AI اور اعصابی نایاب اور نیورو امیون بیماریاں ── 2026-10-14
اعصابی نایاب اور اعصابی مدافعتی بیماریوں اور AI سے متعلق نئے مقالے، جو جریدوں کے فیڈز، PubMed (تمام جریدوں میں تلاش کے ذریعے) اور OpenAlex (Google Scholar کی جگہ استعمال ہونے والا عوامی اشاریہ) سے جمع کیے گئے، اور Jev (زبان سے متعلق فیصلے کرنے والا ایک AI) نے جانچے: اصل تحقیق، AI مرکزی حیثیت میں، 9 بیماری گروپوں میں سے کون سا، علاج یا ٹرائلز، اور پھر روزانہ حد تک اہمیت کے لحاظ سے درجہ بند۔ جریدوں کو امپیکٹ فیکٹر کی بنیاد پر نہیں چھانٹا جاتا؛ ہر مقالہ اپنے جریدے کے IF کے مساوی (OpenAlex کی دو سالہ اوسط حوالہ جاتی شرح) اور اس قدر کی تاریخ دکھاتا ہے۔ ہر اندراج مکمل اصل خلاصہ دکھاتا ہے۔
بیماری کے مطابق پڑھیں: بنیادی تحقیق（0） · اے ایل ایس（0） · پارکنسنز（1） · موروثی اعصابی تنزلی（0） · اعصابی و عضلاتی（0） · ملٹیپل سکلیروسس（0） · NMOSD/MOGAD（0） · مائیستھینیا گریوس（1） · آٹو امیون اینسیفلائٹس/CIDP/GBS（0）
نیوروڈیجنریشن اور نیورو امیونولوجی پر تحقیق اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
ALS: علاج، تجربات اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
پارکنسن کی بیماری اور پارکنسونزم: علاج، ٹرائلز اور AI
- خلاصہ
دماغی بیماریاں جیسے فرنٹو ٹیمپورل ڈیمنشیا (FTD)، پارکنسن کی بیماری (PD) اور الزائمر کی بیماری (AD) اعصابی تنزلی کی بیماریاں ہیں جو اعصابی سوزش اور پروٹین کے غلط تہہ ہونے کا سبب بنتی ہیں۔ تاہم ڈیٹا کی پیچیدگی اور تغیر پذیری کے باعث ایسی بیماریوں کی تشخیص مشکل رہتی ہے۔ موجودہ مطالعہ منتخب کردہ مائیکرو ایرے ڈیٹا سیٹس پر مشین لرننگ (ML) تکنیکیں لاگو کر کے سالماتی دستخطوں کی نشاندہی کرتا ہے۔ ڈیٹا سیٹس نیشنل سینٹر فار بایوٹیکنالوجی انفارمیشن (NCBI) کے جین ایکسپریشن اومنیبس (GEO) سے جمع کیے گئے ہیں۔ GEO پر R پر مبنی تجزیے (GEO2R) اور Limma پیکیج کی بنیاد پر ظاہر ہونے والے جینز (|logFC| ≥ 0.5; adj.P.Val ≤ 0.05) حاصل کیے گئے۔ سپورٹ ویکٹر مشین (SVM) کے ساتھ ایک ML ماڈل ان جینز پر تربیت اور توثیق کے ذریعے تیار کیا گیا۔ SVM نے بہت زیادہ پریسیژن اور ریکال دکھایا۔ ہیٹ میپس نے ڈیٹا کے معیار کو یقینی بنایا۔ یہ کام شماریاتی بایومارکرز اور اجتماعی سیکھنے کی اس صلاحیت کو اجاگر کرتا ہے کہ وہ بیماری سے مخصوص جین ایکسپریشن پروفائلز میں فرق کر سکتے ہیں، جس سے جین پر مبنی تشخیصی طریقوں کی تیاری ممکن ہوتی ہے۔ مستقبل میں ماڈل کی تشریح پذیری بڑھانے اور اسے بہتر بنانے کے لیے جینومی ساختی ڈیٹا شامل کیا جا سکتا ہے۔ اس سے مزید نتائج اخذ کرنے کے لیے غیر معمولی جینز کی شناخت میں مدد ملتی ہے۔
جریدے کا IF: نامعلوم (مطابقت نہیں مل سکی)حوالہ: Manohar Mathkunti N, Rangaswamy S, Varsha VP, Bhat S. الزائمر، پارکنسن اور فرنٹوٹیمپورل ڈیمینشیا میں مختلف طور پر ظاہر ہونے والے جینز کا مشین لرننگ الگورتھم کے ذریعے تجزیہ۔ سائنس، ٹیکنالوجی اور سماجی و اقتصادی مطالعات میں پائیدار تحقیق و ترقی کے لیے بین الشعبہ جاتی نقطہ ہائے نظر۔ 2026 Oct 12 [اشاعت سے قبل آن لائن]. doi:10.1201/9781042035762-123.جانچا گیا: صرف خلاصہ
پارکنسن کے تمام 1 مقالات دیکھیں →
موروثی اعصابی تنزلی کی بیماریاں: علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
اعصابی و عضلاتی بیماریاں (مسکیولر ڈسٹروفی، SMA): علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
ملٹیپل سکلیروسس: علاج، کلینیکل ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
NMOSD اور MOGAD: علاج، کلینیکل ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔
مایستھینیا گریویس: علاج، کلینیکل ٹرائلز اور AI
- خلاصہ
پس منظر: مایسینیا گریوس (MG) کی شدید شدت اختیار کرنے والی کیفیات، جن میں انتہائی نگہداشت یونٹ (ICU) میں داخلے کی ضرورت پڑتی ہے، کی ابتدائی شناخت بیماری کے انتہائی غیر یکساں ہونے کے باعث اب بھی ایک چیلنج ہے۔ موجودہ ماڈلز میں شاذ و نادر ہی فینوٹائپ کی درجہ بندی شامل کی جاتی ہے، جس سے تشریح پذیری اور طبی افادیت محدود ہو جاتی ہے۔ مقصد: اس مطالعے کا مقصد ایک قابلِ وضاحت مشین لرننگ (ML) ماڈل تیار کرنا تھا تاکہ فینوٹائپ سے مخصوص خطرے کے عوامل کا جائزہ لیا جا سکے اور MG کے مریضوں میں ICU میں داخلے کی پیش گوئی کی جا سکے۔ ڈیزائن اور طریقے: اس سابقہ مطالعے میں MG کے 319 داخل مریض شامل تھے۔ ہم نے ML ماڈلنگ کے لیے طبی متغیرات اور نظامی سوزش کے نشانات استعمال کیے۔ ذیلی گروہ تھائموما کی حالت اور آغاز کی عمر کی بنیاد پر پیشگی طے کیے گئے تھے۔ بنیادی نتیجہ دورانِ داخلہ انتہائی نگہداشت کی ضرورت تھا۔ ماڈل کی کارکردگی کا جائزہ لیا گیا۔ عالمی اور انفرادی خصوصیات کی تشریح کے لیے SHapley Additive exPlanations (SHAP) استعمال کیا گیا۔ نتائج: 319 داخلوں میں سے 33 (10.3%) کو ICU نگہداشت کی ضرورت پڑی۔ چار ML ماڈلز کو نیسٹڈ 3-فولڈ توثیق کے ساتھ تربیت دی گئی۔ eXtreme Gradient Boosting نے بہترین کارکردگی دکھائی (AUC: 0.94)۔ SHAP نے MGFA طبی درجہ بندی، دورانِ داخلہ انفیکشن، باڈی ماس انڈیکس اور سوزشی اشاریوں کو بنیادی پیش گو عوامل کے طور پر درجہ دیا۔ ذیلی گروہی تجزیوں سے فینوٹائپ سے مخصوص نمونے سامنے آئے، جن میں تھائموما اور غیر تھائموما گروہوں کے درمیان سوزشی نشانات کے لیے SHAP کی مخالف سمتیں اور آغاز کی مختلف عمر کے گروہوں کے درمیان مختلف درجہ بندیاں شامل ہیں۔ SHAP پر مبنی ذاتی نوعیت کی وضاحتوں نے خطرے کی درجہ بندی اور پیش گو خصوصیات کی سمتیت میں مریض سے مخصوص تغیرات کو ظاہر کیا۔ ماڈل کے حقیقی وقت میں طبی نفاذ میں معاونت کے لیے ایک ویب پر مبنی کیلکولیٹر تیار کیا گیا، جو ممکنہ طور پر خطرے کی درجہ بندی کی اجازت دیتا ہے۔ نتائج کا خلاصہ: ایک قابلِ وضاحت مشین لرننگ فریم ورک، جو طبی خصوصیات کو نظامی سوزش کے اشاریوں کے ساتھ ملاتا ہے، MG میں ICU میں داخلے کی قابلِ اعتماد پیش گوئی کرتا ہے اور فینوٹائپ سے مخصوص خطرے کے نمونوں کو ظاہر کرتا ہے، جس سے MG کے انتظام میں ذاتی نوعیت کی خطرے کی درجہ بندی ممکن ہوتی ہے۔
جریدے کے IF کے مساوی: 0.5 (OpenAlex کی 2 سالہ اوسط citedness، قدر بتاریخ 2026-10-13، حاصل کردہ 2026-10-14؛ سرکاری Clarivate IF نہیں)حوالہ: Chang CC, Lin KY, Yeh JH, Chiu HC, Liu TC, Lu CJ۔ مائیسthینیا گریویس کے مریضوں میں فینوٹائپ اور سوزشی نشانات کی بنیاد پر انتہائی نگہداشت کی ضرورت کے ذاتی نوعیت کے جائزے کے لیے قابلِ وضاحت مشین لرننگ ماڈل۔ QJM: An International Journal of Medicine۔ 2026 Oct 12 [Epub ahead of print]۔ doi:10.1093/qjmed/hcag289.جانچا گیا: صرف خلاصہ
مایستھینیا گریویس کے تمام 1 مقالات دیکھیں →
آٹو امیون اینسیفلائٹس، CIDP اور گیلین-بیرے سنڈروم: علاج، ٹرائلز اور AI
اس شمارے کے لیے کوئی نیا اہل مقالہ نہیں۔