AI na Magonjwa Adimu ── 2026-10-16

Makala mpya kuhusu magonjwa adimu (isipokuwa ya mfumo wa neva na saratani) na AI, zilizokusanywa kutoka kwenye mifumo ya majarida, PubMed (iliyotafutwa katika majarida yote) na OpenAlex (faharasa ya umma inayotumika badala ya Google Scholar), zilizohukumiwa na Jev (AI inayotoa hukumu za lugha): utafiti asilia, AI ndiyo kiini, ni kundi lipi kati ya makundi 8 ya magonjwa, matibabu au majaribio, kisha zimepangwa kwa umuhimu hadi kikomo cha kila siku. Majarida hayachujwi kwa kipimo cha athari (impact factor); kila makala inaonyesha IF-sawa ya jarida lake (wastani wa miaka miwili wa nukuu wa OpenAlex) na tarehe ya thamani hiyo. Kila kipengee kinaonyesha muhtasari kamili asilia.

Soma kulingana na ugonjwa: Majukwaa（0） · Makosa ya kuzaliwa ya kimetaboliki（0） · Dalili za kijenetiki（0） · Magonjwa adimu ya damu（1） · Kinga na tishu unganishi（0） · Moyo na mapafu（2） · Figo, ini na utumbo（1） · Ngozi na mfupa（0）

Majukwaa ya utambuzi wa magonjwa adimu na ugunduzi wa dawa, na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Makosa ya kuzaliwa ya kimetaboliki: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Dalili za kijenetiki na magonjwa adimu ya watoto: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Magonjwa adimu ya damu: matibabu, majaribio na AI

• Uainishaji wa ugonjwa wa selimundu kwa kutumia kichujio cha Medav-Gaussian na Pyramid Shepard CNN
  Scientific Reports · 2026-10-13 · Ushahidi: Utafiti wa uundaji wa modeli ya uchunguzi (bila uthibitishaji wa nje)
  Muhtasari

  Ugonjwa wa selimundu (SCD) husababisha hatari kubwa za kiafya na unahitaji uainishaji sahihi kwa matibabu madhubuti. Katika SCD, chembe nyekundu za damu (RBCs) hubadilika umbo na kuwa la mundu kutokana na mabadiliko ya jeni ya haemoglobini, jambo linaloathiri usafirishaji wa oksijeni na kusababisha kuziba kwa mishipa ya damu. Hata hivyo, uainishaji sahihi wa SCD kutoka kwa picha za sampuli ya damu (blood smear) bado ni changamoto kutokana na kelele za picha, tofauti za umbo la RBC na chembe zinazopishana. Ili kukabiliana na changamoto hizi, utafiti huu unaanzisha mbinu inayotegemea ujifunzaji wa kina (DL) iitwayo Pyramid Shepard convolutional neural network (PShCN-Net) kwa ajili ya kuainisha SCD kwa kutumia picha za sampuli ya damu. Mchakato huanza kwa kuondoa kelele kwenye picha kwa kutumia kichujio cha Medav-Gaussian (MG), kisha ugawaji wa chembe kwa kutumia uwekaji kizingiti unaotegemea entropia ya Tsallis. Uongezaji wa picha hutumika kuimarisha uthabiti wa modeli, na vipengele vya kijiometri na vya kitakwimu vya daraja la kwanza hutolewa. Kisha uainishaji hufanywa kwa kutumia PShCN-Net iliyopendekezwa, ambayo huunganisha usanifu wa PyramidNet na wa Shephard convolutional neural network ili kuboresha usahihi. PShCN-Net hufikia usahihi wa 91.945%, kiwango cha chanya halisi 93.235%, kiwango cha hasi halisi 92.345%, uhakika (precision) 91.437%, alama ya F1 92.327%, kiwango cha chanya za uongo 7.655% na kiwango cha hasi za uongo 6.765% inapojaribiwa kwa 90% ya data ya mafunzo. Kazi ijayo itazingatia kuthibitisha PShCN-Net kwa kutumia hifadhidata kubwa na tofauti za sampuli za damu kutoka vituo vingi ili kutathmini zaidi uwezo wake wa kujumuishwa na matumizi yake ya kitabibu.

  Kigezo sawa na IF cha jarida: 5.2 (wastani wa miaka 2 wa manukuu wa OpenAlex, thamani kufikia 2026-10-06, ilipatikana 2026-10-07; si IF rasmi ya Clarivate)
  Rejeleo: Ponnada S, Majji R, Rout AK, Selvaraju S. Uainishaji wa ugonjwa wa seli mundu kwa kutumia kichujio cha Medav-Gaussian na Pyramid Shepard CNN. Sci Rep. 2026 Oct 13 [Epub ahead of print]. doi:10.1038/s41598-026-75109-8.
  Imekaguliwa: Muhtasari pekee

Tazama makala zote 1 za Matatizo adimu ya damu →

Magonjwa ya autoinflammatory, upungufu wa kinga na magonjwa adimu ya tishu unganishi: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.

Magonjwa adimu ya moyo na mishipa ya damu na ya kupumua: matibabu, majaribio na AI

• Kujifunza kwa mashine, molecular docking, na uthibitishaji wa majaribio hutambua saini za molekuli zinazoshirikiana kati ya idiopathic pulmonary arterial hypertension na malignant pleural mesothelioma: utafiti wa kurudi nyuma
  Frontiers in Genetics · 2026-10-14 · Ushahidi: Uchunguzi wa kuangalia nyuma (uchambuzi wa kikokotozi wa data ya umma ya transkriptomiki na uthibitisho mdogo wa qRT-PCR; unaozalisha dhana)
  Muhtasari

  Usuli: Shinikizo la juu la damu la ateri ya mapafu lisilo na sababu inayojulikana (IPAH) linaonyesha sifa zinazofanana na saratani, hata hivyo chanzo chake bado hakijulikani wazi. Kwa kuzingatia mfanano wa molekuli kati ya IPAH na saratani mbaya ya utando wa mapafu (MPM), utafiti huu ulilenga kubaini mifumo ya kitranskriptomu inayoshirikiwa.

  Mbinu: Seti za data za GEO za IPAH na MPM zilichambuliwa. DEG zinazopishana na moduli za WGCNA zilitambuliwa. Uchambuzi wa mtandao wa PPI uliojumuishwa na LASSO, random forest, na SVM-RFE ulitumika kutambua jeni teule za alama-viumbe. Modeli ya uainishaji ilijengwa na kutathminiwa kwa kutumia leave-one-out cross-validation na bootstrap optimism correction. Uingiaji wa seli za kinga ulitathminiwa kwa ssGSEA. Molecular docking na uigaji wa MD zilitathmini ufungamano wa dawa na protini lengwa teule. qRT-PCR ilithibitisha usemi wa jeni teule za alama-viumbe.

  Matokeo: DEGs sita zilizoonyesha kuongezeka kwa pamoja na kumi na moja zilizoonyesha kupungua kwa pamoja zilishirikiwa kati ya IPAH na MPM. Jeni zilizoongezeka zilirutubishwa katika udhibiti wa mzunguko wa seli, huku jeni zilizopungua zikirutubishwa katika mvuto wa kemikali wa neutrofili. WGCNA ilitambua jeni 58 zinazopishana. CXCR2, S100A9, na LCN2 zilitambuliwa kuwa jeni za viashiria vya kibayolojia zinazowezekana. Uchambuzi wa unyeti wa ROTS ulithibitisha kuwa DEGs zote 1710 za MPM zilikuwa zinazoweza kurudiwa na zenye mwelekeo unaolingana katika kizingiti cha FDR <0.05 kinacholingana licha ya uwiano usio sawa wa kesi na udhibiti. Modeli ya uainishaji ilipata AUC za 0.909 na 0.875 katika seti za mafunzo na uthibitishaji wa nje, ikiwa na AUC ya LOOCV ya 0.879 na AUC iliyosahihishwa kwa matumaini ya 0.896. Uchunguzi wa upenyaji wa kinga ulibaini kuongezeka kwa seli za Th17 lakini kupungua kwa neutrofili katika IPAH. Usemi wa CXCR2 na S100A9 ulihusiana na upenyaji wa neutrofili; usemi wa LCN2 ulihusiana na upangaji upya wa kimetaboliki. Navarixin ilionyesha uwezo wa kuunganisha wenye nguvu zaidi kwa CXCR2 (−10.1 kcal/mol). Uigaji wa MD ulithibitisha uunganishaji thabiti wa changamano ya CXCR2-Navarixin. qRT-PCR ilithibitisha kupungua kwa kiasi kikubwa kwa jeni zote tatu kwa wagonjwa wa IPAH.

  Hitimisho: Utafiti huu unaozalisha dhahania unabainisha saini za kitranskriptomu zinazoshirikiwa kati ya IPAH na MPM, ukiangazia CXCR2, S100A9, na LCN2 kama viashiria vya kibayolojia vinavyowezekana vinavyohusishwa na kuvurugika kwa kinga na upangaji upya wa kimetaboli. Hali ya kikokotozi na ya uhusiano ya matokeo haya, pamoja na udogo wa kundi la uthibitishaji wa nje, inahitaji uthibitisho kupitia majaribio ya kiutendaji na uthibitishaji katika makundi makubwa zaidi, huru, na ya vituo vingi kabla ya tafsiri ya kitabibu kuzingatiwa.

  Kiwango sawa na IF ya jarida: 3.0 (wastani wa uthibitisho wa miaka 2 wa OpenAlex, thamani ya 2026-10-15, ilipatikana 2026-10-16; si IF rasmi ya Clarivate)
  Rejeleo: Zhang N, Wang C, Wang R, Guo X, Yu J, Wang J, et al. Kujifunza kwa mashine, uunganishaji wa molekuli (molecular docking), na uthibitishaji wa kimajaribio vimebaini saini za molekuli zinazoshirikiwa kati ya shinikizo la damu la ateri ya mapafu lisilo na chanzo kinachojulikana na mesothelioma mbaya ya pleura: utafiti wa kurudi nyuma. Front Genet. 2026 Oct 14;17:1894027. doi:10.3389/fgene.2026.1894027.
  Imekaguliwa: Muhtasari pekee
• IPF-RAG: uzalishaji ulioboreshwa kwa upataji unaotambua wakati kwa huduma ya ugonjwa wa idiopathic pulmonary fibrosis
  Frontiers in Digital Health · 2026-10-14 · Ushahidi: Utafiti wa uundaji na tathmini ya mfumo wa AI (njia 58 za wagonjwa; seti za data za ndani na nje)
  Muhtasari

  Usimamizi wa kibinafsi wa kitabibu wa idiopathic pulmonary fibrosis (IPF) unatatizwa na mwenendo wake changamano wa muda mrefu na data zilizogawanyika zisizo na muundo. Ingawa miundo mikubwa ya lugha (LLMs) na urejeshaji-ulioimarisha-uzalishaji (RAG) huonyesha matumaini katika kusaidia maamuzi ya kitabibu, mbinu za sasa zinakabiliwa na changamoto katika kushughulikia maendeleo ya ugonjwa yanayobadilika kutokana na mikusanyiko tuli ya maarifa, ukosefu wa ufahamu wa wakati, na kuathirika na kelele za kisemantiki na ndoto potofu (hallucinations). Ili kukabiliana na hili, tunapendekeza IPF-RAG, mfumo wa RAG wenye ufahamu wa wakati kwa huduma ya IPF ya muda mrefu. Ukiendeshwa na seti teule ya data ya mienendo ya wagonjwa 58, mfumo huu una moduli mbili kuu. Moduli ya Urejeshaji wa Wakati huimarisha ulinganishaji wa kisemantiki kwa kutia nanga ushahidi kwa kuzingatia wakati, ikianzisha uhusiano wa wakati kati ya maendeleo ya ugonjwa na maagizo ya kitabibu. Kisha, Moduli ya Uimarishaji wa Muundo huunganisha maarifa haya ya wakati katika maelekezo yenye muundo, ikitumia vikwazo vya mantiki ya kitabibu kuongoza LLMs kuelekea hoja zinazotegemea ushahidi. Majaribio kwenye seti za data za ndani na za nje, yaliyotathminiwa kwa tathmini za kiotomatiki na wataalamu wa kitabibu, yanaonyesha kuwa IPF-RAG inaboresha ubora wa mipango ya matibabu inayozalishwa na LLM katika vipengele mbalimbali. Matokeo haya yanaonyesha kuwa mbinu iliyopendekezwa inasaidia kwa ufanisi LLMs katika kufanya maamuzi ya kitabibu kwa magonjwa sugu changamano.

  Sawa na IF ya jarida: 5.0 (wastani wa miaka 2 wa citedness wa OpenAlex, thamani ya 2026-10-13, ilipatikana 2026-10-15; si IF rasmi ya Clarivate)
  Rejeleo: Zheng X, Rui X, Long T, Wang L, Lv Z, Wang J, et al. IPF-RAG: uzalishaji ulioongezwa kwa urejeshaji unaozingatia wakati kwa huduma ya fibrosisi ya mapafu isiyo na chanzo kinachojulikana. Front Digit Health. 2026 Oct 14;8:1883739. doi:10.3389/fdgth.2026.1883739.
  Imekaguliwa: Muhtasari pekee

Tazama makala zote 2 za Moyo na mapafu →

Magonjwa adimu ya figo, ini na mfumo wa mmeng'enyo: matibabu, majaribio na AI

• DU-KAN: Mfumo Ulioboreshwa wa Kujifunza kwa Kina wa Vikoa Viwili kwa Tathmini ya Oxford MEST-C Inayotegemea Patholojia ya Kidijitali katika Ugonjwa wa Nefropathia ya IgA kwa Watoto
  Uhandisi wa kibayolojia · 2026-10-13 · Ushahidi: Uundaji wa modeli katika kituo kimoja na uthibitishaji wa ndani (tathmini ya majaribio ya visa 40; hakuna uthibitishaji wa nje)
  Muhtasari

  Tathmini ya Oxford MEST-C ya nefropathia ya immunoglobulini A (IgAN) kwa watoto inategemea tafsiri ya wataalamu wa patholojia ya miundo changamano ya biopsia ya figo. Ugawaji wa kiotomatiki unaweza kusaidia upimaji sanifu lakini unakabiliwa na changamoto za tofauti za ukubwa, mipaka dhaifu, na vidonda vidogo. Tulitengeneza DU-KAN, mfumo wa U-KAN uliorekebishwa kwa hatua unaochanganya kisimbaji chenye matawi mawili cha convolution ya kina kifupi–MaxViT na muunganisho wa vipengele tofauti uliorekebishwa na uimarishaji wa skip wa wavelet–prototype. Seti ya data ya kituo kimoja yenye picha 532 zilizopakwa rangi ya periodic acid–Schiff kutoka kwa watoto 278 iligawanywa katika ngazi ya mgonjwa. Kwenye seti ya majaribio iliyotengwa ya wagonjwa 55, DU-KAN ilipata wastani wa Dice wa 69.58% katika madarasa manane, ikiwemo usuli (CI ya bootstrap ya ngazi ya mgonjwa ya 95%, 66.23–71.91), ikiizidi U-KAN kwa pointi 3.56 za asilimia (CI ya 95%, 1.90–5.26). Wastani wa Dice wa mbele ulikuwa 65.42%. Kwenye kigezo cha CT ya tumbo cha Synapse, wastani wa Dice katika viungo vinane ulikuwa 87.21%, ikiunga mkono ujumuishaji wa kimuundo katika kazi tofauti, badala ya uthibitishaji wa nje katika IgAN ya watoto. Matokeo ya ugawaji yaliunganishwa zaidi kuwa viashiria vinavyohusiana na MEST-C vya ngazi ya kesi. Katika tathmini ya uchunguzi ya kesi 40, upatanisho kamili katika viashiria vitano vilivyotathminiwa ulikuwa 65.00% (26/40), huku usikivu ukiwa 37.50% kwa E (3/8) na 50.00% kwa T (1/2). Upatanisho wa 97.50% kwa T uliakisi hasa wingi wa kesi hasi na haukuthibitisha utambuzi wa kuaminika wa kesi chanya. DU-KAN inaboresha utendaji wa ndani wa ugawaji na kufikia upimaji wa kipatholojia ulio na muundo, ambao unaweza kutoa rejeleo saidizi kwa uamuzi wa kitabibu wa wataalamu wa patholojia ya figo.

  Kigezo sawa na IF cha jarida: 5.4 (wastani wa miaka 2 wa manukuu wa OpenAlex, thamani kufikia 2026-10-15, ilipatikana 2026-10-16; si IF rasmi ya Clarivate)
  Rejeleo: Fu J, Cui H, Zhu Y, Gao T, Zhang P, Gao C. DU-KAN: Mfumo wa Kujifunza kwa Kina Ulioboreshwa wa Kikoa Mbili kwa Tathmini ya Oxford MEST-C Inayotegemea Patholojia ya Kidijitali katika Ugonjwa wa Nefropathia ya IgA kwa Watoto. Bioengineering. 2026 Oct 13;13(10):1191. doi:10.3390/bioengineering13101191.
  Imekaguliwa: Muhtasari pekee

Tazama makala zote 1 za Figo, ini na utumbo →

Magonjwa adimu ya ngozi na mifupa: matibabu, majaribio na AI

Hakuna andiko jipya lenye sifa kwa toleo hili.