ИИ Медтех

Краткое описание исследования Исследование «Advanced Paternal Age and Sperm Proteome Dynamics: A Possible Explanation for Age-Associated Male Fertility Decline» направлено на изучение влияния возраста мужчин на динамику белков спермы и выявление молекулярных механизмов, связанных с ухудшением мужской фертильности. Анализировались образцы спермы от 19 мужчин с нормальным составом спермы, разделённых на четыре возрастные группы: до 30 лет, 31-35 лет, 36-40 лет и старше 40 лет. Результаты показывают, что у старших мужчин наблюдаются изменения в 46 белках, которые могут быть связаны с бесплодием, а также в 94 участках белков, отвечающих за ключевые репродуктивные процессы. Важность результатов для врачей и клиник Результаты исследования… ➡️➡️➡️

Краткое описание исследования Исследование «RNF213 Acts as a Molecular Switch for Cav-1 Ubiquitination and Phosphorylation in Human Cells» посвящено роли белка RNF213, который обладает активностью AAA+ ATPase и E3 убиквитинлигазы. Эти функции RNF213 критически важны для различных процессов в клетках человека, включая заболевания сосудов, такие как болезнь Моямоя. Основной целью работы было выяснить взаимодействие RNF213 с белком кавеолин-1 (Cav-1), который играет важную роль в формировании кавеол и регулировании множества клеточных процессов. Исследование показало, что RNF213 убиквитинирует Cav-1, и это взаимодействие зависит от уровня клеточной энергии. Кроме того, активность RNF213 подавляет фосфорилирование ключевого регуляторного остатка Cav-1, что может влиять на доступность… ➡️➡️➡️

Описание исследования Исследование «AI-driven prediction of bitterness and sweetness and analysis of receptor interactions» направлено на понимание молекулярных механизмов, определяющих горечь и сладость, что критически важно для выявления желаемых вкусовых характеристик как в натуральных, так и в синтетических соединениях. В рамках работы были разработаны модели искусственного интеллекта (ИИ) на основе графовых нейронных сетей (GNN), позволяющие предсказывать горечь и сладость на основе химической структуры веществ. GNN используют глубокое обучение для захвата взаимосвязей между молекулярными компонентами, улучшая интерпретируемость предсказаний ИИ и понимание процесса принятия решений. Важность результатов для медицины Полученные результаты имеют высокую значимость для врачей и клиник, поскольку понимание вкусовых предпочтений… ➡️➡️➡️

Краткий обзор исследования Исследование «A Comprehensive Review of Arachnoid Cysts» посвящено арахноидальным кистам — мешочкам, заполненным спинномозговой жидкостью (CSF), которые развиваются внутри арахноидальной мембраны, окружающей головной и спинной мозг. Кисты обычно остаются бессимптомными, но иногда могут вызывать неврологические симптомы из-за эффекта массы или нарушения потока спинномозговой жидкости. Основная цель исследования — проанализировать эпидемиологию, патофизиологию, клиническую картину, диагностические стратегии и варианты лечения арахноидальных кист. Результаты важны для врачей и клиник, так как помогают выбрать оптимальную тактику ведения пациентов с такими кистами. Объяснение терминов Арахноидальные кисты — это доброкачественные образования, содержащие спинномозговую жидкость. Спинномозговая жидкость (CSF) — это жидкость, заполняющая пространство между… ➡️➡️➡️

Обзор исследования «Interacting with fallible AI: is distrust helpful when receiving AI misclassifications?» Исследование «Interacting with fallible AI: is distrust helpful when receiving AI misclassifications?» изучает взаимодействие пользователей с искусственным интеллектом (ИИ) в ситуациях, когда ИИ может ошибаться. Основная цель исследования — понять, насколько полезен скептицизм пользователей при получении неверных классификаций от ИИ. Ученые провели эксперименты с двумя сценариями классификации изображений, где участники получили рекомендации от ИИ, качество которых ухудшалось по мере эксперимента. Результаты показали, что попытки оставаться скептичными не улучшили, а наоборот, ухудшили производительность участников. При этом уровень доверия увеличивался, а уровень недоверия снижался с ухудшением качества классификаций. Важность… ➡️➡️➡️

Обзор исследования Исследование «Serum calcium-based interpretable machine learning model for predicting anastomotic leakage after rectal cancer resection: A multi-center study» направлено на разработку интерпретируемой модели машинного обучения для предсказания анастомозной утечки у пациентов после резекции прямой кишки по поводу рака. Целью работы было создание модели на основе данных нескольких медицинских учреждений, которая могла бы точно прогнозировать вероятность анастомозной утечки и определить клинические пороговые значения для уровня кальция в сыворотке крови. Результаты показали, что модель имеет высокую предсказательную способность, что может помочь врачам в оптимизации пероперативного ведения пациентов. Значение результатов для врачей и клиник Результаты исследования важны для врачей, так как… ➡️➡️➡️

Краткое описание исследования Исследование «Characterization of subepithelial tumors of upper gastrointestinal tract by endoscopic ultrasound» посвящено характеристике субэпителиальных опухолей верхнего отдела желудочно-кишечного тракта с использованием эндоскопического ультразвука (EUS). Целью работы было оценить эффективность EUS в диагностике и управлении этими опухолями, которые часто остаются незамеченными при стандартной эндоскопии. Результаты показали, что EUS является важным инструментом для точной оценки размеров опухолей и проведения биопсии с помощью тонкоигольной аспирации, что позволяет улучшить планирование лечения. Значение результатов для врачей и клиник Результаты исследования подчеркивают важность использования EUS для диагностики субэпителиальных опухолей, что может значительно улучшить исходы лечения. Это особенно актуально для врачей, работающих в… ➡️➡️➡️

Обзор исследования «Применение моделей глубокого обучения в патологической классификации и стадировании рака пищевода: акцент на Wave-Vision Transformer» Исследование «Применение моделей глубокого обучения в патологической классификации и стадировании рака пищевода: акцент на Wave-Vision Transformer» направлено на улучшение точности диагностики и эффективности классификации рака пищевода с использованием технологий глубокого обучения. Рак пищевода является шестым по распространенности раком в мире и имеет высокий уровень смертности. Раннее выявление патологий пищевода может значительно повысить шансы на выживание пациентов. Исследование сосредоточено на применении модели Wave-Vision Transformer (Wave-ViT) для диагностики различных стадий рака пищевода, включая аденокарциному. Значение результатов для врачей и клиник Результаты исследования важны для врачей… ➡️➡️➡️

Краткое описание исследования Исследование «Machine learning in colorectal polyp surveillance: A paradigm shift in post-endoscopic mucosal resection follow-up» рассматривает использование машинного обучения для улучшения наблюдения за колоректальными полипами после эндоскопической мукозной резекции (EMR). Основная цель исследования заключается в оптимизации стратегий наблюдения, учитывая индивидуальные особенности пациентов и факторы риска, что может значительно снизить уровень рецидивов полипов. Результаты показывают, что модели машинного обучения, такие как Extreme Gradient Boosting, превосходят традиционные методы в предсказании рецидивов полипов в течение года после EMR. Важность результатов для врачей и клиник Эти результаты важны для врачей и клиник, так как они предлагают более точные и персонализированные подходы… ➡️➡️➡️

Обзор исследования «Closing the diagnostic gap: A narrative review of recent advances in functional MRI diagnostics in spinal cord injury» В данном исследовании рассматриваются современные подходы к диагностике травм спинного мозга с использованием функциональной магнитно-резонансной томографии (фМРТ) и других продвинутых методов МРТ. Основной целью исследования является закрытие диагностического разрыва, существующего при использовании традиционной МРТ, которая часто не может точно отразить микроструктурные изменения и функциональное состояние спинного мозга, особенно у пациентов с легкими или неясными симптомами. Это может привести к задержкам в начале лечения. Важность результатов для врачей и клиник Результаты исследования подчеркивают, что новые методы МРТ, такие как количественная МРТ… ➡️➡️➡️

Краткое описание исследования Исследование «Neuropsychological and clinical variables associated with cognitive trajectories in patients with Alzheimer’s disease» представляет собой многоцентровый проект, финансируемый Министерством здравоохранения Италии. Основная цель исследования — выявить прогнозируемые траектории болезни Альцгеймера (БА) с использованием искусственного интеллекта (ИИ). В рамках исследования были проанализированы клинические переменные, связанные с ухудшением когнитивных функций у пациентов с БА. Для оценки когнитивного снижения использовались баллы по шкале мини-ментального состояния (MMSE). Значимость результатов Результаты исследования важны для врачей и клиник, так как позволяют более точно предсказывать когнитивные изменения у пациентов с БА. Это может помочь в более эффективном планировании лечения и реабилитации, а также… ➡️➡️➡️

Краткое описание исследования Исследование под названием «A constrained disorder principle-based second-generation artificial intelligence digital medical cannabis system: A real-world data analysis» направлено на анализ применения системы медицинского каннабиса с использованием второй генерации искусственного интеллекта (ИИ) для улучшения adherence (соблюдения) лечения у пациентов с хронической болью. Цели исследования заключаются в том, чтобы определить, как система на основе принципа ограниченного расстройства (CDP) может помочь пациентам, улучшая их реакцию на лечение и соблюдение режимов. В результате анализа данных 27 пациентов было установлено, что применение ИИ-системы Altus Care™ повышает вовлеченность пациентов и эффективность лечения. Важность результатов для врачей и клиник Результаты данного исследования подчеркивают,… ➡️➡️➡️

Исследование «Empirical evaluation of artificial intelligence distillation techniques for ascertaining cancer outcomes from electronic health records» направлено на оценку методов дистилляции искусственного интеллекта (ИИ) для определения результатов лечения рака на основе электронных медицинских записей (ЭМЗ). Основной целью работы было использование модели «учитель-ученик» для извлечения клинических данных о результатах лечения рака, таких как общий ответ на лечение и прогрессирование заболевания, из неструктурированных текстов радиологических отчетов. Результаты показали, что модели-учителя, обученные на данных Dana-Farber Cancer Institute, достигли высокой производительности. Модели-ученики, обученные на данных из публичного набора MIMIC-IV, продемонстрировали сопоставимые результаты, что указывает на эффективность передачи знаний между моделями, хотя использование данных из… ➡️➡️➡️

Обзор исследования «A cross population study of retinal aging biomarkers with longitudinal pre-training and label distribution learning» Исследование, опубликованное в журнале NPJ Digital Medicine, сосредоточено на использовании возрастной оценки сетчатки как перспективного биомаркера старения. Целью исследования было разработать модель глубокого обучения для более точной оценки возрастной сетчатки, используя изображения сетчатки из различных популяций. Исследование объединило методы самообучения для извлечения хронологической информации из статичных и последовательных изображений, а также модуль прогрессивного обучения распределения меток для учета биологической изменчивости старения. Модель была обучена и протестирована на здоровых участниках (34,433 человека из UK Biobank и трех китайских когорт), достигнув средней абсолютной ошибки в… ➡️➡️➡️

Обзор исследования «Deep learning-based ranking method for subgroup and predictive biomarker identification in patients» Исследование, проведенное в 2025 году, сосредоточено на разработке метода глубокого обучения, который помогает выявлять подгруппы пациентов с различной реакцией на лечение и предсказывать биомаркеры, связанные с этими различиями. Целью работы было создание системы, которая не только анализирует данные о пациентах, но и предоставляет биологические инсайты, что является важным для клинической разработки лекарств. Методы и результаты В исследовании представлен DeepRAB — фреймворк глубокого обучения, который позволяет исследовать гетерогенность эффектов лечения, создавая индивидуализированные правила лечения. Метод был протестирован на смоделированных данных с различной сложностью и применен к данным… ➡️➡️➡️

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… ➡️➡️➡️