Name: Studium nad inteligentnym systemem diagnozy i leczenia akupunktury w przypadku zmniejszonej rezerwy jajnikowej opartej na grafie wiedzy (Wideo) | JoVE Journal
Uploaded: 2026-05-29T15:20:00.000+00:00
Duration: 8 min 43 s
Description: Poznaj inteligentny system akupunktury oparty na grafie wiedzy do diagnozowania i leczenia zmniejszonej rezerwy jajnikowej. System osiągnął 86,7% zgodności diagnostycznej z ekspertami klinicznymi.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

To badanie było wspierane przez Specjalne Fundacje Planu Prowincji Jiangsu ds. Nauki i Technologii (BE2022712) oraz Specjalny Projekt Badawczy dotyczący Planu Rozwoju Tradycyjnej Chińskiej Medycyny w Prowincji Jiangsu (ZT202120).

Badanie to przeprowadzono zgodnie ze standardami etycznymi instytucji i zyskało aprobatę Komitetu Etycznego Szpitala Generalnego Dowództwa Teatru Wschodniego (Numer zgody DZQH-KYLLFS-25-38). Pisemną, świadomą zgodę na udział w badaniu uzyskały wszystkie osoby uczestniczące przed ich przyjęciem. Wszystkie dane pacjentów zostały sanonimizowano i zdekompletowano w celu zapewnienia ochrony prywatności. Narzędzia badawcze zastosowane w tym protokołach są wymienione w Tabeli materiałów.
1. Budowa grafu wiedzy
Graf wiedzy został zbudowany przy użyciu wieloźródłowej strategii integracji danych. Zbieranie danych i ich adnotowanie przeprowadzali przeszkoleni pracownicy z formalnym wykształceniem w zakresie tradycyjnej medycyny chińskiej (TCM) i akupunktury. Źródła danych obejmowały klasyczne teksty dotyczące akupunktury, literaturę w języku chińskim z CNKI, literaturę w języku angielskim z Web of Science Core Collection, dane kliniczne z centrów reprodukcyjnych w szpitalach wyższej klasy oraz sstandardyzowane bazy wiedzy (Szczegółowa lista klasycznych tekstów jest dostępna w Pliku uzupełniającym 1). Źródła te zostały wybrane w celu zapewnienia zarówno historycznej głębi, jak i współczesnej istotności klinicznej. Łącznie włączono 400 przypadków klinicznych, aby wspierać identyfikację wzorców diagnostycznych i terapeutycznych. Ogólny przepływ pracy przy budowie grafu wiedzy jest przedstawiony na Rysunku 1.
<img alt="Rysunek 1" class="xfigimg" src="/files/ftp_upload/71182/71182fig1.jpg" data-altupdatedat="1783400419000" data-alt="Rysunek 1"> 
Rysunek 1: Przepływ pracy przy budowie grafu wiedzy. Przegląd procesu zbierania, wyodrębniania i integracji danych stosowanych do budowy grafu wiedzy. <a href="https://www.jove.com/files/ftp_upload/71182/71182fig1large.jpg" target="_blank">Proszę kliknąć tutaj, aby zobaczyć większą wersję tego rysunku.</a>
Kryteria dotyczące włączenia wymagały, aby wszystkie dane były bezpośrednio związane z diagnozą i leczeniem za pomocą akupunktury, z pełnymi i jasno ustrukturyzowanymi treściami nadającymi się do ekstrakcji encji i relacji. Wymagano, aby klasyczne teksty były krytycznie zestawione i wolne od oczywistych błędów, podczas gdy współczesna literatura była ograniczona do publikacji recenzowanych przez rówieśników lub dokumentów wydanych przez autorytatywne instytucje. Wymagano, aby dane kliniczne były zdekompletowane i zatwierdzone etycznie. Kryteria wykluczenia obejmowały duplikaty zapisów, niekompletne fragmenty tekstu, treści niezwiązane z diagnozą i leczeniem za pomocą akupunktury oraz niepotwierdzone lub błędne stwierdzenia.
Zaimplementowano hybrydową metodę ekstrakcji wiedzy, łącząc adnotację ręczną i automatyczną ekstrakcję. Około 30% danych, w tym klasyczne teksty i treści semantycznie skomplikowane, zostało ręcznie adnotowanych przez ekspertów dziedzinowych za pomocą zstandardyzowanej platformy adnotacji. Pozostałe 70% danych zostało przetworzonych za pomocą dużych modeli językowych (LLMs) w celu automatycznej ekstrakcji, w tym rozpoznawania encji, ekstrakcji relacji oraz normalizacji terminologii. Wszystkie automatycznie wygenerowane wyniki zostały przejrzane i skorygowanie przez ekspertów, aby zapewnić dokładność i spójność.
Automatyczna ekstrakcja została przeprowadzona za pomocą zstrukturyzowanych szablonów pytań zaprojektowanych w celu wyznaczenia zachowania LLM (Przykłady szablonów są przedstawione w Pliku uzupełniającym 2). Szablony te definiowały rolę modelu jako eksperta od ekstrakcji wiedzy specyficznej dla danej dziedziny i zawierały przykłady few-shot learning w formacie JSON triplet, aby poprawić wydajność ekstrakcji. Przetworzone abstrakty literatury były przesyłane przez interfejsy programowania aplikacji (API), a strategie przetwarzania równoległego zostały zaimplementowane, aby poprawić efektywność obliczeniową. Wyniki ekstrakcji były analizowane i walidowane za pomocą narzędzi do walidacji JSON, aby zapewnić integralność strukturalną. Walidowane triplety wiedzy były serializowane do niezależnych plików JSON, nazwane zgodnie ze źródłowymi dokumentami, aby zachować śledzenie.
Sfinalizowany graf wiedzy został przechowany w bazie danych grafowej i zaimplementowany za pomocą ramek opartych na Pythonie. Wizualizacja została przeprowadzona za pomocą wbudowane narzędzi bazy danych grafowej, aby wspierać inspekcję i walidację.
Encje w grafie wiedzy zostały sklasyfikowane w siedmiu typach: choroby, objawy, wzory zespołów, punkty akupunktury, merydiany, metody leczenia oraz substancje efektorowe i mechanizmy biologiczne. Relacje między encjami zostały zbudowane, aby odzwierciedlać kliniczna logikę diagnostyczną i terapeutyczną, wspierającą rozumowanie wieloskoczne i wnioskowanie strukturalne. Ontologia i struktura relacji są przedstawione na Rysunku 2. Szczegółowy schemat grafu wiedzy i przykłady ograniczeń relacji są dostępne

Autorzy deklarują brak konfliktu interesów.

Niniejsze badanie opisuje inteligentny system wsparcia decyzji oparty na grafie wiedzy, dostosowany do akupunktury w leczeniu obniżonego zapasu jajnikowego, reprezentując przejście od modelowania ogólnej wiedzy medycyny tradycyjnej chińskiej do specyficznej dla choroby aplikacji klinicznej.
W porównaniu z konwencjonalną praktyką akupunktury, która w dużej mierze opiera się na doświadczeniu lekarza, proponowany system wprowadza strukturalną i powtarzalną ramę diagnostyczną. Poprzez integrację w...

Zmniejszona rezerwa jajnikowa (DOR) charakteryzuje się spadkiem ilości i/lub jakości oocytów, prowadząc do obniżonej płodności, nieregularności miesiączkowania i dysfunkcji hormonalnej1. Zdarzenia DOR wzrosły w ostatnich latach i stopniowo wpływają na młodsze populacje. Dane epidemiologiczne ze Stanów Zjednoczonych wskazują na wzrost z 19% w 2004 roku do 26% w 2011 roku2, podczas gdy raport Chińskiego Stowarzyszenia Medycznego zarejestrowała częstość występowania 13,58% wśród pacjentów z niepłodnością poddawanych asystowanej technologii reprodukcyjnej2,3.
Obecne strategie zarządzania w medycynie zachodniej obejmują kontrolowaną hiperstymulację owarianą, uzupełniające leczenie farmakologiczne i terapię zastępczą hormonami. Jednak podejścia te mają kilka ograniczeń, w tym niski wskaźnik pozyskiwania oocytów, ograniczona poprawa wyników żywych urodzeń, wysokie odsetki przerwania leczenia, przeciwwskazania i potencjalne działania niepożądane4,5.
Akupunktura była badana jako uzupełniające podejście terapeutyczne w celu poprawy funkcji owarianych u pacjentów z DOR. Dowody z badań klinicznych i przeglądów systematycznych sugerują potencjalne korzyści6,7,8. Niemniej diagnostyka i leczenie za pomocą akupunktury są wciąż mocno uzależnione od doświadczenia praktyków, różnią się w zależności od różnych szkół teoretycznych i brakuje standaryzowanej integracji z współczesnymi danymi klinicznymi. Ograniczenia te ograniczają szersze wdrażanie wytycznych dotyczących akupunktury i zwiększają barierę edukacyjną dla lekarzy bez formalnego szkolenia z medycyny tradycyjnej Chin.
Ostatnie osiągnięcia w dziedzinie sztucznej inteligencji (AI) i technologii znajomości grafowych (KG) umożliwiły nowe podejścia do strukturyzacji i wykorzystywania złożonej wiedzy medycznej w akupunkturze i medycynie tradycyjnej Chin9,10. Wcześniejsze badania obejmują analizy wizualne trendów badań nad akupunkturą11, modele rekomendacji punktów akupunkturowych oparte na grafowych sieciach konwolucyjnych12, ramy znajomości grafowej obejmujące uczenie się na podstawie pytań dla akupunktury i tuina13 oraz przeglądy systematyczne konstrukcji i zastosowań znajomości grafowej w medycynie tradycyjnej Chin14. Co więcej, integracja znajomości grafowych z dużymi modelami językowymi (LLMs) stała się obiecującym kierunkiem, jak wykazały systemy takie jak TCM-KLLaMA do generowania recept i systemy oparte na znajomości grafowej do odpowiedzi na pytania na podstawie przypadków, łączące LLMs z znajomością grafów15,16. Badania te podkreślają potencjał podejść opartych na sztucznej inteligencji do wspierania strukturalnego rozumowania i podejmowania decyzji w medycynie tradycyjnej Chin. Ponadto zaawansowane metody analizy sieci zostały zastosowane do analizy teoretycznych systemów akupunktury, zapewniając wsparcie metodologiczne dla modelowania zstrukturyzowanej wiedzy medycznej17.
Nasza grupa opracowała wcześniej ogólny graf wiedzy akupunkturowej dla niepłodności, w tym model dualny ACUBERT oparty na Transformerze18 oraz bazę wiedzy akupunkturowej o dużej skali z możliwością rozumowania wieloskocznego19. Jednak te systemy były zaprojektowane jako ogólne ramy i brakowało im optymalizacji specyficznej dla chorób w warunkach ginekologicznych. Ponadto nie były one zweryfikowane klinicznie w scenariuszu zastosowania skoncentrowanego na DOR.
W tym kontekście, obecne badanie koncentruje się na gineologicznych zaburzeniach rozrodczych, wykorzystując DOR jako punkt wejścia klinicznego. Na podstawie istniejącego ogólnego grafu wiedzy akupunkturowej, skonstruowano domenę specyficzną dla grafu wiedzy skoncentrowaną na DOR, a opracowano inteligentny system wsparcia decyzji klinicznych. System został zweryfikowany przy użyciu rzeczywistych przypadków klinicznych w celu oceny spójności diagnostycznej i właściwości receptury, z zamiarem zapewnienia strukturalnego i powtarzalnego wsparcia dla podejmowania decyzji klinicznych opartych na akupunkturze.

<table><tbody><tr><td>BiLSTM-CRF</td><td>Open Source (https://github.com/jmhIcoding/bilstm-crf)</td><td>N/A</td><td>Architektura modelu uczenia głębokiego zastosowana do rozpoznawania nazwanych jednostek w ekstrakcji tekstu klinicznego.</td></tr><tr><td>CNKI Database</td><td>China National Knowledge Infrastructure</td><td>N/A</td><td>Repozytorium literatury wykorzystywane do odzyskiwania odpowiednich publikacji akademickich w języku chińskim.</td></tr><tr><td>JSON Viewer &amp; Formatter</td><td>Megaish</td><td>1.6.0</td><td>Narzędzie oprogramowania służące do wyświetlania i walidacji struktury danych JSON.</td></tr><tr><td>KGs Annotation Platform</td><td>Nanjing KGI Data Technology Co., Ltd.</td><td>N/A</td><td>Oparty na sieci współpracujący platforma do adnotacji wykorzystywana do ręcznego oznakowania korpusów jednostek medycznych i relacji w celu wsparcia budowy grafu wiedzy.</td></tr><tr><td>Large Language Model API</td><td>Moonshot AI</td><td>N/A</td><td>Kimi LLM API wykorzystywane do semantycznego rozumienia i zautomatyzowanego ekstrakcji wiedzy z literatury biomedycznej; interfejs kompatybilny z formatem API OpenAI.</td></tr><tr><td>MySQL</td><td>Oracle Corporation</td><td>8.0.42</td><td>System zarządzania relacyjnymi bazami danych używany do przechowywania zstrukturyzowanych danych klinicznych.</td></tr><tr><td>Neo4j Browser</td><td>Neo4j,Inc.</td><td>5.26.10</td><td>Interfejs bazy danych graficznych wykorzystywany do interaktywnej wizualizacji i eksploracji zapytań dotyczących gineologicznego grafu wiedzy.</td></tr><tr><td>Python</td><td>Python Software Foundation</td><td>3.11.4</td><td>Główny język programowania wykorzystywany do zautomatyzowanego przeszukiwania literatury, wywoływania API LLM, koordynacji wieloprocesowej, parsowania danych i budowy grafu wiedzy.</td></tr><tr><td>Web of Science Core Collection</td><td>Clarivate Analytics</td><td>N/A</td><td>Repozytorium literatury wykorzystywane do odzyskiwania odpowiednich publikacji akademickich w języku angielskim.</td></tr></tbody></table>

studium nad inteligentnym systemem diagnozy i leczenia akupunktury w przypadku zmniejszonej rezerwy jajnikowej opartej na grafie wiedzy

A Study on an Intelligent Diagnosis and Treatment Assistant System for Acupuncture in Diminished Ovarian Reserve Based on a Knowledge Graph

Zmniejszona rezerwa jajnikowa (DOR) ma rosnącą częstość występowania i dotyczy coraz młodszych kobiet. Akupunktura jest klinicznie stosowana w DOR; jednak praktyka pozostaje subiektywna, zależna od doświadczenia i brakuje standaryzowanych wytycznych. W oparciu o nasz poprzedni ogólny inteligentny system akupunktury, niniejsze badanie koncentruje się na chorobach ginekologicznych i wykorzystuje DOR jako punkt wejścia klinicznego do opracowania specjalistycznego grafu wiedzy i systemu wspomagającego decyzje. Badanie uwzględniało 82 klasyczne teksty akupunktury, literaturę chińską i angielską oraz dane kliniczne. Wiedzę uzyskano za pomocą hybrydowego podejścia łączącego duże modele językowe i ręczne adnotację w celu stworzenia pełnego grafu wiedzy akupunkturowej i grafu gineologicznego specyficznego dla DOR. System wykorzystuje rozpoznawanie encji oparte na BiLSTM-CRF i dwustronne odzyskiwanie, aby zautomatyzować różnicowanie zespołów i generowanie receptur akupunkturowych. Pełny graf zawiera 16 558 encji i 80 084 relację, podczas gdy graf ginekologiczny zawiera 8 677 encji i 27 092 relacje. W kliniczna ocenie 90 pacjentów z DOR, system osiągnął wskaźnik zgodności diagnostycznej na poziomie 86,7% w porównaniu z ocenami ekspertów. Średni wynik właściwości receptury wynosił 4,65. Zgodność między oceniającymi wśród ekspertów, zmierzona za pomocą współczynnika spójności Kendalla, wynosiła W ≈ 0,13 (P < 0,05), co wskazuje na statystycznie istotną, ale ograniczoną zgodność. Te wyniki sugerują, że system może zapewnić strukturalne wsparcie dla różnicowania zespołów i generowania receptur opartych na akupunkturze w DOR, z potencjalnym zastosowaniem jako pomocniczego narzędzia wspomagającego decyzje kliniczne.

Zakonstruowany graficzny model wiedzy integruje różnorodne dane z klasycznych tekstów medycyny tradycyjnej, współczesnej literatury klinicznej oraz rzeczywistych przypadków, zgodnie z ustalonymi zasadami budowy i oceny graficznych modeli wiedzy. Łącznie wprowadzono 374 źródła w języku chińskim, 267 artykułów w języku angielskim oraz 82 klasyczne teksty medycyny tradycyjnej, zapewniając zarówno głębię historyczną, jak i współczesne znaczenie kliniczne (Rysunek 5).
<p clas...

Za pomocą literatury, klasycznych tekstów i danych klinicznych opracowano specyficzny dla ginekologii graf wiedzy na temat akupunktury oraz system wspomagania decyzji w przypadku obniżonej rezerwy jajnikowej (DOR). Ocena kliniczna wykazała 86,7% zgodności diagnostycznej i wysokie wyniki w zakresie przepisywania, z istotną statystycznie, ale ograniczoną zgodnością między ekspertami, co potwierdza jego rolę jako pomocniczego narzędzia wspomagającego decyzje kliniczne.

Studium nad inteligentnym systemem diagnozy i leczenia akupunktury w przypadku zmniejszonej rezerwy jajnikowej opartej na grafie wiedzy

Diminished ovarian reserve (DOR) is increasing in incidence and affecting younger women. Acupuncture has been used clinically for DOR; however, practice ...

Nasze badania koncentrują się na opracowaniu inteligentnego systemu akupunktury do diagnozy i leczenia osłabionej rezerwy jajnikowej. Ten protokół może być stosowany w badaniach dotyczących akupunktury związanych z osłabioną rezerwą jajników i innymi chorobami związanymi z rozrodczością. Na początek należy zebrać dane z klasycznych tekstów akupunkturowych, literatury w języku chińskim z China National Knowledge Infrastructure, czyli CNKI, danych klinicznych z ośrodków rozrodczych w szpitalach wyższego stopnia, literatury w języku angielskim z Web of Science core collection oraz zbadanych baz wiedzy.Wykonaj adnotacje danych i wybierz dane zgodnie z kryteriami włączenia i wyłączenia. Uwzględnij 400 przypadków klinicznych, aby wspomóc identyfikację wzorców diagnostycznych i terapeutycznych. Za pomocą standaryzowanej platformy adnotacji ręcznie zanotuj około 30% danych, w tym teksty klasyczne i treści semantycznie złożone.Za pomocą dużych modeli językowych, czyli LLMS, przetwarzaj 70% danych w celu rozpoznawania encji, wyodrębniania relacji i normalizacji terminologii. Przejrzyj wygenerowane wyniki. Używając zorganizowanych szablonów pytań zaprojektowanych, aby prowadzić LLM, wykonaj automatyczne wyodrębnianie.Gdy rola modelu jest zdefiniowana jako ekspert ds. ekstrakcji wiedzy specyficznej dla danej domeny, uwzględnij przykład nauki z niewielką liczbą prób w notacji obiektów JavaScript lub formacie potrójnym JSON, aby poprawić wydajność ekstrakcji. Za pomocą narzędzi do weryfikacji JSON, uporządkuj zweryfikowane potrójne wiedzy w niezależne pliki JSON nazwane zgodnie z ich źródłowymi dokumentami, aby zachować śledzenie. Przechowuj sfinalizowany graf wiedzy w bazie danych graficznej używających ramek opartych na Pythonie.Wyświetl graf wiedzy za pomocą wbudowanych narzędzi bazy danych graficznej, aby wspierać inspekcję i weryfikację. Opracuj system aplikacji na podstawie skonstruowanego grafu wiedzy, aby umożliwić wsparcie decyzji klinicznych i odpowiednie przetwarzanie danych wejściowych użytkownika. Za pomocą dwukierunkowego modelu pamięci krótkotrwałej warunkowej wartości losowych lub modelu bi-LSTM CRF, zaimplementuj rozumienie języka naturalnego dla rozpoznawania nazw encji i łączenia encji.Zbuduj architekturę modelu z warstwą osadzenia przeszkoloną na korpusach specyficznych dla danej domeny, warstwą dwukierunkową pamięci krótkotrwałej w celu uchwycenia informacji kontekstowych i warstwą warunków losowych, aby zapewnić optymalne etykietowanie sekwencji. Trenuj model na ręcznie adnotowanych danych klinicznych i literaturowych z adnotacjami wykonanymi niezależnie przez ekspertów dziedziny. Za pomocą współczynnika Kappa Cohena ocen inter-anotatorową zgodność przynajmniej na poziomie 0,85 i różnice rozwiąż za pomocą konsensusu ekspertów.Podczas wnioskowania, wyodrębnij uporządkowane encje, w tym objawy, choroby i wzorce zespołów z danych wejściowych klinicznych. Przemapuj te encje na standaryzowane węzły w grafie wiedzy. Za pomocą strategii dwóch trybów, przeprowadź odzyskiwanie wiedzy, łącząc podejścia oparte na słowach kluczowych i semantycznych.Użyj reprezentacji wektorowych, aby zidentyfikować odpowiednie niesstrukturalizowane wiedzy. Połącz wyniki odzyskane na podstawie słów kluczowych i semantycznych. Identyfikuj i usuń duplikaty oraz strukturalizuj wyniki do dalszej obróbki.Dostosuj wagi dla kontekstów związanych z ginekologami i osłabioną rezerwą jajników. Za pomocą technik generowania języka naturalnego, generuj wyniki diagnostyczne i leczenia oraz przekształcaj uporządkowaną wiedzę w klinicznie interpretowalne odpowiedzi. Po zastosowaniu opracowanego systemu w środowisku klinicznym, rekrutuj uczestników z rozpoznaniem osłabionej rezerwy jajników zgodnie z kryteriami włączenia i wyłączenia.Zbieraj i zapisuj dane demograficzne i kliniczne pacjentów w uporządkowanym formacie. Generuj wyniki diagnostyczne i recepty akupunkturowe na podstawie danych wejściowych. Gdy wydajność systemu zostanie oceniona za pomocą dokładności diagnostycznej i właściwości leczenia, porównaj wyniki zróżnicowanego zespołu generowanego przez system z wynikami dostarczonymi przez trzech starszych lekarzy medycyny tradycyjnej Chin służących jako standard odniesienia.Oblicz stopień zgodności diagnostycznej jako ułamek zgodnych przypadków spośród wszystkich przypadków. Oceń właściwość leczenia za pomocą panelu trzech starszych akupunkturzystów z co najmniej pięcioletnim doświadczeniem klinicznym i tytułami zawodowymi oraz zwróć się do ekspertów o niezależną ocenę recept generowanych przez system za pomocą pięciopunktowej skali Likerta. Oceń zgodność między oceniodawcami za pomocą współczynnika spójności Kendalla.W sumie 374 źródła w języku chińskim, 267 artykułów w języku angielskim i 82 klasyczne teksty medycyny tradycyjnej chińskiej zostały włączone do grafu wiedzy. Pełny graf wiedzy zawierał 16 558 encji w siedmiu wstępnie określonych kategoriach i 80 084 relacje obejmujące 21 typów relacji. Wśród 90 pacjentów wiek zawierał się w przedziale od 22 do 54 lat z szczytem na 32 lata, a najwyższe stężenie znajdowało się w grupie wiekowej 31 do

a-study-on-an-intelligent-diagnosis-treatment-assistant-system-for

Research

JoVE Journal

Medicine

Medycyna

Przedstawiono protokół obliczeniowy, CaseOLAP LIFT, oraz przypadek użycia do badania białek mitochondrialnych i ich powiązań z chorobami sercowo-naczyniowymi, jak opisano w raportach biomedycznych. Protokół ten można łatwo dostosować do badania wybranych przez użytkownika składników komórkowych i chorób.

Podejście oparte na grafie wiedzy w celu wyjaśnienia roli szlaków organellarnych w chorobie za pomocą raportów biomedycznych

Tutaj opisujemy protokół wdrażania łagodnego znieczulenia i leczenia akupunkturą na mysim modelu przewlekłego niedotlenienia oraz przeprowadzamy testy behawioralne w celu oceny zmian poznawczych po leczeniu.

Leczenie akupunkturą w mysim modelu przewlekłej dysfunkcji poznawczej wywołanej niedotlenieniem

To badanie przedstawia protokół terapii akupunkturą z użyciem nici u szczurów podobnych do choroby Alzheimera.

Procedura operacyjna i środki ostrożności związane z terapią akupunkturą z osadzaniem nici w chorobie Alzheimera

Obecny protokół opisuje metodę oceny rezerwy jajnikowej u pacjentek poniżej 25 roku życia, które wymagają zachowania płodności poprzez krioprezerwację tkanki jajnika. Metoda ta obejmuje: (1) ocenę histologiczną rezerwy jajnikowej w próbkach korowych, (2) porównanie z referencyjnym zbiorem danych oraz (3) obliczenie wskaźników Z.

Z-score do oceny rezerwy jajnikowej u młodych pacjentek poddawanych zabiegowi zachowania płodności

Ten artykuł opisuje RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), który integruje wnioskowanie Large Language Model (LLM) z Retrieval-Augmented Generation (RAG). Opiera się na dowodach z opracowanych przez ekspertów baz wiedzy biomedycznej i recenzowanych publikacji biomedycznych, aby zsyntetyzować nową wiedzę z aktualnych informacji, zidentyfikować wytłumaczalne i możliwe do zastosowania prognozy oraz wskazać obiecujące kierunki badań opartych na hipotezach.

Synteza wiedzy opartej na dowodach i walidacja hipotez: poruszanie się po bazach wiedzy biomedycznej za pomocą wytłumaczalnej sztucznej inteligencji i systemów agentowych

Protokół ten szczegółowo opisuje procedury akupunktury u pacjentów z nadwagą skomplikowaną hiperlipidemią oraz potwierdza wpływ czynników emocjonalnych na skuteczność terapii na podstawie wskaźników takich jak BMI, cholesterol i poziom trójglicerydów.

Wpływ czynników emocjonalnych na skuteczność leczenia akupunkturą osób z nadwagą skomplikowanych z hiperlipidemią: retrospektywne badanie kohortowe

Lezkość jest zaburzeniem rozwojowym kory wzrokowej, któremu często towarzyszy silna supresja jednego oka. Przedstawiamy nową technikę pomiaru i leczenia supresji międzypocznej u pacjentów z amblyopią, którą można wdrożyć przy użyciu gogli wirtualnej rzeczywistości lub przenośnego urządzenia iPod Touch.

Pomiar i leczenie supresji w amblyopii

Utrata integralności otrzewnej stanowi nowy paradygmat w rozumieniu i leczeniu przewlekłego bólu miednicy u kobiet z łagodnymi postaciami endometriozy i może być łatwo wykryta poprzez śródoperacyjne podanie barwnika podczas laparoskopii.

Śródoperacyjne wykrywanie subtelnej endometriozy: nowy paradygmat diagnostyki i leczenia bólu miednicy związanego z utratą integralności otrzewnej

Dwa paradygmaty ćwiczeń zostały przetestowane na nowo opracowanym chemicznie indukowanym modelu myszy menopauzalnej, aby zbadać wpływ menopauzy na zdolność do ćwiczeń i adaptację serca do ćwiczeń.

Metoda badania wpływu chemicznie wywołanej niewydolności jajników na wydolność wysiłkową i adaptację serca u myszy

Precyzyjny pomiar neurologicznego i neuropsychologicznego upośledzenia i niepełnosprawności w stwardnieniu rozsianym jest wyzwaniem. Przedstawiamy szczegóły metodologiczne dotyczące nowego testu, Testu Wydajności Stwardnienia Rozsianego (MSPT). To nowe podejście do celu, jakim jest kwantyfikacja niepełnosprawności związanej ze stwardnieniem rozsianym, stanowi platformę komputerową do precyzyjnego i wiarygodnego pomiaru ciężkości stwardnienia rozsianego.

Test wydajności stwardnienia rozsianego (MSPT): narzędzie do oceny niepełnosprawności oparte na iPadzie

Poznaj inteligentny system akupunktury oparty na grafie wiedzy do diagnozowania i leczenia zmniejszonej rezerwy jajnikowej. System osiągnął 86,7% zgodności diagnostycznej z ekspertami klinicznymi.

Studium nad inteligentnym systemem diagnozy i leczenia akupunktury w przypadku zmniejszonej rezerwy jajnikowej opartej na grafie wiedzy (Wideo) | JoVE Journal

Studium nad inteligentnym systemem diagnozy i leczenia akupunktury w przypadku zmniejszonej rezerwy jajnikowej opartej na grafie wiedzy

Przeglądaj więcej filmów