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
1624 публикаций
Поиск: 56 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 575 с найденным полным текстом
Pulmonary tuberculosis (PTB) remains a major global public health challenge, with traditional diagnostic and management approaches plagued by diagnostic delays, time-consuming drug resistance testing, and subjective efficacy assessment. Artificial intelligence (AI) has emerged as a revolutionary solution for these bottlenecks. This review comprehensively summarizes AI's current applications in PTB care: deep learning models enable automated detection, segmentation and activity differentiation of PTB lesions on chest X-ray/CT with performance comparable to or exceeding human experts (sensitivit
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 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
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.
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.
Quantitative muscle MRI (qMRI) has emerged as a promising non-invasive biomarker for assessing neuromuscular diseases (NMDs). However, clinical implementation is limited by the significant time required for manual muscle segmentation, which restricts analysis to limited muscle regions rather than comprehensive whole-muscle assessment. The 286th European NeuroMuscular Centre (ENMC) workshop brought together 18 international participants from 10 countries to establish consensus on optimal qMRI acquisition protocols and automated analysis tools, revealing that while most centers utilize qMRI tech
СтатьяConsensus StatementПоиск 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: Dengue modeling is a research topic that has increased in recent years. Early prediction and decision-making are key factors to control dengue. This Systematic Literature Review (SLR) analyzes three modeling approaches of dengue: diagnostic, epidemic, intervention. These approaches require models of prediction, prescription and optimization. This SLR establishes the state-of-the-art in dengue modeling, using machine learning, in the last years.
METHODS: Several databases were selected to search the articles. The selection was made based on Preferred Reporting Items for Systematic
СтатьяПоддержка исследования: вне правительства СШАСистематический 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.
The identification of specific learning disabilities (SLD) remains fraught with controversy and uncertainty about professionals' capacity to appropriately identify special education eligibility. For students from linguistically minoritized backgrounds, the exclusionary clause prohibits the identification of learning difficulties primarily attributable to contextual or linguistic factors. Yet the ambiguity of the federal language may hinder application, making critical states' interpretation and corresponding guidance for professional practice in eligibility determination. In this archival stud
Систематический обзорСтатьяПоиск 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.
Cervical cancer is a significant health problem across the globe, especially in nations with low or middle incomes, where access to early screening is limited and contributes to high mortality rates. Traditional diagnostic methods, including Papanicolaou smears (Pap smears) and Human Papillomavirus testing (HPV testing), often suffer from accessibility constraints, lower accuracy, and scalability issues. Recent advancements in artificial intelligence (AI) and Machine Learning (ML) have exhibited significant efficacy by improving detection accuracy and streamlining the diagnostic procedure. Thi
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.
Artificial intelligence (AI) has revolutionized urology, offering transformative advancements in diagnostics, treatment planning and patient care. This update highlights AI applications in diagnostic imaging, benign urological conditions, uro-oncology, urologic surgeries and patient monitoring. AI algorithms including machine learning (ML) and deep learning (DL) enhance non-oncological applications include predicting ureteral stone passage (accuracy: 85%) and optimizing benign prostatic hyperplasia (BPH) management. In uro-oncology, AI predicts biochemical recurrence post-prostatectomy (accura
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.
Artificial intelligence (AI), including machine learning (ML) and deep learning (DL), is increasingly transforming the study, manufacturing, and clinical translation of adipose-derived stem/stromal cells (ADSCs). ADSC-based therapies face persistent challenges related to donor variability, heterogeneous cell populations, limited standardization of culture protocols, and the need for robust quality control (QC) and potency assessment under Good Manufacturing Practice (GMP) conditions. This review discusses how AI-driven approaches can support the ADSC pipeline from donor and tissue pre-screenin
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.
PURPOSE OF REVIEW: The management of immunoglobulin E (IgE)-mediated allergic diseases and allergen immunotherapy (AIT) is complicated by high interindividual variability and the unavailability of reliable predictive biomarkers. Given the complexity of the immune response underlying these processes, integrating artificial intelligence (AI) could revolutionize the clinical management of these patients.
RECENT FINDINGS: Recent literature highlights how machine learning (ML) can efficiently stratify patients by analyzing omics data and molecular sensitization profiles. Models such as long-term m
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.
With increasing human longevity, early recognition and treatment of pneumonia in the elderly are crucial to prevent disease progression. Artificial intelligence (AI) is rapidly transforming the detection and management of pulmonary inflammation (pneumonia, COVID-19 lung damage). Accurate preoperative assessment of pneumonia contributes to improved perioperative surgical and anesthesia management. This mini-review highlights key advances: (1) Hybrid deep learning models achieve high accuracy (>96%) in analyzing ultrasound videos for disease differentiation. (2) Self-supervised learning enables
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 machine learning (ML) have transformative potential in enhancing diagnostics, treatment planning, and patient management. However, their application in pediatric otolaryngology remains limited as the unique physiological and developmental characteristics of children require tailored AI applications, highlighting a gap in knowledge.
PURPOSE: To provide a narrative review of current literature on the application of AI in pediatric otolaryngology, highlighting knowledge gaps, associated challenges and future directions.
RESULTS: ML models have demons
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.
BACKGROUND: Blood transfusion is essential for patient safety, yet traditional hemovigilance systems face challenges including underreporting, data integration issues, and slow response times. Artificial intelligence (AI) offers solutions through advanced information systems capable of identifying, analyzing, and reporting transfusion events.
OBJECTIVE: This narrative review examines the potential of emerging AI technologies to enhance hemovigilance, focusing on data integration, adverse event detection, personalized risk management, and blood supply chain optimization.
METHODS: A comprehens
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.
PURPOSE OF REVIEW: Muscle-invasive bladder cancer (MIBC) represents an aggressive malignancy with significant morbidity and mortality. Recent advances in artificial intelligence (AI) offer promising opportunities to enhance patient care across the entire MIBC management spectrum. This comprehensive review examines the current state and future potential of AI applications in MIBC, from diagnosis through treatment to response assessment.
RECENT FINDINGS: In the diagnostic domain, AI systems demonstrate superior accuracy in cystoscopic cancer detection and staging, with deep learning models achi
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: This study aims to enhance the early diagnosis of Mpox through machine learning (ML) and deep learning (DL) models, integrating an ensemble approach to improve classification accuracy.
METHODS: We used the Mpox Skin Lesion Dataset v2.0, comprising six skin lesion categories, including chickenpox, cowpox, Mpox, measles, hand-foot-mouth disease, and healthy skin. Four models-Logistic Regression, K-Nearest Neighbors, Vision Transformer (ViT), and ConvMixer-were evaluated based on their classification performance. An ensemble model combining ViT and ConvMixer predictions was developed
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) offers a promising solution to the long-standing challenge of accurately predicting treatment response in rectal cancer. In this narrative review, we summarize current AI-driven approaches to predicting pathologic complete response in rectal cancer. We also outline key barriers to clinical translation, including lack of standardization, small and geographically skewed training cohorts, domain shift across scanners and institutions, and broader ethical, regulatory, and medicolegal concerns. Finally, we highlight future directions, including federated learning to ena
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.
This review investigates recent advances in machine learning (ML) for drug repurposing, with applications spanning COVID-19, Parkinson's disease, and cancer. We provide a methodological taxonomy of ML techniques including supervised learning (e.g., random forests, SVMs), unsupervised clustering and dimensionality reduction, deep neural networks, reinforcement learning, and graph-based models such as MLGANN and DTD-GNN highlighting their roles in scalable drug-target interaction prediction and phenotype mapping. Case studies demonstrate how integrated models leveraging heterogeneous data (e.g.,
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.
Intelligent transportation systems (ITSs), Vehicle-to-Everything (V2X) communication and autonomous driving technologies have brought about significant changes in the modern vehicular network. At the same time, the cyber-attack surface has grown, leading to new and existing advanced security threats for Vehicular Ad hoc Networks (VANETs) and the Internet of Vehicles (IoV). Traditional IDSs that employ static rule-based techniques are often insufficient in the context of the vehicular environment, characterized by dynamic, highly mobile systems with stringent low-latency requirements. Next gene
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.
BACKGROUND: Breast cancer is the most common cancer among women, and ultrasound is a usual tool for early screening. Nowadays, deep learning technique is applied as an auxiliary tool to provide the predictive results for doctors to decide whether to make further examinations or treatments. This study aimed to develop a hybrid learning approach for breast ultrasound classification by extracting more potential features from local and multi-center ultrasound data.
METHODS: We proposed a hybrid learning approach to classify the breast tumors into benign and malignant. Three multi-center datasets
СтатьяМногоцентровое исследованиеПоиск 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.
Neuroendocrine neoplasms (NENs) arise from diffuse neuroendocrine cells and are categorized as either well-differentiated and less proliferative Neuroendocrine Tumors (NETs), divided into low (G1), middle (G2), and high grades (G3), or poorly differentiated, and more proliferative Neuroendocrine Carcinomas (NECs). Low-grade NENs typically necessitate surgical intervention, whereas high-grade ones often require chemotherapy. However, low-grade NENs may exhibit aggressive behavior. Therefore, it is crucial to precisely refine the diagnosis of NENs. This refinement is achievable when differentiat
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.