ИИ Медтех

Краткое описание исследования Исследование «Identifying radiologically significant incidental breast lesions on chest CT: The added value of artificial intelligence» направлено на оценку эффективности алгоритмов искусственного интеллекта (ИИ) в обнаружении радиологически значимых случайных опухолей молочной железы, которые были пропущены радиологами при интерпретации компьютерной томографии (КТ) грудной клетки. Целью работы было выяснить, могут ли алгоритмы ИИ улучшить выявление таких опухолей и повысить эффективность рабочего процесса. Результаты показали, что алгоритм визуальной классификации (VC) обнаружил 90.8% радиологически значимых случайных опухолей, в то время как оригинальные интерпретаторы нашли только 39.5%. Однако использование ИИ также привело к увеличению числа ложноположительных результатов. Тем не менее, предложенный процесс… ➡️➡️➡️

Краткое описание исследования Исследование «Machine learning approaches for cardiovascular disease prediction: A review» представляет собой систематический обзор, посвященный применению методов машинного обучения для ранней диагностики сердечно-сосудистых заболеваний. Основные цели исследования заключаются в сравнительном анализе существующих алгоритмов машинного обучения, разработке операционных рамок для клинической реализации и оценке регуляторных и этических аспектов. Результаты показывают, что использование искусственного интеллекта может значительно повысить точность диагностики по сравнению с традиционными методами. Важность результатов для врачей и клиник Результаты данного исследования имеют большое значение для врачей и клиник, так как они могут улучшить раннюю диагностику сердечно-сосудистых заболеваний, что, в свою очередь, может снизить уровень заболеваемости и… ➡️➡️➡️

Краткое описание исследования Исследование «AI-driven techniques for detection and mitigation of SARS-CoV-2 spread: a review, taxonomy, and trends» направлено на систематический обзор применения методов машинного обучения (ML) в диагностике и лечении заболеваний, вызванных вирусом SARS-CoV-2. Основные цели исследования заключаются в повышении точности диагностики, улучшении эффективности лечения и обеспечении конфиденциальности данных пациентов. Результаты показывают, что применение ML может значительно улучшить качество медицинских услуг, связанных с COVID-19. Важность результатов для врачей и клиник Результаты исследования важны для врачей и клиник, так как они открывают новые возможности для ранней диагностики и эффективного лечения COVID-19. Использование AI-технологий может повысить точность диагностики и улучшить качество… ➡️➡️➡️

Обзор исследования: Автоматическая количественная оценка T1 и T2 релаксационных времен в печени с помощью mpMRI и глубокого обучения Исследование «Automated quantification of T1 and T2 relaxation times in liver mpMRI using deep learning: a sequence-adaptive approach» направлено на оценку глубинного обучения для автоматической количественной оценки T1 и T2 релаксационных времен в печени, используя мультипараметрическую магнитно-резонансную томографию (mpMRI). Основной целью было создание алгоритма, способного точно измерять эти параметры на основе различных последовательностей изображений. Результаты продемонстрировали высокую надежность алгоритма в сравнении с ручными измерениями, что делает его потенциально полезным инструментом для клинической практики. Важность результатов для врачей и клиник Результаты этого исследования… ➡️➡️➡️

Обзор исследования «The Emergence of Applied Artificial Intelligence in the Realm of Value Based Musculoskeletal Care» Исследование «The Emergence of Applied Artificial Intelligence in the Realm of Value Based Musculoskeletal Care» направлено на изучение применения искусственного интеллекта (ИИ) в области здравоохранения, ориентированного на ценность, в частности, в области опорно-двигательного аппарата. Целью работы было проанализировать существующие исследования и определить, как ИИ может улучшить качество медицинской помощи, сосредоточив внимание на трех аспектах: распределительной ценности, технической ценности и личной ценности. Результаты показали, что 82% исследований сосредоточены на технической ценности, в то время как 18% касаются личной ценности, а менее 1% — распределительной ценности.… ➡️➡️➡️

Обзор исследования «Comprehensive statistical and machine learning framework for identification of metabolomic biomarkers in breast cancer» Исследование «Comprehensive statistical and machine learning framework for identification of metabolomic biomarkers in breast cancer» сосредоточено на выявлении метаболических биомаркеров, которые могут помочь в ранней диагностики рака молочной железы. Целью работы было определить значимые метаболомные маркеры, которые могут свидетельствовать о прогрессировании опухоли, что, в свою очередь, способствует более раннему выявлению заболевания. В ходе исследования был составлен набор данных, включающий 228 метаболитов от пациентов с раком молочной железы и здоровых людей. Применялись статистические методы и алгоритмы машинного обучения для выбора признаков. Результаты показали, что с… ➡️➡️➡️

Обзор исследования Исследование «Harnessing optics and statistics for early detection and prognosis in breast and ovarian cancer» направлено на разработку методов раннего выявления и прогнозирования рака груди и яичников с использованием оптики и статистики. Основная цель исследования заключается в улучшении диагностики за счет применения оптических технологий, таких как лазеры, и статистических методов анализа данных. Результаты работы показывают, что использование комбинированных подходов может значительно повысить точность диагностики и прогнозирования, позволяя врачам лучше оценивать риски и выбирать индивидуализированные методы лечения. Эти результаты важны для врачей и клиник, так как они могут привести к более раннему выявлению заболеваний, что повышает шансы на успешное… ➡️➡️➡️

Обзор исследования «Melioidosis molecular diagnostics: An update» Исследование «Melioidosis molecular diagnostics: An update» посвящено актуальным методам молекулярной диагностики меллиоидоза, опасного тропического заболевания, вызываемого бактерией Burkholderia pseudomallei. Целью работы является анализ существующих диагностических методов и оценка их эффективности, а также выявление недостатков текущих подходов. Результаты показывают, что традиционные методы диагностики, основанные на культивировании бактерий, имеют низкую чувствительность и требуют много времени, что приводит к задержкам в лечении и увеличению смертности. Важность результатов для врачей и клиник Результаты исследования имеют критическое значение для врачей и клиник, так как они подчеркивают необходимость внедрения более быстрых и точных методов диагностики меллиоидоза. Учитывая, что ежегодно… ➡️➡️➡️

Обзор исследования Исследование «Barriers and Enablers Influencing the Implementation of Artificial Intelligence for Diabetic Retinopathy Screening in Clinical Practice: A Scoping Review» направлено на выявление и обобщение существующей литературы о барьерах и факторах, способствующих клиническому применению систем искусственного интеллекта (ИИ) для скрининга диабетической ретинопатии. Диабетическая ретинопатия является одной из ведущих причин предотвратимой слепоты в мире, и использование ИИ в этой области имеет огромный потенциал. Цели и результаты исследования Цель исследования заключалась в анализе барьеров и факторов, способствующих внедрению ИИ в клиническую практику. Результаты показали, что существует множество факторов, которые можно разделить на четыре категории: система здравоохранения, профессионалы здравоохранения, пользователи здравоохранения… ➡️➡️➡️

Краткое описание исследования Исследование «Predicting Treatment Outcome in Congenital Adrenal Hyperplasia Using Urine Steroidomics and Machine Learning» направлено на улучшение мониторинга лечения у пациентов с врожденной надпочечниковой гиперплазией (ВНГ). Целью работы было выяснить, может ли профилирование стероидов в 24-часовой моче предсказать эффективность лечения у детей и подростков с ВНГ, используя методы машинного обучения. Результаты показали, что анализ стероидов позволяет четко различать оптимально и недостаточно леченых пациентов, что может значительно улучшить подход к лечению. Значение результатов для врачей и клиник Полученные результаты важны для врачей, так как они предлагают новый способ оценки эффективности лечения ВНГ. Это может помочь в более точном… ➡️➡️➡️

Обзор исследования «Разработка моделей на основе машинного обучения для выявления когнитивных нарушений у пациентов, проходящих поддерживающий гемодиализ» Исследование, проведенное и опубликованное в журнале Eur J Neurol, направлено на разработку и валидацию быстрого и точного инструмента для скрининга когнитивных нарушений у пациентов, проходящих гемодиализ. В рамках работы был проведен кросс-секционный наблюдательный анализ, в ходе которого использовались два инструмента: Мини-ментальное состояние (MMSE) и Инструмент оценки когнитивных способностей (CASI). Исследование охватило 508 пациентов, из которых 70% были использованы для создания модели, а оставшиеся 30% — для проверки ее эффективности. Целью исследования было выяснить, можно ли с помощью машинного обучения выявить пациентов с низкими… ➡️➡️➡️

Краткое описание исследования Исследование «Artificial intelligence-generated podcasts open new doors to make science accessible: a mixed-method evaluation of quality and the potential for science communication» направлено на изучение качества подкастов, созданных с помощью генеративного искусственного интеллекта (GenAI), и их потенциала в области научной коммуникации. Целью работы было оценить, насколько эффективно такие подкасты могут представлять научные исследования, в частности, статьи из Европейского журнала кардиоваскулярной медицины. Результаты показали, что подкасты способны донести ключевые выводы в доступной и увлекательной форме, однако также выявили проблемы, такие как неточности и неправильное использование медицинских терминов, что может снижать доверие к контенту. Почему результаты важны для врачей… ➡️➡️➡️

Обзор исследования «Reaching ears, not just eyes: how artificial intelligence-generated podcasts can bridge the scientific communication gap» Исследование «Reaching ears, not just eyes» фокусируется на использовании подкастов, созданных с помощью технологий искусственного интеллекта (ИИ), для улучшения научной коммуникации. Целью работы было выявить, как аудиоформат может эффективно донести научные знания до широкой аудитории, включая врачей и пациентов. Результаты показали, что ИИ-генерируемые подкасты могут преодолеть барьеры восприятия информации, делая её более доступной и понятной. Эти результаты имеют важное значение для врачей и клиник, поскольку эффективная коммуникация является ключом к улучшению ухода за пациентами. Подкасты могут служить инструментом для распространения актуальной информации о… ➡️➡️➡️

Краткое описание исследования Исследование «Enhanced Graph Self-Supervised Learning for Molecular Property Prediction» представило новый метод предсказания свойств молекул с использованием улучшенного самообучающегося обучения и графовых нейронных сетей. Целью исследования было преодоление ограничений предыдущих методов, которые не учитывали важные слабые взаимодействия между атомами, критически влияющие на молекулярные свойства. В рамках работы был предложен фреймворк VIBE-MPP, который внедряет виртуальные связи и трехмерную пространственную информацию в молекулярные представления, улучшая точность предсказаний. Важность результатов для врачей и клиник Точные предсказания молекулярных свойств критически важны для разработки новых лекарств, что непосредственно влияет на клиническую практику. Улучшенные методы предсказания могут ускорить процесс открытия новых лекарств, что… ➡️➡️➡️

Обзор исследования «Создание и оценка модели обработки естественного языка в ортодонтии для автоматизированного извлечения информации из клинических заметок» В исследовании «Создание и оценка модели обработки естественного языка в ортодонтии для автоматизированного извлечения информации из клинических заметок» была разработана модель, позволяющая извлекать структурированную информацию из неструктурированных данных электронных стоматологических записей (ЭСР). Целью работы было преодоление трудностей, вызванных субъективностью в ортодонтическом планировании лечения и анализе данных. Модель обработки естественного языка (ОНП) использует машинное обучение для выявления ключевых факторов, влияющих на неправильный прикус, на основе анализа данных 7693 пациентов. Значимость результатов для врачей и клиник Результаты исследования важны, так как они позволяют повысить… ➡️➡️➡️

Обзор исследования «Искусственный интеллект для диагностики возрастной макулярной дегенерации в Австралии: Новое качественное исследование интервью» Исследование «Искусственный интеллект для диагностики возрастной макулярной дегенерации в Австралии» направлено на изучение того, как системы ИИ могут быть внедрены для улучшения диагностики возрастной макулярной дегенерации (ВМД). Целью исследования было выявить мнения и опыт различных заинтересованных сторон, включая врачей, пациентов и разработчиков технологий, относительно внедрения ИИ в диагностику ВМД. Результаты показали, что существует поддержка идеи создания портативного инструмента поддержки принятия клинических решений, который можно интегрировать с существующим диагностическим оборудованием и системами управления пациентами. Важность результатов для врачей и клиник Результаты исследования имеют большое значение для… ➡️➡️➡️

Краткое описание исследования Исследование «Персонализированная медицина для сердечно-сосудистых заболеваний: как технологии следующего поколения в эпигенетике могут помочь?» фокусируется на новых методах оценки риска и диагностики коронарной болезни сердца (КБС) с использованием ДНК-метилирования и искусственного интеллекта. Цель исследования заключается в том, чтобы выяснить, могут ли эти технологии быть использованы для разработки новых фармакотерапевтических средств или мониторинга эффективности существующих методов лечения. Результаты показывают, что перспективы применения прецизионных эпигенетических методов в кардиологии обнадеживают, так как они могут привести к более быстрому, дешевому и эффективному медицинскому обслуживанию. Важность результатов для врачей и клиник Результаты данного исследования важны для врачей и клиник, так как они… ➡️➡️➡️

Краткое описание исследования Исследование «Модель глубокого обучения на основе высокочастотных ультразвуковых изображений для классификации различных стадий фиброза печени» направлено на разработку модели глубокого обучения, которая использует высокочастотные ультразвуковые изображения для классификации стадий фиброза печени у пациентов с хроническим гепатитом B. Основной целью было проверить эффективность высокочастотного УЗИ по сравнению с традиционными диагностическими методами. Важность результатов для врачей и клиник Полученные результаты имеют высокую клиническую ценность, поскольку позволяют точно определить степень фиброза печени, что может существенно повлиять на тактику лечения пациентов. Способность выявлять более тяжелые стадии заболевания помогает осуществлять более целенаправленный подход к терапии, а также снижает риск осложнений. Объяснение терминов… ➡️➡️➡️

Краткое описание исследования Исследование «ProtPhage: a deep learning framework for phage viral protein identification and functional annotation» представляет собой новый подход к идентификации и аннотации вирусных белков фагов, которые являются вирусами, инфицирующими бактерии. Целью работы было преодоление сложностей, связанных с высокой последовательной разнообразностью и ограниченными экспериментальными данными. В рамках исследования был предложен фреймворк ProtPhage, использующий модель языка ProtT5 для более богатого представления последовательностей. Кроме того, внедрение асимметричной функции потерь позволило значительно улучшить предсказание редких классов белков. Результаты показали, что ProtPhage превосходит существующие методы по множеству метрик, включая точность и полноту. Значение результатов для врачей и клиник Результаты исследования важны для… ➡️➡️➡️

Описание исследования Исследование «scValue: value-based subsampling of large-scale single-cell transcriptomic data for machine and deep learning tasks» представляет собой новый подход к выборке данных из больших наборов одноядерной рибонуклеиновой кислоты (scRNA-seq). Целью работы было создание метода, который бы обеспечивал более эффективную выборку клеток, сохраняя ключевые биологические сигналы и улучшая производительность в задачах машинного и глубокого обучения. Метод scValue использует оценки «ценности данных» для ранжирования клеток и придает большее значение клеткам с высокой изменчивостью, что позволяет сохранить важные биологические особенности. Значимость результатов для врачей и клиник Результаты данного исследования важны для врачей и клиник, так как они позволяют более эффективно анализировать… ➡️➡️➡️