ИИ в медицине

Разработана гибридная мультимодальная нейросеть, сочетающая классические CNN и квантовые вариационные схемы для диагностики болезни Паркинсона по рисункам спиралей и клиническим данным. Модель показала высокую точность (до 97.28%) и обеспечивает интерпретируемость результатов с помощью Grad-CAM и анализа чувствительности.

Разработан мультимодальный ИИ-фреймворк, объединяющий гистопатологические изображения и клинические данные для диагностики рака эндометрия. Модель демонстрирует высокую точность (AUC 0.95), обеспечивая при этом интерпретируемость результатов и защиту конфиденциальности данных пациентов.

Исследователи предложили ансамблевую модель на базе LLaMA-3 и GPT-4o mini для автоматического извлечения данных о регуляторных сетях бактерий из научных текстов. Метод показал высокую точность (F1-score > 0.87) и позволил реконструировать сеть для Salmonella Typhimurium на основе более чем 2000 статей.

Обзор посвящен применению искусственного интеллекта в качестве системы поддержки принятия клинических решений в условиях ОИТ, особенно при лечении сепсиса. Авторы классифицируют возможности ИИ для оптимизации антибиотикотерапии, разделяя сигналы патогенов и реакции организма хозяина на шесть ключевых этапов лечения.

Исследователи представили Pipette — инновационную мультиагентную ИИ-платформу, предназначенную для автоматизации сложных биоинформатических рабочих процессов через взаимодействие на естественном языке. Ключевой особенностью системы является использование Skill Graph — направленного взвешенного графа знаний, извлеченного из более чем 20 000 рецензируемых научных публикаций. Этот граф накладывает биологические ограничения на генерацию кода, предотвращая ошибки, которые часто допускают стандартные LLM при создании многоэтапных пайплайнов. В ходе тестирования на четырех доменах, включая анализ single-cell RNA-seq и компьютерный дизайн лекарств, Pipette показал результаты, превосходящие базовые модели LLM без использования Skill Graph. Особое внимание уделено клиническому применению: система успешно выполнила классификацию вариантов генома в соответствии со стандартами ACMG/AMP. Внедрение Pipette значительно снижает порог вхождения для биологов, не обладающих глубокими навыками программирования, позволяя эффективно преобразовывать данные секвенирования в биологические инсайты.

Исследование представляет TB-Bench — комплексную платформу для оценки эффективности алгоритмов машинного (ML) и глубокого обучения (DL) в прогнозировании лекарственной устойчивости туберкулеза на основе данных полногеномного секвенирования (WGS). Авторы проанализировали 20 различных моделей из 8 существующих исследований, протестировав их на 14 препаратах второй линии. В ходе экспериментов на наборе данных ВОЗ (50 801 образец) было выявлено, что традиционные ML-модели, такие как XGBoost, демонстрируют более высокие показатели PRAUC (от 46% до 93%) для 10 из 14 препаратов по сравнению с глубоким обучением. При внешней валидации на 1 199 образцах было установлено, что ни один класс моделей не показал значительного превосходства над каталожными методами, что указывает на проблемы с обобщающей способностью алгоритмов. Результаты подчеркивают потенциал использования упрощенных ML-моделей в условиях ограниченных ресурсов. Исследователи опубликовали исходный код проекта для обеспечения воспроизводимости и дальнейшего развития стандартов оценки в клинической практике.

Исследователи представили Cyclome — комплексную вычислительную платформу для анализа циклических пептидов, которые являются перспективными каркасами для создания новых лекарственных препаратов. В ходе работы авторы объединили разрозненные данные в единый структурированный ресурс Cyclome930, увеличив объем аннотированных пептидов в 3,4 раза (с 276 до 930 соединений). Методология включает разработку уникального алгоритма выравнивания последовательностей, учитывающего вращательную симметрию и топологию узлов, а также проведение полноатомного молекулярно-динамического моделирования методом репликационного обмена (REMD) в диапазоне температур от 298 K до 400 K. На основе полученных данных была обучена модель машинного обучения STop2Melt, которая предсказывает температуру плавления пептидов, используя циклические эмбеддинги (ESMc) и векторы смещения для учета топологии. Кроме того, была разработана модель CritiCL для оценки способности пептидов связывать критически важные минералы. Данная работа создает фундаментальную базу для направленного дизайна стабильных циклических пептидов и их применения в биомедицине и промышленной биорекуперации.

В исследовании представлен HiReS (High-Resolution Segmentation) — программный конвейер с открытым исходным кодом, предназначенный для автоматизации морфометрического анализа планктона. Основная проблема, которую решает метод, заключается в невозможности обработки полноразмерных изображений высокого разрешения стандартными методами глубокого обучения из-за ограничений оперативной памяти. Методология HiReS основана на разделении изображений на перекрывающиеся фрагменты (chunks), применении сегментации экземпляров на базе архитектуры YOLO, последующей реконструкции полигональных аннотаций в пространстве полного изображения и удалении дубликатов. Авторы протестировали систему на видах Daphnia pulex, Daphnia galeata и Simocephalus vetulus, показав, что автоматизированные измерения точно воспроизводят структуру распределения признаков, полученную вручную. Несмотря на выявленное систематическое положительное смещение (multiplicative scaling offset), после центрирования данных расхождения между автоматическим и ручным методами оказались минимальными. Важным практическим результатом является то, что при малых объемах выборки медианные значения, полученные моделью, могут превосходить точность ручных оценок. Данный инструмент представляет интерес для биомедицинских исследований и экологии, где требуется высокоточный количественный анализ микрообъектов.

В данном исследовании рассматривается применение вариационных автоэнкодеров (VAE) как мощного инструмента для обучения без учителя, в частности для обнаружения аномалий и кластеризации данных. Авторы предлагают использовать вероятностную метрику реконструкции (reconstruction likelihood) в качестве стохастической альтернативы традиционным детерминированным показателям ошибки. В ходе работы тестировались различные архитектуры VAE, сочетающие реконструкционную вероятность с обучаемым или управляемым данными априорным распределением. Методология включала использование методов снижения размерности, таких как t-SNE и UMAP, для визуализации латентного пространства, а также алгоритмов k-means и HDBSCAN для верификации кластеров. Результаты показали, что энкодер VAE эффективно отображает данные в латентное пространство с четко выраженной кластерной структурой, соответствующей истинным меткам. Исследование доказывает, что использование семантических признаков в сочетании с вероятностью реконструкции обеспечивает научно обоснованный подход к идентификации типичных образцов и аномалий, что имеет высокий потенциал для клинического применения в анализе биомедицинских данных.

В исследовании представлен VASCIF (Variable-domain Antibody-antigen Structural Complex Interface Finder) — инновационный фреймворк для предсказания интерфейсов взаимодействия антител и антигенов на уровне остатков. Модель построена на архитектуре Masked Graph Attention (MGA), которая представляет белковые комплексы в виде графов аминокислотных остатков, позволяя эффективно улавливать сложные нелокальные структурные зависимости. Разработанный метод решает критические проблемы текущих подходов: ограниченность структурных наборов данных и сильный дисбаланс классов. Согласно результатам тестирования на курируемых наборах данных, VASCIF демонстрирует показатели state-of-the-art (лучшие в своем классе) при кросс-валидации. Исследователи отметили, что переопределение интерфейсов с использованием увеличенного порога расстояния между остатками (~10 ангстрем) значительно повышает точность предсказания. Модель обладает высокой интерпретируемостью, восстанавливая биофизически значимые паттерны взаимодействия, что критически важно для ускорения разработки новых терапевтических антител и понимания механизмов иммунного распознавания.

Компания-интегратор «К2 НейроТех» совместно с ФГАУ «ЦИТ» объявила о завершении разработки специализированной облачной платформы, предназначенной для развертывания промышленного искусственного интеллекта. Проект нацелен на создание технологического фундамента, способного поддерживать высоконагруженные ML-решения на базе отечественного программного обеспечения. Платформа ориентирована на обеспечение бесшовной интеграции ИИ-сервисов в существующую инфраструктуру заказчиков, минимизируя риски импортозамещения. Основное внимание уделено масштабируемости вычислительных мощностей и безопасности данных при работе с нейросетевыми моделями. Несмотря на фокус на промышленном секторе, данная инфраструктура может быть адаптирована для высокотехнологичных медицинских приложений, требующих обработки больших массивов данных. Разработка является важным шагом в создании суверенной экосистемы для внедрения интеллектуальных систем в критически важные отрасли.

Совместное исследование компании «Архитех ИИ» и «Ассоциации школьного кластера» выявило масштабное внедрение технологий искусственного интеллекта в образовательный процесс. Согласно полученным данным, более 70% учащихся используют инструменты на базе ИИ для помощи в изучении математики. Основными сценариями использования являются автоматическое решение задач, получение пошаговых объяснений алгоритмов и генерация дополнительных тренировочных упражнений. Исследование подчеркивает, что ИИ становится важным вспомогательным инструментом, меняющим привычные методы подготовки к урокам. Однако эксперты отмечают необходимость контроля за тем, чтобы использование нейросетей способствовало глубокому пониманию предмета, а не просто механическому списыванию ответов. Данный отчет важен для понимания того, как генеративный ИИ проникает в повседневную деятельность молодежи и какие образовательные риски это несет.

Компания «Медицина ИТ» совместно с разработчиками операционной системы «Альт» подтвердила полную совместимость Комплексной системы автоматизации медицинского учреждения (КСАМУ) с отечественным программным обеспечением. В рамках проекта была проведена проверка корректности работы медицинских модулей на базе ОС «Альт», что критически важно для импортозамещения в цифровом здравоохранении. Интеграция позволяет автоматизировать ключевые процессы медицинских организаций, включая управление электронными медицинскими картами и учетными данными пациентов. Использование отечественной ОС обеспечивает повышенный уровень информационной безопасности и стабильность работы систем в условиях санкционных ограничений. Данное решение упрощает переход медицинских учреждений на независимую программную инфраструктуру без потери функциональности диагностических и административных инструментов. Реализация проекта демонстрирует готовность ИТ-решений для медицины к работе в защищенных контурах российских операционных систем.

Государственная Дума РФ рассматривает законопроект, направленный на расширение способов аутентификации граждан при получении цифровых государственных услуг. В настоящее время существует тенденция к ограничению методов доступа, однако новая инициатива предполагает предоставление пользователям выбора, чтобы избежать зависимости от единых систем, таких как MAX. Законопроект направлен на создание более гибкой и устойчивой цифровой среды взаимодействия государства и личности. Это решение может повлиять на архитектуру систем электронного правительства и требования к безопасности цифровых идентификаторов. Реализация инициативы позволит снизить риски монополизации методов доступа и повысить доступность сервисов для различных категорий граждан. Данное изменение является важным шагом в развитии цифровой инфраструктуры страны и регулировании прав пользователей в цифровом государстве.

ИТ-компания DIS Group совместно с разработчиком «Платформа данных Селена» представила новый программный продукт под названием «Селена Моделирование». Данное решение ориентировано на работу со сложными структурами данных и позволяет автоматизировать процессы моделирования информационных потоков. Основная цель продукта заключается в оптимизации управления данными и повышении точности построения моделей для различных бизнес-процессов. Хотя в анонсе не указана узкая медицинская специализация, подобные платформы управления данными являются критически важным фундаментом для внедрения систем искусственного интеллекта в здравоохранении, так как обеспечивают подготовку структурированных датасетов. Инструмент может быть полезен медицинским организациям при интеграции разрозненных систем электронных медицинских карт и подготовке данных для обучения нейросетей. Решение направлено на повышение качества архитектуры данных, что напрямую влияет на надежность последующей аналитики и предиктивного моделирования.

Компании DIS Group и «К2Тех» объявили о расширении стратегического партнерства, сфокусированного на управлении жизненным циклом искусственного интеллекта (AI Lifecycle Management) и корпоративными данными. В рамках соглашения стороны планируют объединить экспертизу в области внедрения сложных ИТ-решений и управления данными для оптимизации процессов работы с ИИ в крупных организациях. Основной акцент будет сделан на создании надежной инфраструктуры, которая позволяет не только разрабатывать модели машинного обучения, но и эффективно поддерживать их работоспособность, обеспечивая высокое качество входных данных. Это сотрудничество направлено на решение проблем масштабирования ИИ-проектов и интеграции нейросетевых технологий в существующие бизнес-процессы заказчиков. Проект имеет важное значение для цифровой трансформации, так как качественное управление данными является фундаментом для точности медицинских и аналитических ИИ-систем.

Министерство цифрового развития РФ расширило перечень цифровых сервисов, которые сохраняют доступность даже при ограничениях мобильного интернета. В обновленный «белый список» были официально включены системы непрерывного мониторинга глюкозы (CGM), что является важным шагом для обеспечения бесперебойной связи между медицинскими устройствами и пользовательскими приложениями. Данное решение критически важно для пациентов с сахарным диабетом, так как позволяет избежать прерывания передачи жизненно важных данных о состоянии сахара в крови в условиях нестабильного соединения. Интеграция таких специализированных медицинских технологий в реестр приоритетных сервисов гарантирует стабильную работу систем мониторинга в экстренных ситуациях. Это решение подчеркивает растущую роль цифровых медицинских технологий и IoT-устройств в обеспечении непрерывного контроля за состоянием здоровья граждан.

Компания Kilo представила платформу KiloClaw для организаций, предназначенную для решения проблемы «теневого ИИ» (Shadow AI) и бесконтрольного использования автономных агентов сотрудниками. В условиях тренда Bring Your Own AI (BYOAI) работники внедряют персональных агентов для автоматизации задач, что создает критические уязвимости и риски утечки интеллектуальной собственности через личные API-ключи. KiloClaw предоставляет централизованную панель управления, позволяющую ИТ-службам идентифицировать, отслеживать и ограничивать действия автономных агентов, не блокируя при этом продуктивность. В отличие от традиционных систем управления доступом (IAM), ориентированных на людей, решение учитывает динамическую природу агентов, которые способны самостоятельно выстраивать цепочки задач и взаимодействовать с корпоративными данными в Slack, Jira и репозиториях кода. Платформа позволяет интегрировать разрозненные инструменты в единый реестр для аудита поведения и потоков данных, предотвращая использование корпоративной информации сторонними серверами для обучения моделей.

Автор, практикующий врач скорой помощи, анализирует реализм сериала через призму административных нагрузок на медиков. Основное внимание уделяется проблеме неэффективных ИТ-систем, сложности аутентификации и управления доступом, которые замедляют работу врачей и способствуют выгоранию.