Исследования, новости индустрии и регуляторные изменения в области применения искусственного интеллекта в здравоохранении
В исследовании представлена архитектура глубокого обучения для обнаружения легочного фиброза по рентгеновским снимкам грудной клетки. Система объединяет сегментацию краев (ES-D-HED) и классификацию (ResNet152V2) с использованием Grad-CAM для обеспечения интерпретируемости клинических решений.
Исследователи представили SPgen — инновационную мультимодальную платформу на базе фундаментальных моделей, предназначенную для предсказания пространственного распределения белков в тканях. В отличие от существующих методов, которые ограничены анализом лишь малого количества белков, SPgen интегрирует белковые последовательности, функциональные аннотации, транскриптомные профили и пространственные данные для создания универсальных представлений. Методология позволяет модели выходить за рамки экспериментально измеренных панелей белков, обеспечивая протеомно-широкое предсказание. В ходе тестирования на различных наборах данных пространственной протеомики модель продемонстрировала высокую точность реконструкции пространственных паттернов и эффективное снижение уровня измерительного шума. Данная технология имеет критическое значение для понимания функций тканей, механизмов заболеваний и оценки терапевтического ответа, значительно снижая стоимость и расширяя возможности высокопроизводительного анализа без необходимости дорогостоящих экспериментов.
В статье представлен CSOA (Cell Set Overlap Analysis) — инновационный метод анализа обогащения наборов генов (GSEA) для данных секвенирования единичных клеток. Основная проблема существующих подходов заключается в генерации неоднозначных оценок, которые не позволяют четко отличить клетки с биологическим сигналом от фонового шума. Авторы предложили использовать взаимосвязи генных пар, количественно оценивая парные перекрытия между наборами высокоэкспрессируемых клеток, построенными для каждого сигнального гена. В ходе исследования CSOA был протестирован против 16 существующих методов, представляющих пять методологических классов, включая прямое и ранговое скорирование, а также анализ избыточности. Использование новых метрик, таких как покрытие оценки (score coverage) и выравнивание силуэта ранга (silhouette rank alignment), подтвердило превосходство CSOA в точности аннотации типов клеток и биологических процессов. Метод показал лучшие результаты в определении границ классов во всех протестированных наборах данных и превзошел большинство конкурентов по вычислительной эффективности. CSOA является высокоэффективным инструментом для точного выявления клеток, обогащенных специфическими биологическими сигналами.
Исследование посвящено анализу механизмов работы геномных фундаментальных моделей (Genomic Foundation Models) и выявлению того, какие именно слои нейросети наиболее важны для классификации генетических вариантов. Авторы исследуют разрыв между «репрезентативными» слоями (где пиковая точность одного признака) и «нагрузочными» слоями (на которые опирается итоговый классификатор). В ходе экспериментов на базе 8 008 вариантов из базы ClinVar использовались модели NT-v2 500M (MLM) и Evo 2 7B (CLM). Результаты показали, что эти слои не совпадают: в MLM-моделях нагрузочные слои находятся в середине-начале сети, а в гибридных CLM-моделях — глубоко в конце. Практическая значимость работы заключается в том, что использование стандартного последнего слоя (last-layer pooling) приводит к потере важного сигнала; например, в модели NT-v2 использование 1-мерного скаляра из среднего слоя повышает AUROC на 0,049 по сравнению с классическим 1024-мерным методом. Это дает четкое руководство для оптимизации архитектур при анализе генетических данных.
Исследование посвящено изучению биофизических характеристик интерфейсов белок-белковых взаимодействий (PPI) в трансмембранных белках, которые играют ключевую роль в передаче сигналов и транспорте веществ. Авторы использовали интерактом белков-переносчиков человека (SLC) и применили AlphaFold v3.0 для предсказания структур 2 055 экспериментально подтвержденных взаимодействий. В ходе работы проводилось молекулярное динамическое моделирование, а каждый интерфейс был описан с помощью 63 физико-химических, структурных и энергетических признаков. Результаты показали, что аминокислотный состав и вторичная структура являются определяющими факторами для отличия растворимых интерфейсов от полностью встроенных в мембрану. Было установлено, что мембранно-встроенные интерфейсы характеризуются повышенной долей гидрофобных остатков и α-спиралей при значительном дефиците заряженных остатков. Исследование выявило, что характеристики интерфейса варьируются в зависимости от количества трансмембранных сегментов, что создает надежную основу для будущего дизайна и изучения взаимодействий мембранных белков с помощью машинного обучения.
В отчете Офиса Генерального инспектора (OIG) рассматриваются механизмы повышения эффективности выявления и передачи данных о случаях мошенничества, растрат и злоупотреблений в системе Medicaid. Основное внимание уделяется деятельности организаций управляемого медицинского обслуживания (MCO), которые обязаны сообщать о подозрительной деятельности. Исследование подчеркивает необходимость улучшения взаимодействия между штатами и страховыми компаниями для увеличения объема официальных обращений по фактам мошенничества. В документе анализируются текущие пробелы в процессах отчетности, которые мешают своевременному выявлению финансовых нарушений. Улучшение этих механизмов позволит более эффективно использовать государственные ресурсы и защитить бюджеты программ Medicaid. Несмотря на то, что статья касается административного регулирования и борьбы с фродом, она имеет косвенное отношение к цифровизации и анализу данных в здравоохранении.
В исследовании, опубликованном в Nature Machine Intelligence, авторы (Lin et al.) представляют новую биомиметическую генеративную модель, вдохновленную принципами работы человеческого мозга. Модель использует концепцию когнитивных карт, стохастические вычисления и композиционное кодирование для реализации процессов планирования и решения сложных задач. Ключевой особенностью разработки является способность системы к целенаправленному «воображению» сценариев, что имитирует когнитивные способности живых организмов. В отличие от традиционных глубоких нейросетей, предложенный подход требует только локальной синаптической пластичности, что делает его потенциально более эффективным с точки зрения энергопотребления и обучения. Исследование закладывает теоретический фундамент для создания более совершенных ИИ-агентов, способных к автономному планированию действий в динамических средах. Хотя работа носит фундаментальный характер, её результаты имеют долгосрочное значение для развития нейроморфных вычислений и систем искусственного интеллекта следующего поколения.
Исследование, опубликованное в журнале npj Digital Medicine, посвящено анализу эффективности дистанционного мониторинга сна для раннего выявления когнитивного снижения. В ходе работы ученые использовали технологии носимых устройств и удаленного сбора данных для отслеживания физиологических показателей пациентов в их естественной среде обитания. Методология исследования базировалась на анализе долгосрочных паттернов сна, которые могут служить биомаркерами нейродегенеративных процессов. Ключевые результаты демонстрируют наличие четких корреляций между специфическими нарушениями архитектуры сна и прогрессирующим снижением когнитивных функций. Данная работа подчеркивает потенциал использования ИИ-алгоритмов для анализа данных дистанционного мониторинга в качестве инструмента предиктивной диагностики. Практическая значимость исследования заключается в возможности создания систем раннего предупреждения для пациентов с риском развития деменции и болезни Альцгеймера без необходимости проведения дорогостоящих лабораторных полисомнографий.
Представлена разработка COSMOS (Clinical Omics System for Metadata and Outcome Storage) — инфраструктуры с открытым исходным кодом, предназначенной для оптимизации работы с данными клинических исследований. Система ориентирована на соблюдение принципов FAIR (находимость, доступность, совместимость, повторное использование) и стандартов GCP (надлежащей клинической практики). Ключевой особенностью является внедрение автоматизированного «слоя доверия» (Trust Layer) для контроля качества и валидации данных (DQ&DV), что позволяет беспрепятственно переводить академические мультиомиксные наборы данных в структурированные репозитории внутри защищенных сред (SDE). Благодаря интеграции реляционной SQL-схемы и аналитических структур (например, объектов ExpressionSet), COSMOS обеспечивает динамическую связь между клиническими и омиксными данными. Исследователи могут осуществлять как программный, так и интерактивный доступ к данным через приложения R Shiny, что значительно снижает технический порог входа. Внедрение данной платформы способствует управляемому повторному использованию данных и ускоряет проведение вторичных исследований в области персонализированной медицины.
Представлен GeneAutomate — специализированный веб-инструмент для сравнительного анализа функциональной геномики, предназначенный для одновременной обработки двух списков генов (например, из разных групп лечения или тканей). В отличие от существующих сервисов вроде DAVID или Enrichr, работающих с одиночными списками, GeneAutomate реализует анализ обогащения (ORA) по базам Gene Ontology и Reactome, а также GSEA при наличии ранжированных данных. Уникальность архитектуры заключается в использовании предварительно скомпилированной офлайн-базы данных объемом 32 МБ, где все идентификаторы (Ensembl, Entrez, символы) сопоставлены с единым целочисленным индексом, что исключает задержки при запросах к серверам. Платформа предлагает 13 интерактивных видов визуализации на базе D3.js и Cytoscape.js, включая тепловые карты RRHO, «радарные» диаграммы функциональных отпечатков GO-slim и диаграммы перекрестных связей (chord diagrams). Инструмент позволяет извлекать подграфы белок-белковых взаимодействий (PPI) из базы BioGRID, обеспечивая глубокую интеграцию данных без необходимости локальной установки ПО или использования R/Bioconductor. На текущем этапе разработка ограничена только видами Homo sapiens и анализом не более трех списков одновременно.
Министерство внутренней безопасности США (DHS) вводит новые правила, которые меняют порядок выдачи виз категории J для врачей, проходящих резидентуру или феллоушип. Ранее срок действия визы был жестко привязан к длительности программы обучения, однако теперь вводится четырехлетний лимит, превышение которого потребует от медицинских специалистов подачи отдельного заявления на продление пребывания (Extension of Stay). Согласно статистике, около 10% всех врачей, участвующих в программах подготовки, зависят от спонсорства по визе J. Данное изменение создает дополнительную административную нагрузку на медицинские учебные заведения и иностранных специалистов, так как многие программы обучения длятся более четырех лет. Это решение напрямую влияет на кадровое обеспечение системы здравоохранения и процесс интеграции иностранных врачей в американскую медицинскую практику.
Согласно результатам исследования компании KLAS, искусственный интеллект (ИИ) стал приоритетным направлением для инвестиций в ИТ-инфраструктуру медицинских организаций по всему миру. В опросе приняли участие представители различных глобальных организаций здравоохранения, среди которых 57% назвали внедрение ИИ и машинного обучения своим главным приоритетом. На втором месте по значимости оказались электронные медицинские карты (EHR) и общая цифровизация процессов. Данный отчет подчеркивает стремительный переход индустрии от простого сбора цифровых данных к их интеллектуальной обработке. Результаты исследования демонстрируют, что медицинские учреждения стремятся использовать ИИ для оптимизации рабочих процессов и повышения эффективности управления данными. Это исследование имеет высокую значимость для понимания глобальных трендов распределения бюджетов в секторе цифрового здравоохранения.
Специалисты и студенты Первого МГМУ им. И.М. Сеченова совместно с российскими вузами приступили к разработке инновационной системы искусственного интеллекта для персонализированного контроля гликемии. Ключевой особенностью проекта является учет специфических физиологических факторов, в частности, фаз менструального цикла, которые существенно влияют на колебания уровня глюкозы у женщин с сахарным диабетом. В отличие от стандартных систем мониторинга, данный ИИ-алгоритм будет интегрировать данные непрерывного мониторинга глюкозы с гормональным профилем пациента. Это позволит более точно прогнозировать гипо- и гипергликемические состояния, минимизируя риски осложнений. Разработка направлена на создание высокоточного инструмента поддержки принятия клинических решений для эндокринологов и пациентов. Внедрение такого подхода может значительно повысить качество жизни женщин с диабетом за счет более гибкой и адаптивной терапии.
В исследовании представлен инновационный метод классификации узлов щитовидной железы, основанный на архитектуре мультиэкспертного консенсусного слияния с использованием априорных знаний (prior-guided multi-expert consensus fusion). Авторы разработали модель, которая способна эффективно объединять результаты различных экспертных нейросетевых модулей для повышения точности диагностики в условиях многоцентровых данных. Основная методология заключается в интеграции медицинских априорных знаний в процесс обучения, что позволяет минимизировать ошибки, возникающие из-за вариативности оборудования и протоколов в разных медицинских центрах. Исследование демонстрирует значительное улучшение показателей точности и устойчивости модели при работе с гетерогенными наборами данных. Данная разработка имеет высокую практическую значимость для радиологии и эндокринологии, предлагая инструмент для автоматизированного и стандартизированного скрининга патологий щитовидной железы. Внедрение такого подхода позволит снизить нагрузку на врачей и уменьшить субъективность при интерпретации ультразвуковых или КТ-изображений.
В исследовании разработана и протестирована шкала для измерения степени зависимости студентов медицинских специальностей от генеративного ИИ. Результаты выявили две основные составляющие зависимости: эмоционально-дезорганизованную и когнитивную, что важно для понимания влияния ИИ на процесс обучения будущих медиков.
Исследование оценивает эффективность цифровой программы SK-121, сочетающей геймификацию и дистанционный мониторинг пациентов после ЧКВ. Несмотря на отсутствие значимого снижения общего риска по шкале SMART2, программа показала улучшение приверженности к лечению, знаний о болезни и показателей диастолического давления.
Исследование посвящено разработке модели на основе случайного леса (Random Forest) для выявления пациентов, склонных к обострению стенокардии при высоких температурах. Модель показала высокую точность в прогнозировании рисков, используя 14 предикторов, включая биомаркеры воспаления и метаболизма липидов.
В статье предлагается концептуальная модель, согласно которой успех внедрения ИИ в медицине зависит от уровня грамотности ключевых участников: врачей, пациентов и регуляторов. Авторы выделяют шесть критических аспектов ИИ-грамотности, включая понимание алгоритмов и осознание предвзятости, и призывают к инвестициям в развитие человеческого потенциала наряду с техническим прогрессом.
Исследование направлено на создание методологической базы для разработки инструментов mHealth, помогающих планировать визиты пациентов с гипертензией. Авторы проанализировали решения врачей при интерпретации данных домашнего мониторинга давления, выявив закономерности, которые могут лечь в основу алгоритмов поддержки принятия решений.
В исследовании представлен метод глубокого ансамблевого обучения, сочетающий self-attention stacked bidirectional LSTM и алгоритм оптимизации Parallel-Whale для прогнозирования стадий колоректального рака. Использование техники DeepSurv позволяет проводить анализ выживаемости пациентов на основе геномных данных, что помогает в персонализированном подходе к лечению.
