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
34325 публикаций
Поиск: 180 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1661 с найденным полным текстом
Sparked by innovations in generative artificial intelligence (AI), the field of protein design has undergone a paradigm shift with an explosion of new models for optimizing existing enzymes or creating them from scratch. After more than one decade of low success rates for computationally designed enzymes, generative AI models are now frequently used for designing proficient enzymes. Here, we provide a comprehensive overview and classification of generative AI models for enzyme design, highlighting models with experimental validation relevant to real-world settings and outlining their respectiv
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.
INTRODUCTION: First responders in emergency medicine often work in austere conditions where expert consultation is limited, communication networks are unreliable, and rapid decision-making is essential. In these environments, procedural precision directly impacts patient outcomes. To address these challenges, we present an artificial intelligence (AI) Copilot for First Response Medicine, an augmented reality-based system that delivers real-time procedural guidance, decision support, and objective skill evaluation to frontline medics.
MATERIALS AND METHODS: This is a feasibility and technical
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 being rapidly and broadly introduced into personal, public, commercial and health/medical practice settings. AI refers to a broad and evolving set of computational technologies, including machine learning, natural language processing, computer vision and generative AI ((Van Bulck et al. 2023; McGrow 2025). AI enables systems to learn from data to perform tasks that have traditionally required human intelligence, such as pattern recognition, clinical prediction, decision support and content generation (Bajwa et al. 2021; Rony et al. 2024; WHO 2021, 2025). Within
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: Breast phyllodes tumours (PT) are rare biphasic neoplasms consisting of epithelial and stromal components. They are classified into benign, borderline and malignant categories. Diagnosing and grading PTs present a challenge for pathologists, as there are multiple histological parameters and their own tiers. We aim to investigate the potential role of artificial intelligence (AI) as a diagnostic aid in determining PT grade.
MATERIALS AND METHODS: We investigated 15 PT whole slide images (WSIs), comprising 5 benign, 5 borderline and 5 malignant cases. We sought to classify and retri
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.
This study examines the impact of medical artificial intelligence (AI) on physician workload and the quality of patient care. A meta-analysis of empirical studies found that AI significantly reduces physician workload and diagnostic time by automating repetitive interpretation and documentation processes, freeing clinicians to focus solely on patients. Automated generative AI-based electronic medical record systems reduce documentation time by approximately 40%, while voice recognition and AI scribing technologies reduce patient charting time by 28.8%. This reduces administrative burden, a maj
СтатьяМетаанализПоиск 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 has accelerated epitope and antigen discovery, but prediction alone cannot determine vaccine readiness. Translational design requires risk-aware prioritization that connects immunogenicity with protection, population human leukocyte antigen (HLA) coverage, safety, immune correlates, model uncertainty, interpretability, and experimental feasibility. This review proposes a framework for advancing, deprioritizing, or experimentally validating candidates before costly downstream development.
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.
The rise of antimicrobial-resistant pathogens has outpaced the traditional methods of drug discovery and development, emphasizing a need for new and innovative approaches to identifying novel antibiotics. Artificial intelligence (AI) poses new opportunities to overcome the challenges in traditional drug discovery by accelerating the identification, design, and optimization of bioactive small molecules and antimicrobial peptides. AI-driven genome mining allows for the identification and prioritization of biosynthetic gene clusters, while advanced AI models facilitate molecular property predicti
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.
Prostate cancer is one of the most common cancers in men, and accurate pathology evaluation is crucial for risk stratification and treatment planning. Traditional approaches, such as Gleason grading, are limited by interobserver variability and restricted access to expert consultation and molecular testing worldwide. Advances in digital pathology and artificial intelligence (AI) present opportunities to overcome these challenges. Whole slide imaging (WSI) forms the foundation for AI research, enabling remote review, large-scale data sharing, and the development of automated tools for tumor det
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: Digital breast tomosynthesis (DBT) increases sensitivity and specificity compared to digital mammography (DM) in the early detection of breast cancer. The potential of artificial intelligence (AI) for mammographic interpretation resulting in workload reduction is increasingly being reported.
METHOD: Presentation of the current evidence on the efficacy of DBT versus DM in population-based breast cancer screening and its support by AI. Narrative review with topic-led literature search of comparative studies of DBT and DM and review of the use of AI in PubMed from 01/2016 to 09/2025.
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.
Intraoral scanning (IOS) enables the acquisition of three-dimensional surface models of dental and oral structures, supporting diagnosis, treatment planning and digital workflows. However, many processing steps remain operator-dependent and time-consuming. The integration of artificial intelligence (AI) with intraoral scanning (IOS) represents a rapidly evolving area in digital dentistry, aiming to automate or facilitate tasks such as tooth segmentation, landmark detection, registration and quality control. This narrative review aims to summarise technical principles, current applications, cha
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.
OBJECTIVE: To evaluate whether machine learning could be used with audio recordings from a smartphone to detect fetal movements that create disruptions of the amniotic fluid environment.
METHODS: We conducted a prospective study to simultaneously record fetal movements seen on ultrasound and audio recordings using a smartphone placed on the maternal abdomen and to compare these with maternal perception of fetal movements. Smartphone audio segments were preprocessed to reduce noise, window the signal, and divide them into typed 1-second audio snippets. These were subsequently converted into vi
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Редакционная 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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 increasingly being incorporated into dermatology, with hair disorders representing a particularly suitable field for its application. The assessment and management of alopecias rely heavily on visual evaluation, pattern recognition, longitudinal monitoring, and integration of heterogeneous clinical and biological data; processes that are often limited by interobserver variability and incomplete standardization. In recent years, AI-based approaches have been applied across multiple domains in the clinical assessment of hair disorders, including objective quantita
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.
Artificial intelligence (AI) is entering the study of hypertension, serving both primarily clinical purposes - to assist practicing physicians - and research objectives. Hypertension presents certain specific characteristics that should be carefully considered when using AI. The measured value of blood pressure is an extremely variable parameter that is difficult to standardize and measure with precision. At present, AI is able to provide very simple, clear, and well-documented answers to clinical questions regarding the management of patients with hypertension. Its role in research is perhaps
СтатьяОбзорАннотация на английскомПолный 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.
Artificial Intelligence (AI) has the potential to revolutionize medicine, particularly in the field of cardiology. There are significant diagnostics and treatments variabilities in the field of cardiovascular medicine that affects racial and ethnic racially and ethnically diverse populations as well as female patients across all age groups. The efforts put forth towards the development of AI and precision medicine within the cardiovascular practice do not fully account for existing variations in cardiovascular care delivery. AI models and precision medicine tools that were created with uncompr
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.
Artificial intelligence (AI) technologies such as machine learning (ML), deep learning (DL), predictive analytics and other tools are rapidly changing pediatric health care, using large amounts of health data. AI tools aid in triage, real-time monitoring and risk stratification in acute care settings, towards improving overall outcomes and fewer complications. During newborn resuscitation, AI analyses real-time data, can guide decisions and enhance training. Computer vision systems with AI tools can generate reliable neonatal bilirubin estimates without the need for blood sampling. AI technolo
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.
Alzheimer's disease (AD) represents a critical global health challenge, with its prevalence and associated costs expected to double significantly by 2030 and 2050. While lifestyle interventions are crucial, sporadic late-onset AD has a substantial genetic component (40-80% heritability), though known variants limit the scope of traditional precision medicine. Crucially, sex and gender are significant risk determinants, with women accounting for two-thirds of cases due to a complex interplay of biological and sociocultural factors. This review focuses on the influence of genetic and gender-rela
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 the potential to transform clinical neurophysiology by enabling the automated analysis of complex physiological signals and large amounts of data. While traditional clinical interpretation relies heavily on expert visual inspection, which is vulnerable to subjectivity and inter-rater variability, AI models excel at identifying patterns in complex time series. This chapter provides an overview of current and emerging clinical applications of AI across various modalities in clinical neurophysiology, including EEG, EMG, NCS, and ultrasound. In EEG, AI demonstrates
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) is rapidly transforming tuberculosis (TB) drug discovery by addressing major limitations of traditional pipelines, such as prolonged timelines, excessive cost, and challenges imposed by the biology of Mycobacterium tuberculosis (Mtb). Through machine learning (ML) and deep learning (DL), researchers can systematically analyze vast, heterogeneous biological and chemical datasets, leading to more efficient identification of novel drug targets, accelerated virtual screening, and predictive modeling of anti-TB activity. AI-driven methodologies now enhance multiple stag
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.