Yam Code
Sign up
Login
New paste
Home
Trending
Archive
English
English
Tiếng Việt
भारत
Sign up
Login
New Paste
Browse
Artificial intelligence (AI) has become increasingly widespread in our daily lives, including healthcare applications. AI has brought many new insights into better ways we care for our patients with chronic liver disease, including non-alcoholic fatty liver disease and liver fibrosis. There are multiple ways to apply the AI technology on top of the conventional invasive (liver biopsy) and noninvasive (transient elastography, serum biomarkers, or clinical prediction models) approaches. In this review article, we discuss the principles of applying AI on electronic health records, liver biopsy, and liver images. A few common AI approaches include logistic regression, decision tree, random forest, and XGBoost for data at a single time stamp, recurrent neural networks for sequential data, and deep neural networks for histology and images.The advancement of investigation tools and electronic health records (EHR) enables a paradigm shift from guideline-specific therapy toward patient-specific precision medicine. https://www.selleckchem.com/products/rvx-208.html The multiparametric and large detailed information necessitates novel analyses to explore the insight of diseases and to aid the diagnosis, monitoring, and outcome prediction. Artificial intelligence (AI), machine learning, and deep learning (DL) provide various models of supervised, or unsupervised algorithms, and sophisticated neural networks to generate predictive models more precisely than conventional ones. The data, application tasks, and algorithms are three key components in AI. Various data formats are available in daily clinical practice of hepatology, including radiological imaging, EHR, liver pathology, data from wearable devices, and multi-omics measurements. The images of abdominal ultrasonography, computed tomography, and magnetic resonance imaging can be used to predict liver fibrosis, cirrhosis, non-alcoholic fatty liver disease (NAFLD), and differentiation of benign tumors from hepatocellular carcinoma (HCC). Using EHR, the AI algorithms help predict the diagnosis and outcomes of liver cirrhosis, HCC, NAFLD, portal hypertension, varices, liver transplantation, and acute liver failure. AI helps to predict severity and patterns of fibrosis, steatosis, activity of NAFLD, and survival of HCC by using pathological data. Despite of these high potentials of AI application, data preparation, collection, quality, labeling, and sampling biases of data are major concerns. The selection, evaluation, and validation of algorithms, as well as real-world application of these AI models, are also challenging. Nevertheless, AI opens the new era of precision medicine in hepatology, which will change our future practice.Artificial intelligence (AI) is a branch of computer science that attempts to mimic human intelligence, such as learning and problem-solving skills. The use of AI in hepatology occurred later than in gastroenterology. Nevertheless, studies on applying AI to liver disease have recently increased. AI in hepatology can be applied for detecting liver fibrosis, differentiating focal liver lesions, predicting prognosis of chronic liver disease, and diagnosing of nonalcoholic fatty liver disease. We expect that AI will eventually help manage patients with liver disease, predict the clinical outcomes, and reduce medical errors. However, there are several hurdles that need to be overcome. Here, we will briefly review the areas of liver disease to which AI can be applied.Die Tumeszenz-Lokalanästhesie (TLA) spielt bei dermatochirurgischen Eingriffen eine wichtige Rolle. Die TLA bietet etliche Vorteile, wie lang anhaltende Betäubung, reduzierte Blutung während der Operation und Vermeidung möglicher Komplikationen einer Vollnarkose. Einfache Durchführung, günstiges Risikoprofil und breites Indikationsspektrum sind weitere Gründe dafür, dass TLA zunehmend auch bei Säuglingen eingesetzt wird. Es gibt nicht nur viele Indikationen für chirurgische Exzisionen im Säuglingsalter, wie angeborene Naevi, sondern es hat auch erhebliche Vorteile, wenn diese Exzisionen in einem frühen Alter durchgeführt werden. Dazu zählen die geringere Größe der Läsionen sowie die unproblematische Wundheilung und Geweberegeneration im Säuglingsalter. Dennoch müssen hinsichtlich der Anwendung der TLA bei Säuglingen einige Aspekte berücksichtigt werden, darunter die Dosierung, eine veränderte Plasmaproteinbindung und die Notwendigkeit einer adäquaten und lang anhaltenden Schmerzkontrolle. Primär kutane Lymphome (PCL) unterscheiden sich oft stark im klinischen Verhalten und in der Prognose von systemischen Lymphomen des gleichen histopathologischen Typs. Ziel der Studie war es, die Verteilung der PCL-Subtypen, die Zeitspanne von der Krankheitsmanifestation bis zur Diagnosestellung, den Stellenwert diagnostischer Verfahren, das Auftreten von Zweittumoren und die verschiedenen Behandlungsmodalitäten im Rahmen des Krankheitsverlaufs zu untersuchen. Retrospektive Analyse von 152 Patienten mit PCL, die von 2010-2012 an der Universitäts-Hautklinik Tübingen behandelt wurden. 105 Patienten mit primär kutanem T-Zell-Lymphom (CTCL) (69,1%) und 47 Patienten mit primär kutanem B-Zell-Lymphom (CBCL) (30,9%) wurden eingeschlossen. Die Zeitspanne von der Krankheitsmanifestation bis zur Diagnose betrug durchschnittlich vier Jahre. Mycosis fungoides (MF) (47,4%) wurde am häufigsten diagnostiziert. Die First-Line-Therapien umfassten hier entweder eine alleinige Phototherapie (PUVA, n=48; UVB 311nm, n=7) oder Kombinationstherapien (PUVA mit systemischen Retinoiden, n=18). Häufigste Second-Line-Therapie war Interferon (INF)-α plus PUVA (n=15). Der Behandlungsverlauf war insgesamt günstig (45,2% Remission, 28,6% stabile Erkrankung, 22,6% Progress). Maligne Komorbiditäten wurden im Vergleich zu einer gesunden Vergleichsgruppe häufiger beobachtet. Bis zur Diagnosestellung der PCL dauert es oft mehrere Jahre. Der Wert der Staging-Verfahren ist gering. Die Behandlungsmodalitäten in früheren MF-Stadien basieren hauptsächlich auf der Phototherapie. Bis zur Diagnosestellung der PCL dauert es oft mehrere Jahre. Der Wert der Staging-Verfahren ist gering. Die Behandlungsmodalitäten in früheren MF-Stadien basieren hauptsächlich auf der Phototherapie.
Paste Settings
Paste Title :
[Optional]
Paste Folder :
[Optional]
Select
Syntax Highlighting :
[Optional]
Select
Markup
CSS
JavaScript
Bash
C
C#
C++
Java
JSON
Lua
Plaintext
C-like
ABAP
ActionScript
Ada
Apache Configuration
APL
AppleScript
Arduino
ARFF
AsciiDoc
6502 Assembly
ASP.NET (C#)
AutoHotKey
AutoIt
Basic
Batch
Bison
Brainfuck
Bro
CoffeeScript
Clojure
Crystal
Content-Security-Policy
CSS Extras
D
Dart
Diff
Django/Jinja2
Docker
Eiffel
Elixir
Elm
ERB
Erlang
F#
Flow
Fortran
GEDCOM
Gherkin
Git
GLSL
GameMaker Language
Go
GraphQL
Groovy
Haml
Handlebars
Haskell
Haxe
HTTP
HTTP Public-Key-Pins
HTTP Strict-Transport-Security
IchigoJam
Icon
Inform 7
INI
IO
J
Jolie
Julia
Keyman
Kotlin
LaTeX
Less
Liquid
Lisp
LiveScript
LOLCODE
Makefile
Markdown
Markup templating
MATLAB
MEL
Mizar
Monkey
N4JS
NASM
nginx
Nim
Nix
NSIS
Objective-C
OCaml
OpenCL
Oz
PARI/GP
Parser
Pascal
Perl
PHP
PHP Extras
PL/SQL
PowerShell
Processing
Prolog
.properties
Protocol Buffers
Pug
Puppet
Pure
Python
Q (kdb+ database)
Qore
R
React JSX
React TSX
Ren'py
Reason
reST (reStructuredText)
Rip
Roboconf
Ruby
Rust
SAS
Sass (Sass)
Sass (Scss)
Scala
Scheme
Smalltalk
Smarty
SQL
Soy (Closure Template)
Stylus
Swift
TAP
Tcl
Textile
Template Toolkit 2
Twig
TypeScript
VB.Net
Velocity
Verilog
VHDL
vim
Visual Basic
WebAssembly
Wiki markup
Xeora
Xojo (REALbasic)
XQuery
YAML
HTML
Paste Expiration :
[Optional]
Never
Self Destroy
10 Minutes
1 Hour
1 Day
1 Week
2 Weeks
1 Month
6 Months
1 Year
Paste Status :
[Optional]
Public
Unlisted
Private (members only)
Password :
[Optional]
Description:
[Optional]
Tags:
[Optional]
Encrypt Paste
(
?
)
Create New Paste
You are currently not logged in, this means you can not edit or delete anything you paste.
Sign Up
or
Login
Site Languages
×
English
Tiếng Việt
भारत