ИИ Медтех

Обзор исследования «Predicting brain amyloid load with digital and blood-based biomarkers» Исследование, опубликованное в журнале Alzheimer’s Research & Therapy, направлено на оценку загрузки амилоида в мозге с помощью цифровых и биомаркеров в крови. Цель заключалась в создании удобного и точного метода для диагностики болезни Альцгеймера (БА) в условиях первичной медицинской помощи. В исследовании использовались онлайн-тест MemTrax для оценки когнитивных нарушений и биомаркеры, такие как Aβ42, Aβ40, P-tau181, GFAP и NfL, для анализа данных о состоянии пациентов. Результаты показали, что комбинация MemTrax и биомаркеров значительно улучшает точность прогнозирования загрузки амилоида, что позволяет проводить массовый скрининг и своевременную диагностику БА. Важность результатов… ➡️➡️➡️

Обзор исследования «Оценка риска хронической обструктивной болезни легких на основе звуков выдоха и кашля» Исследование, проведенное в 2025 году, направлено на оценку риска хронической обструктивной болезни легких (ХОБЛ) с использованием звуков выдоха и кашля. ХОБЛ — это прогрессирующее заболевание органов дыхания, которое значительно ухудшает качество жизни пациентов. Целью данного исследования стало разработка инновационных методов раннего выявления и оценки риска ХОБЛ, что может значительно улучшить результаты лечения и уменьшить нагрузку на систему здравоохранения. В исследовании использовался кросс-секционный дизайн. Участники проходили тесты функции легких и заполняли анкеты, а также записывали звуки выдоха и кашля с помощью специального приложения на смартфоне. Риск ХОБЛ… ➡️➡️➡️

Обзор исследования «Использование машинного обучения для раннего выявления поливиктимизации у детей в сельских районах: исследование в регионе Чаошань, Китай» Исследование, проведенное в регионе Чаошань Китая, направлено на изучение поливиктимизации (ПВ) среди детей, которые сталкиваются с несколькими формами насилия, включая физическое насилие, эмоциональное насилие, пренебрежение и насилие со стороны сверстников. Целью работы было выявление факторов риска ПВ и создание моделей предсказания, которые могут помочь в раннем выявлении случаев насилия. В результате исследования было установлено, что дети в районе Цзецзян имеют в 1.84 раза больше шансов стать жертвами ПВ по сравнению с детьми в Шаньтоу. Модели машинного обучения показали высокую точность предсказания,… ➡️➡️➡️

Обзор исследования «Wristful thinking: exploring the effects of robotic rehabilitation and cross-education for persons with multiple sclerosis» Исследование «Wristful thinking» направлено на разработку адаптивной реабилитационной техники с использованием роботизированного устройства для запястья, которое способствует кросс-обучению для непострадавшей конечности у людей с рассеянным склерозом (РС). В рамках восьминедельного вмешательства 14 участников с РС и 8 здоровых взрослых прошли обучение. Участники с РС были разделены на две группы: одна тренировала более поражённую конечность (прямое обучение), другая — менее поражённую (косвенное обучение). Целью вмешательства было улучшение силы запястья и захвата, а также моторного контроля. Результаты показали, что участники с РС значительно увеличили силу… ➡️➡️➡️

Обзор исследования Исследование «Generative artificial intelligence in entrepreneurship education enhances entrepreneurial intention through self-efficacy and university support» рассматривает влияние образования в области предпринимательства с поддержкой генеративного искусственного интеллекта (ИИ) на предпринимательские намерения студентов университетов Китая. Используя структурное моделирование уравнений и данные от 346 студентов, авторы показали, что GAISEE значительно повышает как предпринимательскую самоэффективность (β = 0.523, p < 0.001), так и предпринимательские намерения (β = 0.244, p < 0.001). Исследование также выявило, что самоэффективность выступает медиатором между GAISEE и предпринимательскими намерениями, а университетская предпринимательская среда усиливает данные связи. Значимость результатов для медицины Результаты исследования важны для врачей и клиник, так… ➡️➡️➡️

Обзор исследования «Оценка психологической устойчивости и факторов, влияющих на нее в популяции MSM с использованием машинного обучения» Данное исследование направлено на оценку влияния социальных факторов, таких как поддержка, самооценка, депрессия и уровень образования на психологическую устойчивость мужчин, имеющих сексуальные отношения с мужчинами (MSM). В ходе исследования были собраны данные от 1,070 MSM через онлайн-опрос в провинции Чжэцзян и других 17 провинциях Китая. Психологическая устойчивость и ее влияющие факторы были проанализированы с использованием дерева решений Chi-square Automatic Interaction Detector (CHAID) и многомерной порядковой логистической регрессии. Результаты показали, что 28.9% респондентов страдали от депрессии, 3.4% были ВИЧ-позитивными, 12.9% имели низкую социальную поддержку,… ➡️➡️➡️

Краткое описание исследования Исследование «A systematic literature review on integrating AI-powered smart glasses into digital health management for proactive healthcare solutions» представляет собой систематический обзор литературы, посвященный интеграции умных очков с искусственным интеллектом в управление цифровым здоровьем. Целью работы является анализ текущих приложений этих устройств в здравоохранении, их преимуществ и ограничений. Результаты показывают, что умные очки могут значительно улучшить мониторинг состояния здоровья, управление хроническими заболеваниями и персонализированное планирование лечения. Важность результатов для врачей и клиник Результаты исследования важны для врачей и клиник, так как они демонстрируют, как умные очки могут улучшить взаимодействие с пациентами, повысить соблюдение рекомендаций по лечению и… ➡️➡️➡️

Обзор исследования «Impact of generative AI interaction and output quality on university students’ learning outcomes: a technology-mediated and motivation-driven approach» Данное исследование анализирует влияние генеративного искусственного интеллекта (ГИИ) на результаты обучения студентов университетов, используя подход, основанный на технологии. В рамках работы был разработан и эмпирически протестирован интегрированный модель, основанная на теории взаимодействия и теории обучения с использованием технологий. Модель исследует взаимосвязи между качеством взаимодействия с ГИИ, качеством выходных данных ГИИ и результатами обучения. В исследовании также учитываются мотивационные факторы, такие как учебная мотивация, академическая самоэффективность и креативная самоэффективность, которые выступают в качестве медиаторов, а креативное мышление — в качестве модератора.… ➡️➡️➡️

Обзор исследования Исследование «Predictive modeling and machine learning show poor performance of clinical, morphological, and hemodynamic parameters for small intracranial aneurysm rupture» направлено на анализ факторов, влияющих на риск разрыва мелких внутричерепных аневризм (SIAs) размером менее 5 мм. Несмотря на то, что такие аневризмы все чаще выявляются благодаря современным методам визуализации, предсказать риск их разрыва остается сложной задачей. В исследовании было проанализировано 141 аневризма (101 неразорванная и 40 разорванных) с использованием полуавтоматического морфологического анализа и высокоразрешающего моделирования кровотока на основе 3D-ротационной ангиографии. Выявленные параметры не смогли надежно предсказать риск разрыва, что подчеркивает необходимость дальнейших исследований в данной области. Значение результатов… ➡️➡️➡️

Обзор исследования «An AI framework for time series microstructure prediction from processing parameters» В данном исследовании представлена структура, основанная на искусственном интеллекте (ИИ), для прогнозирования микроструктурной текстуры поликристаллических материалов после определенного процесса деформации. Микроструктурная текстура определяется через функцию распределения ориентаций (ODF), которая показывает объемную плотность кристаллических ориентаций. Мы используем модель энкодер-декодер с слоями Long Short-Term Memory (LSTM) для моделирования взаимосвязи между условиями обработки и свойствами материала. В качестве примера мы применяем нашу структуру к меди, создавая набор данных из 3125 уникальных комбинаций параметров обработки и соответствующих векторов ODF. Полученные прогнозы позволяют вычислять гомогенизированные свойства. Наша структура, основанная на ИИ, превосходит… ➡️➡️➡️

Обзор исследования Исследование «Explainable artificial intelligence driven insights into smoking prediction using machine learning and clinical parameters» направлено на использование объяснимого искусственного интеллекта (ИИ) для предсказания курения на основе клинических параметров и данных машинного обучения. Целью работы является создание модели, которая не только предсказывает вероятность курения, но и объясняет, какие факторы влияют на это предсказание. Результаты исследования показывают, что использование таких моделей может значительно улучшить понимание причин курения и помочь врачам в разработке индивидуализированных стратегий лечения. Важность результатов для врачей и клиник Результаты данного исследования имеют большое значение для врачей и клиник, так как они позволяют более точно идентифицировать пациентов,… ➡️➡️➡️

Краткое описание исследования Исследование «Interpretable artificial intelligence for modulated metasurface antenna design using SHAP and MLP» посвящено разработке интерпретируемого искусственного интеллекта для проектирования антенн на основе модулированных метаповерхностей. Основной целью работы является использование методов SHAP (SHapley Additive exPlanations) и многослойного перцептрона (MLP) для предсказания двух ключевых характеристик излучения антенн: уровня боковых лепестков (SLL) и ширины полувысоты луча (HPBW). В результате исследования была достигнута высокая точность в прогнозировании SLL и значительное улучшение в оценке HPBW, что открывает новые возможности для применения антенн в телекоммуникациях, радиолокации и медицинской визуализации. Важно для медицины Результаты данного исследования важны для врачей и клиник, так как… ➡️➡️➡️

Обзор исследования «MRI-based detection of multiple sclerosis using an optimized attention-based deep learning framework» Исследование, проведенное в 2025 году, посвящено разработке и оценке нового глубокого обучения под названием 2DRK-MSCAN для раннего и точного обнаружения поражений при рассеянном склерозе (РС) с использованием данных МРТ. Основная цель работы заключалась в том, чтобы улучшить диагностику РС, которая является хроническим неврологическим заболеванием, затрагивающим миллионы людей по всему миру. Раннее выявление заболевания имеет решающее значение для предотвращения долгосрочной инвалидности, однако различение поражений РС от других аномалий мозга представляет собой сложную задачу. Значимость результатов для врачей и клиник Результаты исследования показывают, что предложенный метод 2DRK-MSCAN достиг… ➡️➡️➡️

Краткое описание исследования Исследование «Synzymes: The Future of Modern Enzyme Engineering» фокусируется на синтезе синзимов — искусственных аналогов природных ферментов, обладающих улучшенной стабильностью и каталитической активностью. Эти синзимы способны функционировать в экстремальных физико-химических условиях и находят применение в биомедицине, промышленной биотехнологии и экологическом очищении. Обзор включает структурные принципы, функциональные механизмы и реальное применение синзимов, включая их роль в целевой доставке лекарств, биосенсинге, экологически чистом производстве и разложении загрязняющих веществ. Также рассматривается, как интеграция искусственного интеллекта и технологии высокопроизводительного скрининга ускоряют разработку синзимов, предлагая более эффективные и экономически целесообразные решения. Значение для врачей и клиник Результаты этого исследования важны для врачей… ➡️➡️➡️

Обзор исследования «Source apportionment and risk quantification of soil heavy metals using SOM-PMF model: implications for ecological and human health management» Данное исследование направлено на точное определение источников загрязнения тяжелыми металлами (ТМ) в почве и оценку рисков, связанных с этим загрязнением. Используя инновационную модель, сочетающую самоорганизующиеся карты (SOM) и положительную матричную факторизацию (PMF), исследование преодолевает ограничения традиционных методов. В результате было установлено, что средние концентрации восьми ТМ в почве превышают фоновый уровень, причем наибольшее превышение наблюдается для кадмия (Cd). Модель SOM-PMF успешно идентифицировала пять источников загрязнения и их доли в общем загрязнении. Значение результатов для врачей и клиник Результаты исследования… ➡️➡️➡️

Обзор исследования Исследование «Predicting Vancomycin Clearance in Neonates and Infants by Integrating Machine Learning and Metabolomics With Population Pharmacokinetics» направлено на изучение фармакокинетики ванкомицина у новорожденных и детей младшего возраста, с целью предсказать его клиренс. Учитывая значительную изменчивость клиренса ванкомицина в данной группе пациентов, исследование проводилось на основе ретроспективного анализа данных 42 новорожденных и младенцев, проходивших лечение в отделении интенсивной терапии Университета Мичигана. Исследование охватывало период с 2019 по 2022 год, включая 214 измерений концентрации ванкомицина. Важность результатов исследования заключается в их потенциале для улучшения точности назначения дозы ванкомицина, что может значительно повысить эффективность лечения и снизить риск токсичности. Это… ➡️➡️➡️

Краткое описание исследования Исследование «Psoas muscle CT radiomics-based machine learning models to predict response to infliximab in patients with Crohn’s disease» направлено на разработку моделей машинного обучения, основанных на радиомике компьютерной томографии (КТ), для прогнозирования реакции пациентов с болезнью Крона (БК) на терапию инфликсимабом (ИФ). В исследовании использовался объем поясничной мышцы как индикатор мышечной массы, учитывая связь между саркопенией и результатами лечения. В результате анализа 134 пациентов было выявлено, что модели демонстрируют высокую предсказательную способность, особенно модель eXtreme Gradient Boosting с площадью под кривой 0.910. Значимость результатов для врачей и клиник Результаты исследования имеют большое значение для клинической практики, так… ➡️➡️➡️

Обзор исследования «Оценка эффективности автоматизированной системы планирования, улучшенной с помощью машинного обучения, и сравнительный анализ с ручной системой планирования» Исследование направлено на оценку эффективности автоматизированной системы планирования радиотерапии, использующей интеллектуальный оптимизационный движок (IOE) платформы Varian Ethos, по сравнению с традиционной системой планирования Eclipse. Цель заключалась в том, чтобы определить, может ли автоматизированная система сократить время планирования и улучшить качество планов лечения рака простаты, сохраняя при этом допустимые уровни радиации для окружающих органов. Результаты показали, что планы, созданные с помощью Ethos, не уступают по качеству тем, что были разработаны вручную в Eclipse. Это важно для врачей и клиник, так как позволяет… ➡️➡️➡️

Обзор исследования «Precision prediction of cervical cancer outcomes: A machine learning approach to recurrence and survival analysis» Исследование, опубликованное в журнале J Cancer Res Ther, фокусируется на важной задаче предсказания исходов рака шейки матки с использованием методов машинного обучения. Основной целью работы является улучшение точности прогнозов рецидивов и выживаемости пациентов, что является критически важным для оптимизации лечения и повышения качества жизни. Результаты показывают, что внедрение искусственного интеллекта (ИИ) может значительно повысить эффективность прогнозирования, что, в свою очередь, может привести к более персонализированным подходам к лечению. Значимость результатов для врачей и клиник Результаты исследования имеют огромное значение для врачей и клиник,… ➡️➡️➡️

Обзор исследования «Deep learning-based organ-at-risk segmentation, registration and dosimetry on cone beam computed tomography images in radiation therapy: A comprehensive review» Исследование посвящено применению методов глубокого обучения для улучшения сегментации органов, подверженных риску (OAR), регистрации изображений и дозиметрии на изображениях конусно-лучевой компьютерной томографии (CBCT) в радиотерапии. Основной целью работы является анализ последних достижений в области глубокого обучения, которые помогают преодолеть существующие трудности в точной сегментации OAR, регистрации изображений и расчетах дозы. Результаты показывают, что использование Генеративных Состязательных Сетей (GAN) и Глубоких Свёрточных Нейронных Сетей (DCNN) значительно повышает точность сегментации OAR, улучшает качество изображений и увеличивает точность расчетов дозы. Эти достижения… ➡️➡️➡️