ИИ Медтех

Обзор исследования «Идентификация пролиферирующих нейронных предшественников в гиппокампе взрослого человека» Краткое содержание исследования Исследование посвящено изучению непрерывной нейрогенезы в гиппокампе взрослых людей, которая играет ключевую роль в формировании памяти и регуляции настроения. Основной целью было выявление пролиферирующих нейронных предшественников, что ранее было затруднительным из-за трудностей в обнаружении этих клеток у людей. С помощью секвенирования РНК на уровне отдельных ядер и применения антител к маркерам пролиферации, таких как Ki67, исследователи смогли выявить стадии клеток-предшественников. Результаты показали, что нейронные предшественники локализуются в зубчатой извилине гиппокампа. Значимость результатов для врачей и клиник Эти результаты важны для врачей, так как понимание нейрогенеза может помочь… ➡️➡️➡️

Обзор исследования «Predicting Unplanned Intubations in Rib Fracture Patients: An Interpretable Machine Learning Approach» Введение В исследовании, опубликованном в журнале *American Surgeon*, рассматривается применение интерпретируемого машинного обучения для предсказания случаев принудительной интубации у пациентов с переломами ребер. Целью работы было выделить предикторы, помогающие предсказать необходимость интубации, что может значительно улучшить уход за такими пациентами и уменьшить риск осложнений. Результаты и значение исследования В исследовании была проанализирована база данных TQIP за 2017-2022 годы, в которую вошли 905 615 пациентов. Оказалось, что 2.3% из них нуждались в принудительной интубации. Модель XGBoost, использованная для анализа данных, показала высокую точность с показателями AUROC =… ➡️➡️➡️

Обзор исследования «Elucidating the selection mechanisms in context-dependent computation through low-rank neural network modeling» Исследование «Elucidating the selection mechanisms in context-dependent computation through low-rank neural network modeling» направлено на изучение нейронных механизмов, которые позволяют людям и животным избирательно фильтровать несущественную информацию в зависимости от контекста. Основной целью работы было прояснить различия между двумя механизмами выбора: модуляцией входных данных и модуляцией вектором выбора. Исследование использовало низкоранговое нейронное сетевое моделирование для анализа этих механизмов в контексте принятия решений. В результате была выявлена необходимость дополнительных измерений связности сети для реализации модуляции вектором выбора, что привело к новым динамическим нейронным сигнатурам на уровне отдельных… ➡️➡️➡️

Обзор исследования «Relaxation-assisted reverse annealing on nonnegative/binary matrix factorization» Исследование, проведенное и опубликованное в журнале PLoS One, посвящено применению квантового отжига в задачах комбинаторной оптимизации, особенно в области неотрицательной и бинарной матричной факторизации. Основная цель работы заключалась в улучшении производительности оптимизации с помощью метода обратного отжига, который позволяет сосредоточить поиск в окрестности заданного начального состояния. В результате экспериментов было показано, что предложенная стратегия, которая сочетает обратный отжиг с техникой линейного программирования, значительно улучшает производительность по сравнению с известными методами обратного отжига. Значимость результатов для врачей и клиник Результаты этого исследования имеют важное значение для врачей и клиник, так как оптимизация… ➡️➡️➡️

Обзор искусственного интеллекта в ринологии Данное исследование посвящено применению искусственного интеллекта (ИИ) в области ринологии. Основная цель работы заключается в анализе доступных данных и методов с использованием ИИ для улучшения диагностики и лечения заболеваний носа и околоносовых пазух. Результаты показывают, что алгоритмы машинного обучения (ML) могут существенно повысить точность диагностики и эффективность хирургических вмешательств в ринологии. Важность результатов для врачей и клиник Результаты исследования имеют критическое значение для врачей и клиник, так как они демонстрируют, как современные технологии могут улучшить качество медицинского обслуживания. Внедрение ИИ в ринологию позволяет сократить время диагностики, минимизировать ошибки и повысить прогнозируемость клинических исходов. Это в… ➡️➡️➡️

Обзор исследования «Refining the Martin-Hopkins method for estimating low-density lipoprotein cholesterol levels: Median versus optimal TG/VLDL-C ratio» В исследовании, опубликованном в журнале PLoS One, рассматривается метод оценки уровня холестерина низкой плотности (LDL-C) с использованием усовершенствованного подхода Martin-Hopkins. Целью работы было улучшение точности оценки LDL-C за счет применения оптимальных соотношений триглицеридов (TG) и холестерина очень низкой плотности (VLDL-C) вместо медианных значений. Исследование охватывает данные 18,322 участников из Корейского национального обследования здоровья и питания (KNHANES) и сравнивает результаты с традиционным методом Фридевальда. Значимость результатов для врачей и клиник Результаты исследования подчеркивают, что использование оптимальных соотношений TG/VLDL-C может значительно повысить точность оценки LDL-C,… ➡️➡️➡️

Обзор исследования «Empirical study of daily link traffic volume forecasting based on a deep neural network» Исследование «Empirical study of daily link traffic volume forecasting based on a deep neural network» направлено на прогнозирование объема трафика на дорогах, что является важным аспектом анализа транспортного спроса и планирования транспортных объектов. В условиях высоких затрат на коммерческое программное обеспечение для транспортного планирования, особенно в развивающихся странах, необходимо разработать более доступные методологии. В данной работе предлагается метод, основанный на данных, с использованием глубоких нейронных сетей для прогнозирования ежедневного объема трафика, что позволяет эффективно учитывать различные атрибуты дорожной сети и потока. Результаты показывают, что… ➡️➡️➡️

Краткое описание исследования Исследование «Predicting semantic segmentation quality in laryngeal endoscopy images» посвящено разработке автоматизированной системы для оценки качества семантической сегментации изображений, полученных при ларингоскопии. Целью работы было создание инструмента, который позволяет точно оценивать качество сегментации, что особенно важно для диагностики заболеваний, таких как рак. Результаты показали, что качество сегментации, измеренное с помощью метрики пересечения и объединения (intersection over union), сопоставимо с оценками, выставляемыми врачами. Использование системы с «светофором» позволяет выявлять проблемные кадры для дальнейшего улучшения анализа. Значение результатов для врачей и клиник Эти результаты важны для врачей и клиник, так как они позволяют повысить точность диагностики и улучшить качество… ➡️➡️➡️

Обзор исследования «Pathologist-Read vs AI-Driven Assessment of Tumor-Infiltrating Lymphocytes in Melanoma» Исследование, опубликованное в JAMA Network Open, сравнивает традиционные методы оценки лимфоцитов, проникающих в опухоль (TILs), с подходом, основанным на искусственном интеллекте (ИИ), в контексте меланомы. Целью данного исследования было оценить аналитическую и клиническую валидность алгоритма машинного обучения для количественной оценки TILs, чтобы выявить возможные недостатки традиционных методов, подверженных вариабльности между наблюдателями. Результаты показали, что алгоритм ИИ продемонстрировал значительно более высокую воспроизводимость (ICC более 0.90) по сравнению с ручной оценкой (ICC 0.61), а также имел прогностическую ценность, связанную с исходами у пациентов. Значение результатов для врачей и клиник Эти результаты… ➡️➡️➡️

Краткое описание исследования Исследование «Искусственный интеллект в клиническом питании: связь аналитики данных и нутриционального ухода» направлено на изучение того, как искусственный интеллект (ИИ) может помочь в развитии клинического питания и решении проблем, связанных с образованием и практикой в области питания. Основное внимание уделяется роли ИИ, в частности, через продвинутое клиническое принятие решений с использованием генеративного ИИ, в поддержке врачей при разработке персонализированных интервенций в питании для отдельных пациентов. Кроме того, исследование обсуждает, как технологии ИИ помогают устранить пробелы в знаниях о питании и предоставляют актуальные, основанные на доказательствах, данные медицинским работникам. Значение результатов для врачей и клиник Результаты исследования важны… ➡️➡️➡️

Обзор исследования: Разработка автоматизированной диагностической системы на основе глубокого обучения (DLADS) для классификации маммографических поражений Исследование, проведенное в Японии, направлено на создание системы искусственного интеллекта для анализа маммограмм, что стало первым крупномасштабным клиническим испытанием в этой области. Цель заключалась в разработке японской системы AI-CADx (компьютерная помощь в диагностике на основе искусственного интеллекта) для повышения точности диагностики рака груди. В ходе исследования было собрано 20,638 маммограмм от 11,450 женщин, из которых 24.3% были положительными на рак, 24.4% — доброкачественными, а 51.3% — нормальными. Система достигла чувствительности 83.5% и специфичности 84.7% в тестовом наборе данных, что подтверждает ее эффективность. Значение результатов для… ➡️➡️➡️

Обзор исследования «Radiological and Biological Dictionary of Radiomics Features: Addressing Understandable AI Issues in Personalized Prostate Cancer, Dictionary Version PM1.0» В данном исследовании рассматривается важность интерпретируемости искусственного интеллекта (ИИ) в медицине, особенно в диагностике рака предстательной железы. Целью работы является создание стандартизированного словаря радиомических (Radiomics) характеристик, который свяжет количественные данные, извлеченные из медицинских изображений, с клиническими рамками, такими как PI-RADS. Это позволит разработать модели ИИ, которые будут понятны и интегрированы в клиническую практику. Исследование показало, что шесть интерпретируемых и семь сложных классификаторов, в сочетании с девятью алгоритмами выбора характеристик, позволили достичь высокой точности предсказаний, что значительно улучшает возможность диагностики и… ➡️➡️➡️

Обзор исследования «Specific media literacy tips improve AI-generated visual misinformation discernment» Исследование «Specific media literacy tips improve AI-generated visual misinformation discernment» посвящено изучению того, как конкретные советы по медиаграмотности могут помочь людям распознавать визуальную дезинформацию, созданную с использованием искусственного интеллекта (ИИ). В рамках исследования участники были случайным образом разделены на три группы: одна группа получила конкретные советы по распознаванию ИИ-сгенерированных изображений, вторая — общие советы по медиаграмотности, а третья группа не получила никаких советов (контрольная группа). Результаты показали, что конкретные советы значительно улучшили способность участников различать правдивую и ложную информацию, а также уменьшили веру в ИИ-сгенерированную визуальную дезинформацию по сравнению… ➡️➡️➡️

Обзор исследования «NRF2 как контрольный механизм ферроптоза при колоректальном раке: импликации для терапии» Исследование «NRF2 как контрольный механизм ферроптоза при колоректальном раке: импликации для терапии» сосредоточено на значении белка NRF2 в регуляции ферроптоза — нового типа клеточной гибели, зависимого от железа. Целью работы является изучение взаимодействия между NRF2 и ферроптозом в контексте колоректального рака (КРР). Результаты показывают, что NRF2 играет ключевую роль в контроле антиоксидантного ответа клеток, что может оказывать влияние на развитие и прогрессирование КРР. Эти результаты важны для врачей и клиник, так как они открывают новые терапевтические возможности для улучшения исходов лечения пациентов с КРР. Объяснение терминов Ферроптоз… ➡️➡️➡️

Обзор исследования spaLLM Исследование «spaLLM: улучшение пространственного анализа в многоомных данных через интеграцию больших языковых моделей» предлагает новый метод, который помогает лучше понимать пространственные домены в данных многоомики. Целью этого исследования является интеграция предварительно обученной языковой модели для анализа данных, что позволяет компенсировать недостаток информации о генетической экспрессии и улучшить чувствительность и разрешение в различных модальностях данных. Результаты показывают, что spaLLM превосходит существующие методы по множеству оценочных критериев, что делает его значимым шагом вперёд в области пространственного анализа. Важность результатов для врачей и клиник Результаты этого исследования важны для врачей и клиник, поскольку они предоставляют новые инструменты для более точной… ➡️➡️➡️

Обзор исследования «Fat-water MRI separation using deep complex convolution network» Исследование «Fat-water MRI separation using deep complex convolution network» (DCCN) направлено на улучшение процесса разделения жировой и водной составляющих в магнитно-резонансной томографии (МРТ). Основная цель работы заключалась в сравнении эффективности DCCN с традиционными методами, такими как реальный U-Net, в контексте физически обоснованного индивидуального восстановления изображений. Результаты показали, что DCCN обеспечивает более точные карты жира и воды, что имеет важное значение для диагностики и мониторинга заболеваний, связанных с обменом веществ. Значимость результатов для врачей и клиник Полученные результаты важны для врачей и клиник, так как более точное разделение жира и воды… ➡️➡️➡️

Описание исследования Исследование «Bridging the gap between models and reality: development of a research environment for an object-oriented hospital information system to integrate artificial intelligence and robotics into clinical practice» посвящено разработке объектно-ориентированной системы управления больничной информацией (oHIS), которая служит цифровым двойником (PDT) всего процесса оказания медицинских услуг. Основная цель работы заключается в преодолении разрыва между теоретическими моделями и реальной практикой, что позволит интегрировать такие современные технологии, как искусственный интеллект (AI) и медицинская робототехника (MR), в клинический процесс. Результаты исследования подчеркивают необходимость адаптации существующих систем для более эффективного управления и поддержки клинических процессов. Важность результатов для врачей и клиник Результаты… ➡️➡️➡️

Краткое описание исследования Исследование «Clinical obstacles to machine-learning POCUS adoption and system-wide AI implementation (The COMPASS-AI survey)» направлено на изучение восприятия и внедрения искусственного интеллекта (ИИ) в ультразвуковую диагностику на месте оказания медицинской помощи (POCUS) среди медицинских работников. Целью исследования было выявить барьеры, с которыми сталкиваются специалисты, и оценить их знакомство с ИИ и его полезностью в POCUS. В ходе международного онлайн-опроса было опрошено 1154 медицинских работника, результаты которого показали, что, несмотря на высокий интерес к ИИ (81,1% респондентов поддерживают его внедрение), существуют значительные препятствия, такие как недостаток обучения и клинической валидации. Важность результатов для врачей и клиник Результаты исследования… ➡️➡️➡️

Обзор исследования «CAS: enhancing implicit constrained data augmentation with semantic enrichment for biomedical relation extraction and beyond» Исследование «CAS: enhancing implicit constrained data augmentation with semantic enrichment for biomedical relation extraction and beyond» предлагает новый подход к извлечению биомедицинских отношений с использованием метода, называемого CAS (Constrained Augmentation and Semantic-Quality). Основная цель CAS — улучшить качество данных, сохраняя при этом структурные и семантические ограничения, что является критически важным для биомедицинских данных. Результаты показывают, что CAS значительно улучшает производительность моделей, сохраняя целостность и точность данных, что открывает новые возможности для применения в различных областях обработки естественного языка (NLP). Важность результатов для врачей… ➡️➡️➡️

Краткое описание исследования Исследование «Enhancing HF-DL Model Validation for Liver Fibrosis Staging Through Sample Optimisation and Technical Integration» направлено на улучшение валидации модели глубокого обучения (HF-DL) для стадирования фиброза печени. Основная цель работы заключалась в сравнении высокочастотных ультразвуковых изображений с традиционными методами, такими как FIB-4, APRI и эластография с использованием сдвига волны. Результаты показали, что модель HF-DL значительно превосходит другие методы в классификации стадий фиброза у пациентов с хроническим гепатитом B. Важность результатов для врачей и клиник Эти результаты имеют критическое значение для врачей и клиник, так как позволяют более точно и быстро диагностировать стадии фиброза печени, что, в свою… ➡️➡️➡️