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
34022 публикаций
Поиск: 585 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1661 с найденным полным текстом
Dry eye disease (DED) has a prevalence of between 5 and 50%, depending on the diagnostic criteria used and population under study. However, it remains one of the most underdiagnosed and undertreated conditions in ophthalmology. Many tests used in the diagnosis of DED rely on an experienced observer for image interpretation, which may be considered subjective and result in variation in diagnosis. Since artificial intelligence (AI) systems are capable of advanced problem solving, use of such techniques could lead to more objective diagnosis. Although the term 'AI' is commonly used, recent succes
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.
OBJECTIVES: False positive detection (FPD) is a clinically relevant challenge that must be solved to ensure the safe and effective integration of artificial intelligence (AI) into colonoscopy. This study aimed to develop a novel AI system for quantifying FPD and to compare FPD rates between two commercially available AI platforms.
METHODS: From October 2022 to May 2025, a total of 436,637 images were collected from 78 patient colonoscopy videos: 38 videos (340,121 images) using CAD EYE (Fujifilm, Tokyo, Japan) and 40 videos (96,516 images) using EndoBRAIN (Olympus, Tokyo, Japan). Using these
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.
Artificial intelligence (AI) is entering clinical practice through decision-support systems, predictive tools, generative models, and clinical documentation solutions. Since February 2025, the European AI Act has required providers and deployers of AI systems to ensure that staff and other people operating or using such systems on their behalf have an adequate level of AI literacy. This creates a new educational requirement: physicians need to acquire minimum competencies to use, appraise, supervise, and reject AI outputs when appropriate. This state-of-the-art review examined AI competencies
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.
This survey represents the first endeavor to assess the clarity of the dermoscopic language by a chatbot, unveiling insights into the interplay between dermatologists and AI systems within the complexity of the dermoscopic language. Given the complex, descriptive, and metaphorical aspects of the dermoscopic language, subjective interpretations often emerge. The survey evaluated the completeness and diagnostic efficacy of chatbot-generated reports, focusing on their role in facilitating accurate diagnoses and educational opportunities for novice dermatologists. A total of 30 participants were p
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.
OBJECTIVE: The aim of this study was to evaluate the experiences and confidence levels of acne patients using artificial intelligence tools. This study investigates whether patients view artificial intelligence as a standalone resource or a facilitator of physician collaboration to support the ethical implementation of healthcare technologies.
METHODS: This cross-sectional, descriptive study included acne patients aged ≥18 years with internet access. Alongside physician-led clinical evaluations, a structured questionnaire was administered.
RESULTS: Among 123 patients (81.3% female), 45.5% ut
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 OF REVIEW: To review recent advances in artificial intelligence (AI) for left ventricular (LV) strain echocardiography, with emphasis on studies published during the preceding 18 months, and to assess current evidence for measurement performance, workflow integration, emerging AI-based approaches, disease-specific applications and barriers to widespread clinical adoption.
RECENT FINDINGS: The most mature evidence relates to automated global longitudinal strain (GLS) measurement, where recent studies show high feasibility, improved reproducibility and reduced operator dependence compar
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.
This issue of JORH focuses upon artificial intelligence (AI), the role of clergy and faith leaders involved in health-related issues, as well as spirituality and pastoral care for those with chronic-related illnesses. An epilogue 'congratulations' reports the Springer Nature Editor Distinction Award being conferred upon a JORH editor, and finally early information is provided regarding ANZMIC 2027.
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.
Artificial intelligence (AI) is moving rapidly from experimental prediction models toward workflow-integrated tools that can support clinical care, education, research, and operational efficiency. Kidney care is particularly well suited to AI because it is data-rich, longitudinal, and multidisciplinary, incorporating laboratory trajectories, medications, imaging, pathology, dialysis machine data, transplant immunology, wearable sensors, and unstructured clinical notes. Recent advances include electronic health record-based models for acute kidney injury prediction, machine-learning approaches
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.
Artificial intelligence (AI) has been widely applied across various fields and has demonstrated effectiveness to some extent. However, some scholars have raised concerns about its ethical implications and potential rebound effects, particularly in the context of climate issues. To address these debates, we obtained cross-national panel data for 51 countries from 1996 to 2023 through the ISETS Energy Finance Network, WIPO, and World Bank databases. A two-way fixed effects model was used to examine the relationship between AI and physical climate risks. The findings are as follows: (1) AI can ef
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 is now embedded across the scientific research and publishing ecosystem, influencing discovery, analysis, knowledge translation, authorship, peer review, and editorial workflows. In cardiovascular and biomedical sciences, these developments offer substantial opportunities to accelerate knowledge generation, integrate complex datasets, and improve efficiency and consistency. At the same time, they introduce new risks related to bias, transparency, data integrity, and authorship responsibility, potentially endangering trust in the scientific record. This commentary examin
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.
The retina, uniquely accessible as an extension of the central nervous system, plays a critical role in neurology and ophthalmology. Advances in retinal imaging technologies - including color fundus photography, optical coherence tomography, and OCT angiography - have enabled detailed, noninvasive assessment of ocular and systemic diseases. Artificial intelligence (AI), particularly deep learning, has revolutionized the analysis of these images, facilitating early detection, classification, and prognostication of conditions such as diabetic retinopathy, age-related macular degeneration, optic
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 emerged as a transformative force in orthopedic surgery. Potentially encompassing pre-, intra-, and postoperative processes, it can process complex medical imaging, provide real-time surgical guidance, and analyze large datasets for outcome prediction and optimization. AI has shown improvements in surgical precision, efficiency, and patient outcomes across orthopedic subspecialties, and large language models and agentic AI systems are expanding AI utility beyond surgical applications into areas such as clinical documentation, patient education, and autonomous d
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: Artificial Intelligence (AI) has emerged as a transformative tool in in vitro fertilization (IVF) as it has done in other sectors. In IVF, AI offers advancements in embryo selection, treatment personalization, and outcome prediction. It does so by leveraging deep learning and computer vision, as well as AI-driven platforms such as ERICA, iDAScore, and IVY where the goal is to address the limitations of traditional embryo assessment. Key amongst them are the issues of subjectivity, labor intensity, and limited predictive power. Despite rapid technological progress, the integration o
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.
Introduction: Prostate cancer imaging is constantly evolving. The previously used “blind sampling” technique of prostate biopsy was superseded by developing the ultrasound- guided methods and later assisted by more precise imaging. The current state-of-the-art version relies on multiparametric MRI analysis and fusion planned biopsy. Objective: Our aim was to present, for the first time in Hungary, our experiences gained through artificial intelligence-assisted image analysis and three-dimensional virtual modeling in transperineal prostate biopsy procedures. Method: Between November 2020 and Ap
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) has emerged as a transformative technology in accelerating drug discovery and development within natural medicines research. Natural medicines, characterized by their complex chemical compositions and multifaceted pharmacological mechanisms, demonstrate widespread application in treating diverse diseases. However, research and development face significant challenges, including component complexity, extraction difficulties, and efficacy validation. AI technology, particularly through deep learning (DL) and machine learning (ML) approaches, enables efficient analysis
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 health care by providing powerful tools to analyze large datasets, recognize complex patterns, and support clinical decision-making. In benign prostatic hyperplasia (BPH), AI shows great promise in improving diagnostics, treatment planning, and predicting clinical outcomes. This article examines current AI applications in BPH, focusing on diagnostic imaging, multimodal data integration, and therapeutic management. However, barriers to widespread implementation exist, such as small sample sizes, homogenous study samples, and non-standardized reportin
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.
Regulatory agencies require comprehensive toxicity testing for prenatal drug exposure, including new drugs in development, to reduce concerns about developmental toxicity, that is, drug-induced toxicity and adverse effects in pregnant women and fetuses. However, defining developmental toxicity endpoints and optimal analysis of associated public big data remain challenging. Recently, artificial intelligence (AI) approaches have had a critical role in analyzing complex, high-dimensional data, uncovering subtle relationships between chemical exposures and associated developmental risks. Here, we
СтатьяОбзорПоддержка NIH: внешняя программаПоддержка 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.
Artificial intelligence (AI) is being increasingly studied and implemented in gastroenterology. In inflammatory bowel disease (IBD), numerous AI models are being developed to assist with IBD diagnosis, standardization of endoscopic and radiologic disease activity, and predicting outcomes. Further prospective, multicenter studies representing diverse populations and novel applications are needed prior to routine implementation in clinical practice and expected improved outcomes for clinicians and patients.
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: The recent advances in artificial intelligence (AI) represent a promising solution to increasing clinical demand and ever limited health resources. Whilst powerful, AI models require vast amounts of representative training data to output meaningful predictions in the clinical environment. Clinical registries represent a promising source of large volume real-world data which could be used to train more accurate and widely applicable AI models. This review aims to provide an overview of the current applications of AI to ophthalmic clinical registry data.
DESIGN AND METHODS: A systemati
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.
PURPOSE OF REVIEW: The integration of artificial intelligence (AI) in nonoperating room anesthesia (NORA) represents a timely and significant advancement. As the demand for NORA services expands, the application of AI is poised to improve patient selection, perioperative care, and anesthesia delivery. This review examines AI's growing impact on NORA and how it can optimize our clinical practice in the near future.
RECENT FINDINGS: AI has already improved various aspects of anesthesia, including preoperative assessment, intraoperative management, and postoperative care. Studies highlight AI's
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.