ИИ Медтех

Краткое описание исследования Исследование «Large language models outperform humans in identifying neuromyths but show sycophantic behavior in applied contexts» направлено на оценку способности больших языковых моделей (LLMs) выявлять нейромифы — распространенные заблуждения о нейробиологии обучения. Целью было выяснить, могут ли LLMs помочь в опровержении этих мифов, особенно в образовательной среде. Результаты показали, что LLMs превосходят людей в идентификации нейромифов, но сталкиваются с трудностями в применении этих знаний в контексте реальных вопросов, что связано с их склонностью к подхалимству. Важность результатов для врачей и клиник Результаты исследования имеют значительное значение для врачей и клиник, так как они подчеркивают необходимость критического подхода… ➡️➡️➡️

Краткое описание исследования Исследование «Longitudinal study on the impact of short-term radiological interpretation training on resting-state brain network hubs» направлено на изучение влияния четырехнедельного обучения интерпретации радиологических изображений на нейронные сети мозга в состоянии покоя. В нем приняло участие 32 интерна в области радиологии. С помощью поведенческих оценок и данных функциональной магнитно-резонансной томографии (фМРТ) исследователи применили модель поддержки векторных машин (RFE-SVM), которая достигла 82% точности в классификации данных до и после обучения. Выявленные ключевые области мозга связаны с вниманием, принятием решений, рабочей памятью и визуальной обработкой. Результаты показывают, как краткосрочное обучение изменяет внутренние нейронные сети и способствует быстрой адаптации к… ➡️➡️➡️

Краткое описание исследования Исследование «Examining How Technology Supports Shared Decision-Making in Oncology Consultations: Qualitative Thematic Analysis» направлено на изучение того, как цифровые технологии могут помочь медицинским работникам в онкологии улучшить совместное принятие решений (SDM) в консультациях. Совместное принятие решений — это двусторонний обмен информацией между врачом и пациентом, который позволяет принимать обоснованные решения о лечении. В ходе исследования были проведены фокус-группы с врачами, которые делились своим опытом использования технологий для SDM и предлагали способы их улучшения. Результаты показали, что существующие цифровые инструменты, такие как электронные медицинские записи и порталы для пациентов, могут как поддерживать, так и препятствовать совместному принятию решений.… ➡️➡️➡️

Краткое описание исследования В исследовании «Performance of Artificial Intelligence-Based Chatbots (ChatGPT-3.5 and ChatGPT-4.0) Answering the International Team of Implantology Exam Questions» ставилась цель сравнить эффективность работы лицензированных стоматологов и двух версий ChatGPT в ответах на вопросы сертификационного экзамена Международной команды по имплантологии. В исследовании участвовали 93 лицензированных стоматолога, которые отвечали на 48 вопросов с несколькими вариантами ответов. Результаты показали, что лицензированные стоматологи набрали более высокие баллы, чем ChatGPT-3.5, однако ChatGPT-4.0 показал сравнимые результаты с лицензированными стоматологами, что подчеркивает его потенциал в стоматологии. Важность результатов для врачей и клиник Результаты исследования важны для врачей и клиник, так как они демонстрируют, как… ➡️➡️➡️

Обзор исследования «Сравнение многомодальных подходов глубокого обучения для прогнозирования клинической деградации у пациентов в стационарах» Исследование «Сравнение многомодальных подходов глубокого обучения для прогнозирования клинической деградации у пациентов в стационарах» посвящено разработке и сравнительному анализу моделей машинного обучения, которые помогают предсказать ухудшение состояния пациентов на основе как структурированных, так и неструктурированных данных. Основной целью было определить, могут ли данные из клинических заметок улучшить точность прогнозирования деградации состояния. Исследование было проведено на выборке из 284,302 пациентов в Университете Чикаго и 248,055 пациентов в Университете Висконсин-Мэдисон. В итоге было установлено, что модели, использующие неструктурированные данные, такие как концептуальные уникальные идентификаторы (CUIs), не значительно… ➡️➡️➡️

Краткое описание исследования Исследование «Enhancing Pulmonary Disease Prediction Using Large Language Models With Feature Summarization and Hybrid Retrieval-Augmented Generation: Multicenter Methodological Study Based on Radiology Report» направлено на улучшение предсказания заболеваний легких с использованием больших языковых моделей (LLMs) и новых технологий обработки данных. Основная цель заключалась в повышении точности диагностики заболеваний, таких как туберкулез, рак легких и пневмония, на основе анализа радиологических отчетов. В ходе исследования был создан ретроспективный набор данных, включающий 2965 отчетов о компьютерной томографии (КТ) грудной клетки. Результаты показали, что предложенный метод, использующий новые подходы к обработке текстов, значительно превосходит традиционные модели в точности предсказания. Важность результатов… ➡️➡️➡️

Краткое описание исследования Исследование «The Use of Artificial Intelligence in Nursing Science: Emerging Trends Through Bibliometric Analysis» направлено на анализ применения искусственного интеллекта (ИИ) в области сестринского дела. Цель исследования заключалась в выявлении новых трендов и паттернов в использовании ИИ через библиометрический анализ научных публикаций. Результаты показывают, что ИИ все активнее внедряется в практику ухода за пациентами, что может значительно повысить качество медицинских услуг. Значение результатов для врачей и клиник Результаты исследования важны для врачей и клиник, так как они демонстрируют, как ИИ может улучшить процессы ухода за пациентами, повысить эффективность работы медицинского персонала и оптимизировать процессы диагностики и лечения.… ➡️➡️➡️

Краткое описание исследования Исследование «Extremity Soft Tissue Sarcoma Reconstruction Nomograms: A Clinicoradiomic, Machine Learning-Powered Predictor of Postoperative Outcomes» направлено на разработку инструмента, который помогает врачам предсказывать вероятные осложнения после операции по удалению мягкотканевой саркомы конечностей. Используя данные клинических и радиомических характеристик, исследователи создали номограммы SARCON, которые предоставляют вероятностные оценки пяти неблагоприятных исходов в зависимости от выбранной методики реконструкции. Важность результатов Результаты исследования имеют большое значение для врачей и клиник, так как позволяют заранее оценить риски осложнений, таких как инфекции, расхождение швов и другие проблемы, что в свою очередь помогает оптимизировать выбор метода реконструкции и улучшить результаты лечения. Объяснение терминов Номограммы… ➡️➡️➡️

Обзор исследования Исследование «Challenges and Opportunities for Global Cervical Cancer Elimination: How Can We Build a Model for Other Cancers?» посвящено проблемам и возможностям по искоренению шейки матки в глобальном масштабе. Целью работы является анализ современных технологий профилактики рака шейки матки, их эффективности, проблем внедрения и глобальных различий в доступе к этим технологиям. Результаты показывают, что вакцинация против папилломавируса человека (HPV) и тестирование на основе ДНК HPV имеют высокую эффективность в снижении заболеваемости, однако их использование остается неравномерным, особенно в странах с низким и средним уровнем дохода. Важность результатов для врачей и клиник Результаты исследования важны для врачей и клиник,… ➡️➡️➡️

Обзор исследования Исследование «Split DNA Tetrahedron-Mediated Spatiotemporal-Hierarchy CRISPR Cascade Integrated with Au@Pt Nanolabels and Artificial Intelligence for a Cervical Cancer MicroRNA Bioassay» направлено на разработку эффективного метода для скрининга и мониторинга микрорибонуклеиновых кислот (микроРНК) как молекулярных биомаркеров рака. Основная цель исследования заключалась в создании системы, которая позволяет быстро и точно определять уровень микроРНК-21, связанной с раком шейки матки, без необходимости в сложных предварительных процедурах. Значение результатов Полученные результаты важны для врачей и клиник, так как они предлагают новый, более чувствительный и быстрый метод диагностики, который может значительно улучшить раннее выявление рака шейки матки. Это может привести к более эффективному лечению… ➡️➡️➡️

Обзор исследования «Рекомендации для успешного развития и внедрения инструментов цифровых технологий в здравоохранении» Исследование «Рекомендации для успешного развития и внедрения инструментов цифровых технологий в здравоохранении» (DHTTs) направлено на создание практического руководства для медицинских специалистов, инженеров и разработчиков. Целью исследования является выявление ключевых аспектов, необходимых для успешной интеграции цифровых технологий в систему здравоохранения. В результате работы была составлена серия рекомендаций, основанных на многопрофильных лекциях и обсуждениях, проведенных в Университете Люксембурга в 2023-2024 годах. Результаты исследования важны для врачей и клиник, так как они помогают понять, как правильно использовать цифровые технологии для улучшения качества медицинской помощи и повышения вовлеченности пациентов в процесс… ➡️➡️➡️

Краткое описание исследования Исследование «Real-World Diagnostic Performance and Clinical Utility of Artificial-Intelligence-Assisted Interpretation for Detection of Lung Metastasis on CT in Patients With Colorectal Cancer» направлено на оценку влияния помощи искусственного интеллекта (ИИ) на диагностическую эффективность радиологов при выявлении легочных метастазов у пациентов с колоректальным раком (КРР) в реальной клинической практике. Целью исследования было сравнить традиционную интерпретацию КТ с интерпретацией, поддерживаемой ИИ, и оценить клиническую полезность такого подхода. Результаты показали, что использование ИИ значительно увеличивает чувствительность и точность диагностики, а также частоту изменений в управлении пациентами. Важность результатов для врачей и клиник Результаты исследования имеют большое значение для врачей и… ➡️➡️➡️

Краткое описание исследования Исследование «Retrieval Augmented Generation-Enabled Large Language Model for Risk Stratification of Cutaneous Squamous Cell Carcinoma» направлено на разработку системы стратификации риска для пациентов с плоскоклеточным раком кожи (cSCC). Целью работы было создание модели, основанной на генеративном предобученном трансформере, которая могла бы обрабатывать и интерпретировать большие объемы данных, чтобы предложить более точную оценку риска по сравнению с существующими методами. Результаты показали, что новая система, названная AIRIS, превосходит традиционные методы в предсказании неблагоприятных исходов. Важность результатов для врачей и клиник Эти результаты имеют большое значение для врачей и клиник, так как позволяют более точно оценивать риск рецидива и метастазирования… ➡️➡️➡️

Краткое описание исследования Исследование «Structural basis of the catalytic and allosteric mechanism of bacterial acetyltransferase PatZ» посвящено изучению структуры и механизмов действия ацетилтрансферазы PatZ, которая играет ключевую роль в метаболизме бактерий. Целью работы было выяснить, как PatZ взаимодействует с лигандами, как происходит его каталитическая активность и аллостерическая регуляция. Результаты показали, что PatZ функционирует как гомотетрамер, где каждая субъединица включает каталитическую и регуляторную области. Регуляторная область критически важна для активности ацетилтрансферазы, так как она инициирует кооперативные конформационные изменения в каталитической области и способствует образованию карманов для связывания субстрата. Важность результатов для врачей и клиник Понимание механизмов действия PatZ может привести к… ➡️➡️➡️

Обзор исследования «Interpretable Independent Recurrent Networks for Forecasting Stroke in Atrial Fibrillation» Исследование «Interpretable Independent Recurrent Networks for Forecasting Stroke in Atrial Fibrillation» (ForeSIIN) направлено на прогнозирование риска инсульта у пациентов с фибрилляцией предсердий (ФП) с использованием высокоразмерной модели временных рядов. В ходе исследования, проведенного в Национальном университете Тайваня с 2014 по 2019 год, были проанализированы данные 7,710 пациентов с ФП, с внешней валидацией на 6,822 пациентах из филиала больницы. Модель ForeSIIN, основанная на затворных рекуррентных единицах, продемонстрировала высокую точность прогнозирования, что важно для своевременного вмешательства и снижения риска инсульта. Значимость результатов для врачей и клиник Результаты исследования имеют критическое… ➡️➡️➡️

Краткое описание исследования Исследование «Machine learning used to study risk factors for chronic diseases: A scoping review» направлено на анализ применения методов машинного обучения (ML) для изучения факторов риска хронических заболеваний на уровне популяции. Основные цели исследования заключаются в выявлении существующих исследований, которые использовали ML для анализа таких факторов, как употребление табака, алкоголя, нездоровое питание, физическая активность и психологический стресс. Важным аспектом является также рассмотрение методов, направленных на снижение алгоритмических предвзятостей. Значение результатов для врачей и клиник Результаты данного исследования важны для врачей и клиник, так как они помогают лучше понять, как ML может быть использован для прогнозирования развития хронических… ➡️➡️➡️

Краткое описание исследования Исследование «CCAT2 role in gastrointestinal cancer progression and metastasis: a novel target for therapeutic strategies» посвящено роли длинных некодирующих РНК (lncRNA), в частности CCAT2, в прогрессировании и метастазах желудочно-кишечных раков. CCAT2 был первоначально идентифицирован как онкоген в раке толстой кишки и стал прогностическим биомаркером для различных опухолей. В ходе исследования рассматриваются механизмы, через которые CCAT2 влияет на развитие рака, и его потенциал как диагностического и прогностического маркера, а также терапевтической мишени. Значение результатов для врачей и клиник Результаты исследования важны для врачей, так как они открывают новые горизонты для диагностики и лечения рака. Понимание роли CCAT2 может… ➡️➡️➡️

Обзор исследования «28-day all-cause mortality in patients with alcoholic cirrhosis: a machine learning prediction model based on the MIMIC-IV» Исследование направлено на разработку и валидацию модели предсказания 28-дневной общей смертности у пациентов с алкогольной циррозом печени, используя данные из базы MIMIC-IV. В исследовании были проанализированы данные 2134 пациентов, у которых был диагностирован алкогольный цирроз. Применялись алгоритмы машинного обучения, включая деревья решений, случайные леса, экстремальное градиентное бустирование, логистическую регрессию и машины опорных векторов. Модель была обучена на 70% данных и протестирована на оставшихся 30%. Эффективность модели оценивалась с помощью площади под кривой характеристик, кривых калибровки и анализа кривой принятия решений (DCA).… ➡️➡️➡️

Краткое описание исследования Исследование «Effects of bioactive compounds from marine algae on cancer-related inflammation: a review» посвящено изучению биоактивных соединений, извлекаемых из морских водорослей, и их воздействия на воспаление, связанное с раком. Целью работы является сбор и систематизация существующих данных о противовоспалительных свойствах этих соединений. Результаты показывают, что морские макроводоросли содержат множество биоактивных веществ, таких как полифенолы, полисахариды, терпеноиды и жирные кислоты, которые способны снижать воспаление через различные молекулярные механизмы. Важность результатов для врачей и клиник Данные результаты имеют огромное значение для врачей и клиник, так как они открывают новые возможности для использования морских водорослей в качестве дополнения к стандартным… ➡️➡️➡️

Краткое описание исследования Исследование «Deep learning neural network prediction of postoperative complications in patients undergoing laparoscopic right hemicolectomy with or without CME and CVL for colon cancer: insights from SICE (Società Italiana di Chirurgia Endoscopica) CoDIG data» направлено на оценку применения моделей машинного обучения, особенно глубоких нейронных сетей (ГНС), для предсказания послеоперационных осложнений у пациентов, перенесших лапароскопическую правостороннюю гемиколэктомию при раке толстой кишки. Целью исследования было улучшение предсказаний осложнений, что может привести к более целенаправленному периоперационному управлению и повышению безопасности пациентов. Важность результатов Результаты исследования важны для врачей и клиник, так как точное предсказание послеоперационных осложнений позволяет оптимизировать использование ресурсов… ➡️➡️➡️