AI na Magonjwa adimu ── 2026-10-21

Makala 1 katika toleo hili. Kuu: Utendaji wa Utabiri wa Mifano ya Farmakokinetiki ya Populasi ya Tobramycin kwa Watoto Iliyochaguliwa kwa pyDarwin Ikilinganishwa na Iliyotengenezwa na Wataalamu kwa Upangaji Dozi Sahihi Ulioongozwa na Mfano.

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

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

Utendaji wa Utabiri wa Mifano ya Farmakokinetiki ya Idadi ya Watu ya Tobramycin kwa Watoto Iliyochaguliwa na pyDarwin Ikilinganishwa na Iliyotengenezwa na Wataalamu kwa Upaji wa Dozi Sahihi Unaoongozwa na Mfano.
The AAPS journal · 2026-10-19 · Ushahidi: Utafiti wa uchunguzi wa kurudi nyuma (ulinganisho wa mbinu za ujenzi wa mifano na uthibitisho wa nje)
Muhtasari
PyDarwin ni kifurushi cha Python cha chanzo-huria kinachounganisha ujifunzaji wa mashine na NONMEM kwa uchaguzi wa mifano kiotomatiki; hata hivyo, manufaa yake katika kutoa dozi sahihi zinazoongozwa na mifano (MIPD) bado haijathibitishwa. Utafiti huu unalenga kutathmini pyDarwin kwa maendeleo ya mifano ya farmakokineti ya idadi ya watu (PopPK) katika MIPD ikilinganishwa na mifano iliyoundwa na wataalamu, kwa kutumia tobramycin kwa watoto kama kesi ya uwakilishi. Takwimu za ujenzi wa mfano zilijumuisha viwango 450 vya plasma kutoka kwa watoto 63 walio na cystic fibrosis (CF). Kundi moja liliunda mfano kwa mkono kwa kutumia uchaguzi wa covariate wa hatua kwa hatua, wakati lingine lilitumia pyDarwin ndani ya eneo la mfano la vipimo 27 lililowekwa awali, kwa kutumia kazi ya fitness iliyojumuisha adhabu inayotegemea eneo chini ya mkondo wa masaa 24 (AUC 24h ). Uthibitisho wa nje ulifanywa kwa kutumia viwango 1011 kutoka kwa watoto 144, ikiwa ni pamoja na tathmini kwa kutumia data zote za ufuatiliaji wa dawa za kuponya (TDM) na hali za MIPD zinazohusiana na kliniki (a priori [AP], Bayesian 1, Bayesian 2). Mifano yote miwili ilijumuisha kupanua kulingana na uzito, kazi ya ukomaji, na kiwango cha uchujaji wa glomeruli kilichokadiriwa kama covariates juu ya clearance, hali iliyotoa makadirio ya clearance yanayolingana. Mfano uliochaguliwa na pyDarwin ulikuwa mfano wa sehemu mbili wenye viwango vya kupanua vya allometric vilivyowekwa imara, ilhali mfano wa mkono ulikuwa mfano wa sehemu moja wenye viwango vilivyokadiriwa. Mifano yote miwili ilionesha uwezekano unaolingana wa kufikia lengo kwa AUC 24h ya hali thabiti . Katika uthibitisho wa nje kwa kutumia data zote za TDM, mfano uliochaguliwa na pyDarwin ulionyesha utendaji bora wa utabiri kwa wagonjwa wa CF kuliko mfano wa mkono (MPE inayotokana na utabiri -14.6% dhidi ya -41.6%; MAPE 34.0% dhidi ya 54.4%). Katika hali za MIPD, mfano uliochaguliwa na pyDarwin ulionyesha utendaji bora zaidi katika mazingira ya AP, huku tofauti zikipungua baada ya usasishaji wa Bayesian. Matokeo haya yanaunga mkono uchaguzi wa mfano wa PopPK kiotomatiki unaotegemea pyDarwin kama mfumo wa kuaminika na wenye ufanisi kwa MIPD.
Kiwango sawa na IF cha jarida: 3.7 (wastani wa unukuzi wa miaka 2 wa OpenAlex, thamani kufikia 2026-10-20, ilipatikana 2026-10-21; si IF rasmi ya Clarivate)
Rejeleo: Wang J, Harwood K, Yang W, Lei A, Lai T, Nieforth K, et al. Utendaji wa utabiri wa modeli za farmakokinetiki za idadi ya Tobramycin kwa watoto zilizochaguliwa kwa pyDarwin ikilinganishwa na zilizoandaliwa na wataalamu, kwa upangaji wa dozi sahihi unaotegemea modeli. AAPS J. 2026 Oct 19;28(6):171. doi:10.1208/s12248-026-01321-z.
Imekaguliwa: Muhtasari pekee

Tazama makala zote 1 za Majukwaa →

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

Hakuna andiko jipya lenye sifa kwa toleo hili.

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

Hakuna andiko jipya lenye sifa kwa toleo hili.

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

Hakuna andiko jipya lenye sifa kwa toleo hili.

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

Hakuna andiko jipya lenye sifa kwa toleo hili.

Jinsi makala zinavyochaguliwa: (1) hukusanywa kutoka kwenye mlisho wa majarida, PubMed (majarida yote) na OpenAlex; (2) tahariri, masahihisho na vipengele visivyo na istilahi za fani/AI huondolewa; (3) Jev hutathmini mambo manne (utafiti asilia ≥ 0.6, AI ≥ 0.6, kundi moja kati ya makundi 8 ya magonjwa, matibabu/majaribio ≥ 0.5 kwa makundi ya magonjwa); (4) hupangwa kwa umuhimu kulingana na Jev hadi kikomo cha kila siku (mbili kwa kila kundi); (5) kiwango sawa cha IF huonyeshwa tu pale Jev anapothibitisha kuwa jarida linalingana. Makala ambazo Jev hawezi kutathmini hazijaorodheshwa.