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: 179 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 575 с найденным полным текстом
Disaster medicine and public health preparedness2008eng
The federally funded Cities Readiness Initiative (CRI) requires seamless federal, state, and local public health coordination to provide antibiotics to an entire city population within 48 hours of an aerosolized release of anthrax. We document practical lessons learned from the development and implementation of the Boston CRI plan. Key themes center on heightened emphasis on security, a new mass protection model of dispensing, neighborhood-centric clinic site selection, online training of Medical Reserve Corps volunteers, and the testing of operations through drills and exercises. Sharing such
СтатьяПоддержка NIH: внешняя программаПоиск 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 significantly impact many aspects of dermatology. The visual nature of dermatology lends itself to innovations in this space. The robustness of AI algorithms depends on the quality, quantity, and variety of data on which it is trained and tested. Image collections can suffer from inconsistencies in image quality, underrepresentation of various anatomic sites and skin tones, and lack of benign counterparts leading to underperformance of algorithms in contexts other than one in which it is developed. Access to care, trust, rights, control, and tr
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.
To estimate accurately the parameters of a regression model, the sample size must be large enough relative to the number of possible predictors for the model. In practice, sufficient data is often lacking, which can lead to overfitting of the model and, as a consequence, unreliable predictions of the outcome of new patients. Pooling data from different data sets collected in different (medical) centers would alleviate this problem, but is often not feasible due to privacy regulation or logistic problems. An alternative route would be to analyze the local data in the centers separately and comb
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.
Breast cancer drug resistance remains a major clinical challenge driven by complex genetic, signaling, and microenvironmental interactions. Conventional machine learning and deep learning represent genes, drugs, and patients as independent feature vectors, limiting their ability to capture biological relationships governing therapeutic response. Graph neural networks have emerged as a powerful paradigm by modelling biological systems as interconnected networks rather than isolated entities. This review synthesizes recent advances in graph neural network based multi-scale modelling of gene-drug
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.
Primary liver cancers, including hepatocellular carcinoma and cholangiocarcinoma, represent a growing global health burden marked by rising incidence and high mortality. Clinical management requires integration of tumour stage, liver function, and patient-related factors to guide treatment decisions, yet current frameworks capture only a fraction of underlying disease complexity. In this setting, artificial intelligence (AI) is emerging as a key enabler of precision medicine in liver oncology. AI encompasses machine learning and deep learning approaches capable of identifying complex, non-line
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.
This paper examines how privacy-enhancing technologies such as synthetic data, federated learning and 'Secure Data Environments' can be integrated into artificial intelligence (AI) development processes to uphold key data protection principles in the UK GDPR, like storage limitation, data minimisation, purpose limitation, security, and fairness. The analysis highlights how privacy-enhancing technologies offer benefits beyond anonymisation by embedding privacy-by-design values to support responsible innovation and protect sensitive patient data throughout the design, training, and validation of
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.
Immune checkpoint inhibitors (ICIs) have transformed oncology, yet durable benefit remains confined to a minority of patients, revealing the limitations of single biomarkers such as PD-L1 expression, tumor mutational burden, and microsatellite instability. Multi-omics profiling, spanning genomics, transcriptomics, epigenomics, proteomics, metabolomics, microbiomics, and imaging-derived radiomics/pathomics, enables a systems-level interrogation of tumor-immune interactions. It captures lineage plasticity, antigen-presentation defects, metabolic and epigenetic suppression, stromal remodeling, an
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 convergence of artificial intelligence and chemometrics has revolutionized multi-omics data integration, enabling unprecedented insights into complex biological systems. This critical review examines AI-driven approaches for integrating genomics, proteomics, metabolomics, and other omics layers, emphasizing developments from 2020 to 2025. We explore fundamental multi-omics challenges including batch effects, high dimensionality, and structural heterogeneity, evaluating how classical chemometric methods have evolved into sophisticated deep learning architectures. Convolutional neural networ
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.
Complex diseases, including cancer, rare genetic disorders, neurodevelopmental and psychiatric conditions, and neurodegenerative diseases, arise from interactions among genetic variation, gene regulation, and cellular states that are difficult to capture using a single data type or biological scale. Biological foundation models address this challenge by treating nucleotides and genes as tokens and learning representations that can be transferred to downstream biomedical and clinical tasks. In this review, we examine two major model classes, genomic sequence foundation models and cell foundatio
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: Machine learning (ML) has the potential to enhance surgical decision-making through real-time risk prediction and personalised care yet clinical implementation remains limited. This study aimed to identify and categorise the key barriers to implementing ML tools in surgical practice.
METHODS: A nationwide qualitative survey was conducted among stakeholders involved in ML development or clinical implementation in healthcare. Participants provided open-ended responses describing perceived barriers, their impact and potential solutions. Responses were analysed using inductive themati
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.
Нейродегенеративные заболевания, включая болезнь Альцгеймера, болезнь Паркинсона, болезнь Хантингтона и множественный склероз, представляют собой серьезные глобальные проблемы в области здравоохранения из-за их прогрессивной и неизлечимой природы. Ранняя и точная диагностика имеет решающее значение для медленного развития заболеваний и оптимизации терапевтического вмешательства, однако традиционные диагностические подходы, такие, как нейроимация, биомаркерирование цереброспиновой жидкости и клиническая оценка зачастую являются неадекватными на продромальной стадии. Последние достижения в облас
СтатьяОбзорПоиск полного текста в очередиМашинный перевод · не проверен
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.
Myopia as an uncorrected visual impairment is recognized as a global public health issue with an increasing burden on health-care systems. Moreover, high myopia increases one's risk of developing pathologic myopia, which can lead to irreversible visual impairment. Thus, increased resources are needed for the early identification of complications, timely intervention to prevent myopia progression, and treatment of complications. Emerging artificial intelligence (AI) and digital technologies may have the potential to tackle these unmet needs through automated detection for screening and risk str
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.
Oral squamous cell carcinoma (OSCC) poses a significant global health challenge owing to its rising incidence, late-stage diagnosis, and poor five-year survival rates. Traditional diagnostic and prognostic frameworks are limited by subjectivity, delayed turnaround times, and insufficient integration of molecular and imaging data. In this context, artificial intelligence (AI), which encompasses machine learning, deep learning, and natural language processing, has emerged as a promising tool for supporting diagnostic, prognostic, and therapeutic decision-making in oral oncology. This review summ
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.
Cancer remains a major global health burden, with approximately 20 million new cases and 9.7 million cancer-related deaths reported globally in 2022. While advances in radiological imaging, molecular profiling, and clinical data have enhanced the interpretation of disease progression, the availability of multiple such modalities still does not meet the needs of a large patient population. This narrative review focuses on the role of multimodal artificial intelligence and machine learning in bridging the gap in interpreting heterogeneous modalities to improve risk prediction, prognostic assessm
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.
Intention prediction is essential for enabling intuitive and adaptive control in upper-limb exoskeletons, especially in dynamic industrial environments. However, the suitability of different cues, sensors, and computational models for real-world industrial applications remains unclear. This systematic review, conducted according to PRISMA guidelines, analyzes 29 studies published between 2007 and 2024 that investigate intention prediction in active exoskeletons. Most studies rely on motion capture (14) and electromyography (14) to estimate joint torque or trajectories, predicting from 450 ms b
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.
Objective: This review assesses the efficacy of machine learning (ML) models for classification and management of Chronic Lymphocytic Leukaemia (CLL).Methods: Twenty studies published between 2014 and 2023 were reviewed, focusing on supervised ML models to predict patient outcomes or guide treatment decisions. Studies were identified through PubMed, Google Scholar, and IEEExplore, with the final search in March 2023. Inclusion criteria consisted of studies focused on ML applications in CLL. Exclusion criteria included studies lacking sufficient methodology or focused solely on experimental set
СтатьяСистематический обзорПоддержка исследования: вне правительства СШАПолный 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.
The complex pathophysiology and diverse manifestations of esophageal disorders pose challenges in clinical practice, particularly in achieving accurate early diagnosis and risk stratification. While traditional approaches rely heavily on subjective interpretations and variable expertise, machine learning (ML) has emerged as a transformative tool in healthcare. We conducted a comprehensive review of published literature on ML applications in esophageal diseases, analyzing technical approaches, validation methods, and clinical outcomes. ML demonstrates superior performance: In gastroesophageal r
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: Managing geriatric risks is challenging, as early detection of conditions like delirium, frailty, dysphagia, falls, and malnutrition relies on time-intensive manual assessments requiring geriatric expertise. ML approaches can support healthcare professionals by enabling automated risk prediction using electronic health records (EHR) data, but existing models often lack geriatric-specific features.
OBJECTIVES: This study examines whether incorporating geriatric-specific features improves EHR-based prediction models for key geriatric risks and whether a one-shot Federated Learning (
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: Massachusetts General Hospital and the Federation for Children with Special Needs staff partnered to conduct the Supporting Parents Raising Kids trial. Supporting Parents Raising Kids compares a mind body intervention, stress management and relaxation training (SMART) learning and attentional disabilities (LAD), and a comparison health promotion intervention, Health Enhancement Program, for parents of children with LAD.
OBJECTIVES: We describe how the partnership collaboratively adapted the proposed trial and treatments.
METHODS: Massachusetts General Hospital and the Federation
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.
Demographic systems face unprecedented challenges from simultaneous crises. Conventional statistical demography techniques and agent-based models often struggle to capture nonlinear inter-regional interactions during periods of severe socio-economic disruption. To address this, we propose MADDPG-EVO-DGM, a hybrid algorithm that integrates multi-agent deep reinforcement learning with evolutionary optimisation and meta-learning principles to model regional demographic processes under multiple crisis scenarios. Each region is treated as an autonomous agent learning to steer demographic policy lev
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.