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
8079 публикаций
Поиск: 302 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1947 с найденным полным текстом
BACKGROUND: Thrombolysis and mechanical thrombectomy represent the most successful stroke innovations over the last 30 years. Quantifying innovation in stroke is essential for identifying productive research lines and prioritizing funding, but health care lacks validated methods for measuring innovation.
OBJECTIVE: This study aimed to systematically evaluate the relationship between stroke-related patents and publications, demonstrate the feasibility of using large language models (LLMs) in this process, and identify the most rapidly advancing innovations in stroke care by mapping them to a t
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.
Pediatric critical care medicine : a journal of the Society of Critical Care Medicine and the World Federation of Pediatric Intensive and Critical Care Societies2026eng
OBJECTIVES: To develop a fine-tuned version of the generative pretrained transformer (GPT)-4o artificial intelligence (AI) model able to estimate Functional Status Scale (FSS) scores among critically ill children.
DESIGN: Secondary analysis of a prospective, observational cohort of critically ill children 1 month to 18 years old who required invasive mechanical ventilation for greater than or equal to 3 days. Four patient notes from each of three hospitalization timepoints-baseline (history & physical), PICU transfer, and hospital discharge-along with retrospectively assigned FSS scores were
СтатьяНаблюдательное 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.
OBJECTIVE: To assess whether large language model (LLM)-based clinical trial screening judgments vary by patient sociodemographic characteristics.
MATERIALS AND METHODS: We conducted a cross-sectional evaluation of Phase II-III US adult randomized controlled trial (RCT) protocols (2023-2024). Physician-validated clinical vignettes were evaluated in a control version and 33 sociodemographic identity variants differing only by labels. Nine LLMs assessed eligibility and related domains. Mixed-effects models estimated adjusted differences vs control.
RESULTS: Across 58 protocols and 5.3 million
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.
People are increasingly turning to commercially available large language models (LLMs) for emotional support. In this News and Perspectives article, JMIR Correspondent Simon Spichak reports on the role of LLMs in mental health, speaking with experts about safety concerns, research gaps, and next steps.
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.
In the quest to enhance medical consultation, our study introduces AI4Doctor, a sophisticated large-language model (LLM) tailored for the clinical domain. At the heart of AI4Doctor is an innovative integration strategy that synergizes distilled data extracted from electronic medical records (EMR) with empirical insights gathered from practicing physicians during the supervised fine-tuning. Although existing platforms offer informative responses, they fall short of replicating the nuanced decision-making processes of medical professionals, particularly in complex, integrative diagnostic scenari
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.
PURPOSE: Large language models have demonstrated significant potential across a wide range of medical fields and may potentially induce a transformation in the field of infertility and sterility. This systematic review aims to synthesize existing research and explore the current strengths and limitations of large language models in the field of infertility and sterility.
METHODS: Researchers conducted a comprehensive search across three databases and employed a thematic synthesis approach for data analysis.
RESULTS: The analysis included a total of 13 studies. Large language models exhibited
СтатьяСистематический обзорПолный 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.
OBJECTIVE: The objective was to assess the performance of a context-enriched large language model (LLM) compared with international neurosurgical experts on questions related to the management of vestibular schwannoma. Furthermore, another objective was to develop a chat-based platform incorporating in-text citations, references, and memory to enable accurate, relevant, and reliable information in real time.
METHODS: The analysis involved 1) creating a data set through web scraping, 2) developing a chat-based platform called neuroGPT-X, 3) enlisting 8 expert neurosurgeons across international
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.
BACKGROUND: Pulp stones are calcified structures within the dental pulp that may increase the complexity of endodontic treatment and are commonly identified through radiographic examinations. Despite recent advances in artificial intelligence applied to dental imaging, the diagnostic capability of publicly available multimodal large language models (LLMs) for detecting pulp stones under zero-shot conditions remains unclear. Therefore, this study evaluated the diagnostic performance and response consistency of multimodal LLMs in detecting pulp stones on panoramic radiographs of posterior teeth.
СтатьяСравнительное исследованиеПолный 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: This study aimed to comparatively evaluate the accuracy, overall quality, and readability of responses generated by three contemporary large language models (LLMs)-Grok AI, ChatGPT-5 Plus, and Gemini 2.5 Flash-to clinical questions commonly encountered in kidney transplantation (KT) practice.
METHODS: Ten open-ended clinical scenarios covering surgical techniques, complication management, immunosuppressive strategies, and perioperative care were independently assessed by two experienced physicians. LLM-generated responses were evaluated using a structured rubric assessing scientific
СтатьяСравнительное исследованиеПолный 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.
OBJECTIVES: Large language models (LLMs) have the potential to be integrated into diagnostics workflows, yet their reliability in pre-analytical diagnostic stewardship remains uncertain. We aimed to evaluate the performance of six LLMs answering common pre-analytical questions in the domain of medical microbiology. Next, we propose a blueprint to evaluate LLMs in medical microbiology.
METHODS: We compared general-purpose models from OpenAI (GPT-3.5, GPT-4) and Meta AI (Llama2-7B, Llama2-13B), alongside two domain-enhanced versions (customised GPT-4 agent and Llama2-7B Medical) in a hybrid eva
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: Large language models (LLMs) can enhance learning engagement and accessibility, though their performance in dentistry is inconsistent. Bitewing radiographs are critical for caries detection but prone to diagnostic errors from operator positioning. This study compared the performance of four LLMs with reasoning capabilities, GPT o1, GPT o3-mini, Gemini 2.0 Flash and Grok 3, in generating scenario-specific educational feedback from a structured textual format of bitewing radiographs.
MATERIALS AND METHODS: Ten positioning error scenarios were created by DMFR specialists. LLMs were
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: Large language models (LLMs) have demonstrated impressive performance across various medical examinations; however, their competency in subspecialty clinical reasoning, particularly in prenatal diagnosis, remains poorly characterized.
MATERIALS AND METHODS: A cross-sectional comparative study was conducted by using 125 questions from China's nationally standardized Prenatal Ultrasound Screening Qualification Examination. Three LLMs and two human physicians were evaluated. Questions were classified along three independent taxonomic axes: modality, disease system, and question format.
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
BACKGROUND AND AIMS: Chronic liver disease (CLD) affects more than 800 million people worldwide and remains a leading cause of morbidity and mortality. Artificial intelligence (AI), particularly machine learning, has been applied to hepatology for diagnostic and prognostic purposes. Large language models (LLMs) represent a new generation of AI with unique capabilities for processing unstructured clinical text, integrating multimodal inputs, and facilitating patient communication. Their role in CLD, however, has not been systematically reviewed.
METHODS: This systematic review was conducted in
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 scarcity of high-quality multimodal biomedical data limits the effective fine-tuning of large language models (LLMs) for specialized tasks. We introduce MINT (multimodal integrated knowledge transfer), a framework that aligns unimodal decoder-only models with domain-specific patterns from multimodal biomedical data through preference optimization and that is primarily implemented using the odds ratio preference optimization (ORPO) framework. MINT leverages upstream multimodal machine-learning models to transfer domain expertise to downstream text-only or image-only LLMs, as demonstrated in
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.
BACKGROUND: Summarizing resident assessments for Clinical Competency Committee or mentoring meetings is challenging. This especially applies to raters' free-text comments, which often provide valuable feedback.
OBJECTIVE: To assess feasibility and accuracy of using a large language model (LLM) to label free-text comments as "Strengths" or "Areas for Improvement" from end-of-rotation assessments of residents.
METHODS: We performed a mixed-methods study of residents' end-of-rotation assessments completed between July 1, 2024 and June 30, 2025. Following data de-identification, we used a privat
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.
Although large language models (LLMs) have the potential to transform biomedical research, their ability to reason accurately across complex, data-rich domains remains unproven. To address this research gap, we introduce CARDBiomedBench, a large-scale question-and-answer benchmark for evaluating LLMs in biomedical science. This pilot release focuses on neurodegenerative disease research, a field requiring the integration of genomics, pharmacology, and statistical reasoning. CARDBiomedBench includes more than 68 000 curated question-answer pairs generated through expert annotation and structure
СтатьяОбзорПоддержка NIH: внешняя программаПоиск 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 AND AIMS: Clinical guidelines for inflammatory bowel disease (IBD) are essential for standardizing care, but synthesizing recommendations from multiple, often conflicting guidelines is a laborious task for clinicians. We developed and evaluated a proof-of-concept tool using a large language model (LLM) with retrieval-augmented generation (RAG) to help clinicians navigate this complexity by harmonizing guidelines, identifying consensus and controversy, and generating actionable statements.
METHODS: An LLM-driven RAG pipeline (GPT-4o) was designed to segment guideline content and com
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.
BACKGROUND: Dental trauma represents a common emergency condition requiring rapid and accurate guidance to prevent permanent damage. In urgent scenarios where access to dental professionals may be delayed, large language models (LLMs) have the potential to provide patients with timely and relevant information. The aim of this study was to comparatively evaluate the dentist rated performance of five widely used LLMs in answering frequently asked questions related to dental trauma emergencies across three predefined components: accuracy, comprehensiveness, and clinical applicability. METHODS: Ba
СтатьяСравнительное 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.
PURPOSE: Artificial intelligence (AI) is increasingly utilized in medical education and clinical contexts, yet few studies compare the performance of large language models (LLMs) to subspecialized experts in providing guideline-based medical information on hip preservation. The purpose of this study was to evaluate the performance of three LLMs compared to a panel of international hip preservation experts in answering guideline-based questions related to femoroacetabular impingement syndrome, hip dysplasia and microinstability of the hip.
METHODS: A 21-item questionnaire was developed based o
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.