Доктор Максвелл Трентон, PhD

Краткое описание исследования Исследование «spaMGCN: a graph convolutional network with autoencoder for spatial domain identification using multi-scale adaptation» посвящено разработке нового подхода к идентификации пространственных доменов в анализе пространственной транскриптомики. Основная цель исследования — улучшить распознавание пространственных доменов, особенно в условиях дискретного распределения тканей. Метод spaMGCN объединяет данные пространственной транскриптомики и пространственной эпигеномики с помощью автоэнкодера и многоуровневой адаптивной графовой свёрточной сети, что позволяет ему превосходить существующие методы. Результаты показывают его эффективность в распознавании дискретных зон T-клеток в селезёнках мышей и фолликулярных клеток в лимфатических узлах человека, а также в различении капсульных структур от окружающих тканей. Значимость результатов для врачей… ➡️➡️➡️

Краткое описание исследования Исследование «Определение возраста комаров с использованием спектроскопии, усиленной поверхностью Рамана (SERS), и искусственных нейронных сетей (ИНС): понимание влияния происхождения и пола» направлено на разработку эффективного метода оценки возраста комаров, что особенно важно для предотвращения заболеваний, переносимых комарами, таких как малярия и денге. С помощью SERS и ИНС исследователи смогли достичь высокой точности в определении возраста комаров Aedes aegypti, что является важным фактором для целевых вмешательств и оценки рисков. Результаты показали, что модели ИНС могут точно классифицировать возраст комаров, достигая 100% точности на уровне индивидуального комара. Важность результатов для врачей и клиник Результаты этого исследования имеют критическое значение… ➡️➡️➡️

Обзор исследования «UMAP-based clustering split for rigorous evaluation of AI models for virtual screening on cancer cell lines» Исследование, проведенное в журнале J Cheminform, посвящено виртуальному скринингу (VS) больших библиотек соединений с использованием моделей искусственного интеллекта (ИИ). Основная цель работы заключалась в разработке более надежного метода разделения данных для оценки производительности ИИ моделей. Традиционные методы, такие как случайное разделение данных, часто приводят к тому, что в обучающих и тестовых наборах оказываются структурно схожие молекулы, что искажает результаты. В исследовании были протестированы четыре представительных модели ИИ на 60 наборах данных NCI-60, содержащих от 33,000 до 54,000 молекул, протестированных на различных клеточных… ➡️➡️➡️

Краткое описание исследования Исследование «Оценка потребностей в обучении и факторов, влияющих на них среди персонала центров по контролю и профилактике заболеваний на северо-востоке Китая» направлено на выявление пробелов в знаниях и навыках работников, а также на изучение многофакторных влияний на потребности в обучении. Используя теоретические рамки Теории запланированного поведения и Теории самоопределения, исследование охватывает как индивидуальные, так и организационные уровни. В результате было проведено онлайн-опрос среди 11,912 сотрудников, что позволило выделить четыре подгруппы компетенций и определить ключевые факторы, влияющие на потребности в обучении. Значение результатов для врачей и клиник Результаты исследования важны для врачей и клиник, так как они подчеркивают… ➡️➡️➡️

Обзор исследования «SCATrans: semantic cross-attention transformer for drug-drug interaction predication through multimodal biomedical data» Исследование «SCATrans» посвящено предсказанию потенциальных взаимодействий между лекарственными средствами (DDIs) с использованием многомодальных биомедицинских данных. Основная цель работы заключается в разработке модели Semantic Cross-Attention Transformer (SCAT), которая позволяет более эффективно обрабатывать и анализировать сложные данные, связанные с лекарственными взаимодействиями. Результаты показали, что SCAT превосходит существующие методы предсказания DDIs, что открывает новые возможности для улучшения безопасности лекарственной терапии и разработки новых препаратов. Значение результатов для врачей и клиник Результаты исследования важны для врачей и клиник, так как позволяют более точно предсказывать взаимодействия между лекарственными средствами, что может… ➡️➡️➡️

Обзор исследования Исследование «Гибридные модели временных рядов и машинного обучения для прогнозирования смертности от сердечно-сосудистых заболеваний в Индии: анализ по возрастным группам» направлено на изучение причин смертности от сердечно-сосудистых заболеваний (ССЗ) в Индии с 1990 по 2021 год. В исследовании использовались данные Института оценки здоровья и метрик (IHME) и анализировались пять возрастных групп: 0-5, 6-15, 16-49, 50-69 и 70+. Для прогнозирования тенденций смертности применялись как классические модели ARIMA, так и гибридные модели, объединяющие ARIMA с методами машинного обучения, такими как Random Forest, Support Vector Machine (SVM), XGBoost и GARCH. Оценка эффективности моделей проводилась с использованием корня среднеквадратичной ошибки (RMSE) и… ➡️➡️➡️

Обзор исследования BERT и BERTopic для скрининга клинической депрессии у пожилых людей Исследование «BERT and BERTopic for screening clinical depression on open-ended text messages collected through a mobile application from older adults» направлено на выявление риска клинической депрессии у пожилых людей, используя текстовые сообщения, собранные через мобильное приложение. Цель исследования заключалась в том, чтобы оценить, насколько эффективны алгоритмы обработки естественного языка, такие как BERT и BERTopic, для анализа открытых текстовых сообщений и определения депрессивных симптомов на основе сообщений о стрессовых ситуациях. Результаты показали, что модель KcBERT продемонстрировала высокую точность в выявлении клинической депрессии, с показателями precision 0.89 и recall 0.86.… ➡️➡️➡️

Краткое описание исследования Исследование «Preparing Tomorrow’s Physicians: The Case for Machine Learning in Medical Education» поднимает вопрос о необходимости интеграции машинного обучения в медицинские учебные программы. Целью исследования является подготовка будущих врачей к условиям практики XXI века, что требует от них умения работать с новыми технологиями. Авторы предлагают практические стратегии внедрения машинного обучения в образовательные процессы, основываясь на существующих образовательных рамках и параллелях с традиционными статистическими методами. Важность результатов для врачей и клиник Результаты исследования важны для врачей и клиник, так как они помогают подготовить медиков к эффективному использованию технологий в лечении пациентов, выявлению потенциальных источников предвзятости и улучшению качества… ➡️➡️➡️

Краткое описание исследования Исследование «Non-invasive prediction of nuclear grade in renal cell carcinoma using CT-Based radiomics: a systematic review and meta-analysis» направлено на оценку диагностической эффективности и качества радиомики на основе компьютерной томографии (КТ) для предоперативного предсказания ядерного града рака почки (РП). Ядерный град опухоли является важным прогностическим фактором, влияющим на выбор лечения. В отличие от инвазивной биопсии, которая может быть подвержена ошибкам выборки, это исследование предлагает неинвазивный подход. Важность результатов для врачей и клиник Результаты показывают, что радиомные модели имеют высокий потенциал для точного предсказания ядерного града РП, что может помочь врачам более точно оценивать состояние пациента и выбирать… ➡️➡️➡️

Обзор исследования «Artificial Intelligence (AI) Facts Labels: An Innovative Disclosure Tool Promoting Patient-Centric Transparency in Healthcare AI Systems» В исследовании «Artificial Intelligence (AI) Facts Labels» рассматривается создание нового инструмента для повышения прозрачности использования искусственного интеллекта (ИИ) в медицинских системах. Целью данного инструмента является обеспечение информированности пациентов и медицинских работников о том, как именно используется ИИ в медицинских устройствах. Исследование предлагает прототип этикетки AI Facts, основанный на модели этикетки Drug Facts, который использует простой и доступный язык для объяснения функций ИИ в гипотетическом носимом медицинском устройстве. Результаты показывают, что такие этикетки могут стать важным средством для повышения доверия и понимания среди… ➡️➡️➡️

Обзор исследования Исследование «A Deep Learning Model for Identifying the Risk of Mesenteric Malperfusion in Acute Aortic Dissection Using Initial Diagnostic Data: Algorithm Development and Validation» направлено на разработку и валидацию модели глубокого обучения, которая интегрирует многомодальные данные для идентификации пациентов с острым расслоением аорты (ОРА), находящихся в группе высокого риска мезентериальной малперфузии (ММП). ММП — это редкое, но серьезное осложнение ОРА, которое может привести к угрожающим жизни состояниям. Основная цель исследования — создать надежный инструмент оценки риска, который поможет врачам вовремя диагностировать и лечить это состояние. Важность результатов для врачей и клиник Результаты исследования важны, поскольку позволяют улучшить раннее… ➡️➡️➡️

Обзор исследования «Advanced brain aging, selective vulnerability in gray matter, and cognition in Parkinson’s disease» Исследование, опубликованное в журнале «Journal of Gerontology», направлено на выявление наиболее уязвимых областей серого вещества мозга, связанных с продвинутым старением мозга, и изучение когнитивных коррелятов этого процесса у пациентов с болезнью Паркинсона (БП). В исследовании участвовали 125 пациентов на ранних стадиях БП, у которых были доступны данные структурной и диффузионной МРТ, а также данные о захвате дофамина (DAT-SPECT). В течение пяти лет проводилась ежегодная оценка когнитивных функций. Цели исследования заключались в том, чтобы определить, как различия в предсказанном возрасте мозга (PAD) связаны с когнитивными нарушениями… ➡️➡️➡️

Обзор исследования «Использование обработки естественного языка для выявления случаев воспалительного рака груди в системе здравоохранения» Исследование, проведенное в рамках проекта «Использование обработки естественного языка для выявления случаев воспалительного рака груди в системе здравоохранения», направлено на решение проблемы ранней идентификации и направления пациентов с воспалительным раком груди (IBC) в крупных медицинских учреждениях. Целью работы было разработать и оценить платформу на основе искусственного интеллекта, которая интегрирует обработку естественного языка (NLP) с электронными медицинскими записями для систематического выявления потенциальных случаев IBC на пяти кампусах. В ходе исследования было проанализировано 8,623,494 клинических заметок, и реализован последовательный процесс проверки: скрининг с помощью NLP, затем валидация… ➡️➡️➡️

Краткое описание исследования Данное исследование посвящено современным и новым подходам к критической помощи при аневризме субарахноидального кровоизлияния (аSAH). Основное внимание уделяется достижениям за последние 18 месяцев, включая ключевые проблемы, такие как предотвращение повторного кровоизлияния, задержанная церебральная ишемия (DCI), гидроцефалия, стратегии трансфузии и управление температурой. Исследование подчеркивает важность многопрофильного подхода и персонализированного лечения. Значимость результатов Результаты исследования важны для врачей и клиник, так как они предлагают новые методы управления состоянием пациентов с аSAH, что может значительно улучшить исходы лечения. Контроль систолического артериального давления, использование новых прогностических инструментов и профилактическое дренирование поясничной области могут снизить риск осложнений и улучшить неврологические результаты. Объяснение… ➡️➡️➡️

Краткое описание исследования Исследование «Advancements and Applications of Hyperpolarized Xenon MRI for COPD Assessment in China» рассматривает новые достижения в области магнитно-резонансной томографии (МРТ) с использованием гиперполяризованного ксенона-129 для оценки хронической обструктивной болезни легких (ХОБЛ) в Китае. Основной целью исследования является улучшение диагностики и мониторинга ХОБЛ с помощью неинвазивной визуализации вентиляции легких, микроархитектуры и функции газообмена. Результаты показывают, что новая технология получила клиническое одобрение в Китае и других странах, что открывает новые горизонты для ее применения в практике. Важность результатов для врачей и клиник Результаты исследования имеют большое значение для врачей и клиник, так как позволяют улучшить раннюю диагностику и… ➡️➡️➡️

Краткое описание исследования Исследование «Exploring the performance of an artificial intelligence- and morphology-driven workflow integrating 4 platelet enumeration technologies» направлено на оценку эффективности нового алгоритма, который объединяет четыре метода подсчета тромбоцитов на платформе Mindray CAL-8000. Целью работы было улучшение точности подсчета тромбоцитов, что критически важно для управления пациентами, особенно в случаях, когда могут возникнуть ошибки, такие как псевдотромбоцитопения, вызванная EDTA, или наличие аномальных форм красных кровяных клеток. Результаты показали, что новый алгоритм позволяет получать точные данные о количестве тромбоцитов в 100% случаев, даже при наличии сгустков, связанных с псевдотромбоцитопенией. Важность результатов для врачей и клиник Точные данные о количестве тромбоцитов… ➡️➡️➡️

Обзор исследования «Redox poise in R. rubrum phototrophic growth drives large-scale changes in macromolecular pathways» В данном исследовании рассматривается, как редокс-позиция (соотношение окисленных и восстановленных кофакторов) в фототрофном росте бактерии Rhodospirillum rubrum влияет на крупномасштабные изменения в макромолекулярных путях. Основной целью работы является оценка влияния различных редокс-условий на активность биосинтетических путей, что в итоге изменяет уровни клеточных макромолекул, таких как ДНК, РНК, белки и жирные кислоты. Результаты показывают, что в условиях фототрофного роста обратный электроны поток не является основным источником производства восстановленных кофакторов, таких как NAD(P)H, что, в свою очередь, влияет на баланс окислительных и восстановительных процессов в клетке. Важность… ➡️➡️➡️

Краткое описание исследования В исследовании «A plaque recognition algorithm for coronary OCT images by Dense Atrous Convolution and attention mechanism» предложен новый алгоритм глубокого обучения для автоматического распознавания бляшек в изображениях коронарных артерий, полученных с помощью оптической когерентной томографии (ОКТ). Основной целью работы является улучшение точности и эффективности автоматической сегментации и классификации бляшек. Используя 760 оригинальных изображений, которые были расширены до 8000 с помощью методов увеличения данных, исследование продемонстрировало высокие коэффициенты Dice для различных типов бляшек: кальцинированных (0.913), фиброзных (0.900) и липидных (0.879), что превосходит результаты пяти других традиционных сетей сегментации медицинских изображений. Важность результатов для врачей и клиник Автоматизированное… ➡️➡️➡️

Краткое описание исследования Исследование «Reliability assessment model for multiple stress factors accelerated degradation test using a Wiener process with random effects» предлагает новую модель оценки надежности, которая учитывает влияние нескольких стресс-факторов, таких как условия окружающей среды и эксплуатационные нагрузки, на процессы деградации. Целью работы является создание модели, которая обеспечивает более точные прогнозы срока службы продуктов при реальных условиях эксплуатации. В ходе исследования была получена явная формула для распределения срока жизни под нормальными условиями, а также оценены параметры модели и показатели надежности. Важность результатов для медицины Результаты данного исследования имеют важное значение для врачей и клиник, так как позволяют лучше понимать,… ➡️➡️➡️

Краткое описание исследования Исследование «Innovative data techniques for centrifugal pump optimization with machine learning and AI model» направлено на оптимизацию работы центробежных насосов (ЦН) с использованием машинного обучения (ML) и искусственного интеллекта (AI). Основная цель исследования заключается в повышении операционной эффективности насосов на 27,25% и сокращении времени обучения моделей на 180 секунд. Для достижения этих результатов применяется система сбора данных Dewesoft FFT DAQ, которая использует технологию слияния датчиков для записи высококачественных данных, что критично для последующего анализа и трансформации данных в модели ML и AI. Почему результаты важны для врачей и клиник Оптимизация работы центробежных насосов может значительно улучшить эффективность… ➡️➡️➡️