Artykuł naukowy skupia się na zastosowaniu metod uczenia maszynowego do wykrywania przewlekłej choroby nerek (Chronic Kidney Disease – CKD). Badanie porównuje modele sieci neuronowych (ANN) i lasów losowych (RF) na danych 400 pacjentów, z wykorzystaniem trzech zestawów cech: domowych, monitorujących, i laboratoryjnych. Wyniki pokazują, że lasy losowe miały wyższą skuteczność (92.5%) w klasyfikacji CKD w warunkach domowych w porównaniu do sieci neuronowych (82.9%). Analiza ważności cech zidentyfikowała hemoglobinę i mocznik w krwi jako kluczowe zmienne kliniczne. Modele te mogą wspierać wczesne wykrywanie CKD, co jest kluczowe dla skutecznego zarządzania tą chorobą.

Artykuł naukowy porównuje klasyfikację makulopatii neowaskularnej (MNV) z wykorzystaniem fluoresceinowej angiografii (FA) i tomografii koherencyjnej optycznej (OCT). Badanie przeprowadzono na 704 oczach pacjentów z neowaskularną AMD, gdzie obrazy FA i OCT oceniano w Vienna Reading Center. Zastosowano wykorzystujące AI narzędzie do lokalizacji i kwantyfikacji płynu siatkówkowego. Stwierdzono umiarkowaną zgodność między klasyfikacjami FA i OCT MNV oraz znaczące różnice w dystrybucji płynu w zależności od typu MNV OCT, co sugeruje potencjalne zastosowanie tej technologii w praktyce klinicznej.

Artykuł naukowy opisuje badanie dotyczące nowego algorytmu o nazwie PMVnet, który poprawia wykrywanie zmian patologicznych w piersi na podstawie mammografii. PMVnet, wykorzystując 1636 prywatnych mammogramów, integruje informacje relacyjne z parzystych pełnych mammogramów za pomocą podobieństwa kosinusowego i metody squeeze-and-excitation w architekturze w kształcie litery U. W porównaniu z modelami opartymi na pojedynczych widokach, PMVnet wykazał lepsze wyniki, osiągając wyższy współczynnik podobieństwa Dice’a oraz wyższą czułość przy mniejszej liczbie fałszywie pozytywnych wyników. Wyniki te sugerują, że PMVnet może znacząco poprawić dokładność diagnostyczną w systemach wspomagających diagnozę, co może przekładać się na lepsze wyniki leczenia pacjentów.

Artykuł omawia rozwój i zastosowanie modelu MOEM-SMIADP wykorzystującego Internet Rzeczy (IoT) do monitorowania aktywności domowej osób niepełnosprawnych. Stosując min-max normalizację, algorytm predator do selekcji cech i zespół trzech klasyfikatorów, model ten osiągnął dokładność 99,07%, co dowodzi jego skuteczności w porównaniu do istniejących metod. Zastosowanie zaawansowanych technologii pozwala na obniżenie kosztów opieki i zwiększenie jakości życia osób z niepełnosprawnościami.

Artykuł omawia wzrost zainteresowania globalnym wzrostem przypadków raka pomimo postępów w diagnostyce i strategiach zarządzania. Wysoka śmiertelność i heterogenność nowotworów wymaga lepszych technik diagnostycznych i terapeutycznych oraz dostępności tych technologii, zwłaszcza w krajach rozwijających się. Szczególny nacisk kładziony jest na zastosowanie sztucznej inteligencji (AI) i uczenia maszynowego (ML) w onkologii, które przyczyniają się do postępów w wykrywaniu, diagnozowaniu, klasyfikacji nowotworów, personalizacji leczenia oraz odkrywaniu nowych leków przeciwnowotworowych. Podsumowując, AI i ML mają znaczący potencjał w poprawie wyników leczenia raka, jednak wymagają dalszych badań i rozwoju.

Artykuł omawia rozwój i optymalizację szczepionek mRNA w terapii immunologicznej przeciwko rakowi, wykorzystując najnowsze osiągnięcia w bioinformatyce i sztucznej inteligencji. Skupia się na technologiach umożliwiających efektywniejsze projektowanie szczepionek, takich jak sekwencjonowanie genomów i formułowanie nanocząstek lipidowych (LNP), które usprawniają dostarczanie i stabliność szczepionek. Dodatkowo, przedstawia jak precyzyjne przewidywanie struktur neoantygenów może kierować projektowaniem sekwencji mRNA, a innowacje technologiczne zwiększają efektywność farmakokinetyczną i farmakodynamiczną, otwierając nowe ścieżki dla personalizowanej terapii immunologicznej przeciwko rakowi.

Artykuł przedstawia system AdaptaFood, który adaptuje przepisy kulinarne do specyficznych ograniczeń dietetycznych, takich jak alergie, potrzeby medyczne czy preferencje żywieniowe. System ten wykorzystuje zaawansowany model języka oparty na BERT do analizy semantycznej składników i znajdowania odpowiedników w celu dostosowania przepisów. AdaptaFood pozwala na poszerzenie informacji o przepisach i generowanie wysokiej jakości adaptacji przepisów, biorąc pod uwagę heterogeniczność danych o pożywieniu z różnych źródeł.

Artykuł naukowy opisuje nową metodę klasyfikacji i identyfikacji różnych odmian ryżu przy użyciu głębokiego uczenia. W ramach badania zaprojektowano i przetestowano sieć neuronową High Precision FasterNet (HPFasterNet), która zastosowana została do rozróżniania 19 kategorii nasion ryżu japonica. Model osiągnął dokładność klasyfikacji na poziomie 92%, co jest o 5,22% lepsze niż model bazowy FasterNet_T0. HPFasterNet charakteryzuje się również mniejszą liczbą parametrów i zmniejszonym zapotrzebowaniem na moc obliczeniową, co sprawia, że jest bardziej odpowiedni do środowisk o ograniczonych zasobach. Dodatkowo, sieć wykazała 98,98% dokładności w testach ryżu o różnych smakach, co sugeruje jej potencjale zastosowanie w przemyśle rolniczym oraz spożywczym.

Artykuł przedstawia badanie skupiające się na zastosowaniach sztucznej inteligencji (AI) w kardiologii, ze szczególnym uwzględnieniem diagnostyki i leczenia arytmi. Z przeprowadzonej systematycznej analizy literatury wynika, że AI znacząco przyczynia się do poprawy diagnostyki chorób serca, umożliwiając nieinwazyjne metody i personalizację terapii. W badaniu przeanalizowano ogółem 200 studiów, które potwierdziły zdolność AI do precyzyjnego przewidywania zdarzeń sercowych oraz poprawę jakości globalnej opieki zdrowotnej.

Artykuł omawia integrację sztucznej inteligencji (AI) w zarządzaniu łańcuchem dostaw (SCM) w okresie przejścia z Industry 4.0 do Industry 6.0. Skupia się na poprawie efektywności operacyjnej, promowaniu współpracy zorientowanej na człowieka i zwiększaniu zrównoważonego rozwoju. Wykorzystując ramy PRISMA, przeprowadzono systematyczny przegląd literatury, który wskazał na znaczące korzyści wynikające z integracji AI w SCM, takie jak lepsze prognozowanie popytu, zarządzanie zapasami i zdolności decyzyjne. Podkreśla się potrzebę równoważenia rozwoju technologicznego z praktykami zorientowanymi na zrównoważony rozwój i centrystyczne podejście do człowieka.