Artificial intelligence (AI) and big data are transforming urological oncology by enhancing diagnostic precision, prognostic assessment and treatment personalisation for prostate, bladder and kidney cancer.
METHODS: We searched PubMed and MEDLINE up to September 2025 for English-language, peer-reviewed human studies using terms including "artificial intelligence", "deep learning", "radiomics", "real-world evidence" and "urological oncology".
RESULTS: AI-driven radiomics and deep learning models have demonstrated high accuracy in detecting and characterising urological malignancie
СтатьяОбзорПоиск 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.
BackgroundArtificial intelligence (AI) is quickly changing the field of biosensing technologies to the point of early, real-time, and individualized disease detection and overcoming significant drawbacks of traditional biosensors, including noise interference, signal drift, and inability to process non-linear biological data.ObjectiveThis review examines the latest developments in AI-driven biosensing systems and assess their impact on diagnostic performance and clinical relevance.MethodsThis critical review focuses on recently published works (2021-2025) on AI-integrated biosensing platforms,
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.
OBJECTIVES: The growing demand for kidney transplant amid persistent organ scarcity demands improved donor -recipient compatibility assessment. Traditional allocation systems relying on rigid scoring fail to capture complex multidimensional data affecting posttransplant outcomes like graft rejection and delayed graft function. Artificial intelligence offers transformative potential through predictive analytics and adaptive learning. This study introduces OkAP, an AI -based system designed to enhance kidney transplant matching efficiency and accuracy by integrating clinical, genetic, and socioe
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) is transforming onco-anaesthesia by shifting practice from reactive physiological management toward predictive and precision-based care. This review outlines current AI applications across the perioperative cancer pathway. Preoperatively, machine learning and deep learning models enhance risk stratification through automated frailty assessment, electronic health record phenotyping, and prediction of cancer-specific outcomes. Intraoperatively, AI-enabled technologies such as closed-loop anaesthesia delivery systems, predictive haemodynamic monitoring, and automated
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.
Reinforcement learning (RL), a subset of artificial intelligence, is gaining momentum in personalized medicine due to its ability to model dynamic, sequential decision-making. Unlike traditional machine learning approaches, RL systems adapt treatment protocols based on patient-specific responses and evolving health states, offering a robust strategy for optimizing individualized care. This review explores the integration of RL into personalized medicine across diverse clinical domains, including oncology, chronic disease management, psychiatry, infectious diseases, and rehabilitation. Applicat
СтатьяОбзорПоиск 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.