XiaoMi-AI文件搜索系统
World File Search System文献检索
与临床病理学相关的系统评价...
胞质分裂 (DOCK) 基因家族 (DOCK1-11) 是多种细胞类型和组织中细胞迁移、生长和融合的重要介质。最近，对未确诊遗传性疾病患者的全基因组测序 (WGS) 取得了进展，发现了 DOCK 基因中的几种罕见致病变异。我们进行了系统综述，并进行了患者数据库和文献检索，以查找已报告的 DOCK 致病变异，这些变异已被确定与临床病理有关，例如整体发育迟缓、免疫细胞功能障碍、肌张力减退和肌肉共济失调等类别。然后，我们将这些致病 DOCK 变异及其相关的临床表型归类为几个独特的类别：发育、心血管、代谢、认知或神经肌肉。我们对 DOCK 变异的系统综述旨在识别和分析与神经肌肉疾病和其他疾病病理相关的潜在 DOCK 调节网络，从而可能确定新的治疗策略和靶点。这种对与 DOCK 致病变异相关的人类相关病理的系统分析和分类是我们尽最大努力的第一份报告
degruyter_ntrev_ntrev-2020-0117 1500..1521 ++
摘要：皮肤癌 ( SC ) 是最常见的癌症，每年影响美国 300 万人和全球数百万人。它分为黑色素瘤 SC ( MSC ) 和非黑色素瘤 SC ( NMSC )。NMSC 约占 SC 的 80%，包括鳞状细胞癌和基底细胞癌。然而，MSC 的死亡率高于 SC，因为它具有转移能力。SC 是美国的主要健康问题，在白种人中发病率和死亡率很高。SC 的治疗方案包括冷冻疗法、切除手术、莫氏手术、刮除术和电干燥术、放射疗法、光动力疗法、免疫疗法和化学疗法。治疗的选择取决于 SC 的类型和副作用的可能性。新型靶向疗法正越来越多地用于治疗大型肿瘤和转移性疾病。在 PubMed、Google Scholar 和 Cancer Registry 网站上进行文献检索发现，传统化疗药物在癌症转移后对 SC 几乎没有作用。在对 SC 生物学、流行病学和治疗方案进行概述后，
世界先进研究与评论杂志
在国际上，护士需要提供以可靠证据为基础的护理。然而，现有证据表明，由于医疗保健环境中固有的多方面问题，很难提供循证实践。本次范围审查旨在研究影响护理循证实践的因素，以确定需要进一步研究的现有差距。这是对主要电子数据库进行范围界定的系统文献检索，包括 CINAHL、MEDLINE、EbscoH、Embase、ASSIA、Science Direct、护理指数、PsycINFO 和 Google Scholar。五十二项研究符合纳入标准并有资格进行审查。使用 PRISMA 方法检索经过严格评估的文章。使用持续比较方法对研究结果进行定性综合。对研究结果进行了整理和主题总结。结果分为四大主题和四个子主题。范围审查发现，使用定性方法的研究很少，特别是在低收入和中等收入国家。与先前的研究结果一致，本综述揭示了实施循证实践的困难。需要研究权力动态对护理中循证实践实施的影响。
胶质瘤干细胞作为胶质瘤进展的促进剂 - IRIS
摘要：神经胶质瘤的侵袭性和对治疗的抵抗性使其成为肿瘤学的一个主要问题。尽管医学科学取得了重大进步，但神经胶质瘤的预后仍然不容乐观，手术、放疗 (RT) 和化疗 (CT) 等传统治疗方法经常被证明无效。在发现神经胶质瘤干细胞 (GSC) 后，将神经胶质瘤视为均质肿块的传统观点发生了变化。GSC 对肿瘤生长、治疗抵抗和复发至关重要。这些细胞独特的分化和自我更新能力正在改变我们对神经胶质瘤生物学的认识。本系统文献综述旨在揭示与 GSC 相关的神经胶质瘤进展的分子驱动机制。系统综述遵循 PRISMA 指南，在 PubMed、Ovid MED-LINE 和 Ovid EMBASE 上进行了彻底的文献检索。第一次文献检索于 2024 年 3 月 1 日进行，搜索更新于 2024 年 5 月 15 日。搜索使用 MeSH 术语和布尔运算符，重点关注与 GCS 介导的胶质瘤进展相关的分子机制。纳入标准包括英文研究、临床前研究和临床试验。最初确定了 957 篇论文，其中 65 篇从 2005 年到 2024 年的研究最终被纳入审查。主要 GSC 模型分布按频率降序排列：U87：20 项研究（32.0%）；U251：13 项研究（20.0%）；A172：4 项研究（6.2%）；和 T98G：2 项研究（3.17%）。从最频繁到最不频繁，主要 GSC 通路的分布如下：Notch：8 项研究（12.3%）；STAT3：6 项研究（9.2%）； Wnt/β-catenin：6 项研究（9.2%）；HIF：5 项研究（7.7%）；PI3K/AKT：4 项研究（6.2%）。分子效应的分布（从最常见到最不常见）如下：抑制分化：22 项研究（33.8%）；增加增殖：18 项研究（27.7%）；增强侵袭能力：15 项研究（23.1%）；增加自我更新：5 项研究（7.7%）；抑制细胞凋亡：3 项研究（4.6%）。这项研究突出了 GSC 异质性和胶质母细胞瘤微环境中的动态相互作用，强调需要采取量身定制的方法。影响 GSC 行为的一些关键通路是 JAK/STAT3、PI3K/AKT、Wnt/β-catenin 和 Notch。治疗可以针对这些通路。这项研究敦促进行更多研究以填补 GSC 生物学方面的知识空白，并将研究结果转化为有用的治疗方法，以改善 GBM 患者的治疗结果。
人工智能、大数据和区块链技术在医学和全球健康领域的应用回顾
摘要：人工智能 (AI) 程序应用于诊断程序、治疗方案制定、患者监测、药物开发、医疗保健中的个性化医疗以及全球卫生中的疫情预测等方法，例如当前的 COVID-19 大流行。机器学习 (ML) 是人工智能的一个领域，它允许计算机在无需明确编程的情况下学习和改进。ML 算法还可以通过电子健康记录分析大量数据（称为大数据），以预防和诊断疾病。可穿戴医疗设备用于持续监测个人的健康状况并将其存储在云计算中。在一项新发表的研究背景下，本综述讨论了复杂数据分析和机器学习的潜在好处。我们在所有流行的数据库（如 Web of Science、Scopus、MEDLINE/PubMed 和 Google Scholar 搜索引擎）中进行了文献检索。本文介绍了 ML、大数据、区块链技术的基本概念的运用及其在医学、医疗保健、公共卫生监测、COVID-19 大流行和其他流行病中的病例估计中的重要性。该评论还讨论了医疗从业者和卫生技术人员在设计未来模型以改善人类生活质量和福祉时可能遇到的后果和困难。
推荐引用 推荐引用 Bardis, Michelle D; Houshyar, Roozbeh; Chang, Peter D; Ushinsky, Alexander; Glavis-Bloom, Justin; Chahine, Chantal; Bui, Thanh-Lan; Rupasinghe, Mark; Filippi, Christopher G; 和 Chow, Daniel S，“人工智能在前列腺多参数 MRI (mpMRI) 中的应用：当前和新兴趋势。”《癌症》（巴塞尔）。12，5。1204 (2020)。https://digitalcommons.wustl.edu/open_access_pubs/9270
摘要：前列腺癌是全球最常见的癌症之一。多参数磁共振成像 (mpMRI) 是一种非侵入性工具，可以改善前列腺病变的检测、分类和体积量化。机器学习 (ML) 是人工智能的一个分支，可以快速准确地分析 mpMRI 图像。ML 可以提供更好的标准化和一致性来识别前列腺病变并增强前列腺癌管理。本综述总结了 ML 在前列腺 mpMRI 中的应用，并重点关注前列腺器官分割、病变检测和分割以及病变表征。进行了文献检索，以查找将 ML 方法应用于前列腺 mpMRI 的研究。迄今为止，前列腺器官分割和体积近似已经使用各种 ML 技术很好地执行。前列腺病变检测和分割对于 ML 来说是更具挑战性的任务，并在多项研究中进行了尝试。由于数据稀缺和当前 ML 算法的局限性，它们在很大程度上仍未解决。相比之下，由于数据可用性更高，前列腺病变表征已在多项研究中成功完成。总体而言，ML 完全有能力成为一种提高放射科医生准确性和速度的工具。
病原微生物在...中的持久性
• 病原微生物在生产环境中的持续存在是一个众所周知的现象。 • 在生产场所，此类克隆源微生物组包括单核细胞增生李斯特菌、阪崎克罗诺杆菌、细胞毒芽孢杆菌和弯曲杆菌属。• 近年来，瑞士已发现多起持久性细菌单核细胞增生李斯特菌的爆发。 • 目前，尚未发现任何通用标记可以帮助我们确定致病因子的持久性。 • 建立取样和分析程序是识别污染源和识别潜在持续性危害的最有效方法。 • 联邦食品安全和兽医局 (FSVO) 对环境样本中单核细胞增生李斯特菌的风险评估进行了文献检索。由于单核细胞增生李斯特菌出现的频率较高，因此有必要对生产环境进行监测，特别是在加工鱼类、肉类、牛奶、家禽以及水果和蔬菜产品的企业中。 • 生产环境监控是对基于风险的成品控制的补充，有助于提高产品的食品安全性。 • 目前尚无基于科学数据的最新标准协议来监测不同食品生产环境中持续存在的不同病原体。
量子密码学用于保护医院的个人健康信息
医疗保健系统广泛使用信息技术 (IT) 进行系统身份验证（数字签名）、网页浏览、电子邮件、即时消息、保护静态数据、互联网协议语音 (VoIP) 电话和蜂窝电话。为了保护患者身份和医疗保健信息，加密系统被广泛用于保护这些数据免受恶意第三方（对手）的攻击。在我们的医疗保健系统中，我们在高效存储患者及其家属的信息、及时检索信息以及确保信息安全免受对手攻击方面取得了相当大的成功。然而，数据正在迅速增加，我们目前的计算系统在不久的将来可能会不够用。在这种情况下，需要新的解决方案。一种可能性是量子计算 (QC) 算法/设备，它们可以提供基于亚原子相互作用的优雅解决方案。在这篇评论中，我们总结了有关在医疗保健等大数据系统中使用 QC 算法/设备的需求、当前选项和未来可能性的最新信息。本文结合了我们自己的临床研究的同行评审证据以及在 PubMed、EMBASE 和 Scopus 数据库中进行的广泛文献检索的结果。关键词：加密系统、健康信息、医疗保健、医院、新生儿。新生儿 (2022)：10.5005/jp-journals-11002-0043
用于药物安全相关分类任务的机器学习模型
摘要 在本综述中，我们概述了过去六年（2015-2021 年）与 ADME（吸收、分布、代谢和排泄）和毒性终点相关的机器学习驱动分类研究领域的最新趋势。该研究仅关注具有大型数据集（即超过一千种化合物）的分类模型。针对九个不同的目标进行了全面的文献检索和荟萃分析：hERG 介导的心脏毒性、血脑屏障穿透、通透性糖蛋白 (P-gp) 底物/抑制剂、细胞色素 P450 酶家族、急性口服毒性、致突变性、致癌性、呼吸毒性和刺激/腐蚀。最佳分类模型的比较旨在揭示机器学习算法和建模类型、端点特定性能、数据集大小和不同验证协议之间的差异。根据对数据的评估，我们可以说基于树的算法（仍然）占据主导地位，共识建模在药物安全性预测中正成为一种日益增长的趋势。尽管人们已经可以找到对 hERG 介导的心脏毒性和细胞色素 P450 酶家族同工酶表现出色的分类模型，但这些目标仍然是 ADMET 相关研究工作的核心。
整合人工智能进行临床和实验室诊断——综述
摘要简介：医学人工智能 (AI) 的发展与旨在帮助临床医生制定诊断、做出治疗决策和预测结果的程序有关。它正在为医疗保健带来范式转变，这得益于医疗保健数据的日益普及和分析技术的快速进步 (1)。人工智能技术包括结构化数据的机器学习方法，例如经典支持向量机和神经网络、现代深度学习 (DL) 和非结构化数据的自然语言处理。方法论：审查了 50 多篇文章，其中 41 篇入围。该评论基于 PubMed、Embase、Google Scholar 和 Scopus 数据库中的文献检索。评论：实验室医学采用新技术来帮助临床决策、疾病监测和患者安全。临床微生物信息学正在逐步使用人工智能。分离细菌的基因组信息、原始标本的宏基因组微生物结果、从生长的细菌分离物记录的质谱和大型数码照片都是临床微生物学中可用于建立 AI 诊断的庞大数据集的例子。结论：医疗保健领域的技术创新正在加速，并且与我们的日常生活和医疗实践（如智能健康追踪器和诊断算法）日益交织在一起。