ИИ в медицине

В статье проводится критический анализ применения ИИ в токсикологии, включая вопросы безопасности биопрепаратов и синтетических пептидов. Авторы предлагают фреймворк «TREAT» и концепцию «e-validation» для преодоления разрыва между технической эффективностью моделей и их признанием регуляторами.

Проведен комплексный библиометрический анализ публикаций за период с 2000 по 2025 год, посвященных применению ИИ в изучении сонных артерий. Исследование выявило переход к прецизионной медицине на основе мультимодальных данных и подчеркнуло растущую роль ИИ в ранней диагностике и мониторинге заболеваний.

Исследование посвящено изучению причин анемии у молодых женщин и разработке мобильного приложения на базе ИИ для скрининга и управления состоянием. Разработанная модель машинного обучения показала точность 74,39%, что выше точности традиционной диагностики (71%) в рамках данного исследования.

Исследование оценивает эффективность системы на базе ИИ для контроля выполнения упражнений при болях в шее. Результаты показали высокую валидность программы (IOC 0.86–1.00) и умеренную надежность при измерении точности и времени выполнения упражнений.

Исследование посвящено изучению способности моделей глубокого обучения предсказывать динамику и гибкость белков, что критически важно для понимания их биологических функций. Авторы провели количественный анализ, сравнивая профили среднеквадратичных флуктуаций (MSF) на уровне остатков, полученные из сгенерированных ансамблей структур, с экспериментальными данными и результатами молекулярной динамики. В качестве бенчмарков использовались 70 наборов данных ЯМР, 43 пары рентгеноструктурных данных в разных конформациях, 82 структуры криоэлектронной микроскопии и симуляции молекулярной динамики для 10 белков. Сравнивались возможности AlphaFold3, AlphaFold2 и RosettaFold; результаты показали, что AlphaFold3 демонстрирует наилучшую точность в предсказании гибкости. Было установлено, что точность прогнозов возрастает при увеличении количества генерируемых моделей до 15. Работа доказывает, что ансамбли структур, созданные ИИ, могут эффективно служить суррогатами для оценки физической подвижности белков, и сопровождается публикацией трех Jupyter Notebooks для практического применения метода.

В данном исследовании ученые применили вычислительный пайплайн ab initio для анализа восьми сегментов РНК вируса гриппа А (штамм H3N2), чтобы выявить механизмы регуляции генов хозяина через микроРНК-подобные механизмы. С помощью инструментов VMir и MatureBayes были предсказаны пре-микроРНК и зрелые микроРНК, а последующий анализ через сервер miRDB позволил определить их мишени в геноме человека. Исследователи идентифицировали 10 сегмент-специфичных целевых генов (включая IFNL1, DDX60, SAMHD1, MAVS, IRF4, BIRC2, AGO1, MAP3K1, NOD1, TNFAIP1) и один общий целевой ген (CADM2) для всех сегментов. Анализ генных онтологий показал значительное обогащение путей интерферонового сигналинга, RIG-I-подобных рецепторов, РНК-интерференции и воспалительных реакций. Результаты демонстрируют, что вирус использует микроРНК для модуляции врожденного иммунитета, что открывает новые перспективы для поиска терапевтических мишеней. Работа предоставляет конкретный список генов-кандидатов для дальнейшей экспериментальной валидации в контексте патогенеза гриппа.

В статье представлен GeneFior — новый прозрачный рабочий процесс (workflow), предназначенный для обнаружения целевых генетических последовательностей, таких как гены антибиотикорезистентности, напрямую из данных геномного и метагеномного секвенирования. Авторы решают проблему традиционных методов, которые полагаются на предварительную сборку (assembly), что часто приводит к потере данных о низкокопийных вариантах и нуклеотидном разнообразии. Методология GeneFior интегрирует в единую систему такие инструменты, как BLAST, DIAMOND, Bowtie2, BWA и Minimap2, позволяя проводить поиск как ДНК, так и белковых последовательностей по любым пользовательским базам данных. Ключевым преимуществом является применение погенного порога идентичности и покрытия на уровнях ридов и генов, что значительно снижает количество ложноположительных результатов при сохранении высокой чувствительности к вариантам с однонуклеотидными различиями. Инструмент обеспечивает полную воспроизводимость за счет экспонирования всех параметров выравнивания и сохранения промежуточных результатов, формируя матрицы консенсусного обнаружения. Это позволяет исследователям напрямую оценивать влияние выбора инструментов и конфигурации параметров на итоговые профили генов, что критически важно для точной метагеномной диагностики.

Представлена новая библиотека с открытым исходным кодом на языке Python под названием mantis-delta, предназначенная для анализа химических реакционных сетей (CRNT). Библиотека позволяет автоматизировать структурный анализ систем, используя теорию масс-действия, и определяет применимость теорем о дефиците нуля (DZT) и дефиците один (D1T). Инструмент способен без проведения симуляций подтверждать существование, уникальность и асимптотическую стабильность положительных стационарных состояний. Для сложных систем, не подпадающих под структурные теоремы, mantis-delta генерирует символьные обыкновенные дифференциальные уравнения (ODE) и использует гибридный численный решатель для поиска как стабильных, так и нестабильных фиксированных точек, включая центры бифуркации Хопфа. В ходе тестирования на шести бенчмарках, включая механизм Михаэлиса-Ментен и биосенсор miR-21, библиотека показала высокую точность: остаточные значения составили менее 10⁻⁶ М·с⁻¹. Данная разработка представляет интерес для биоинформатики и системной биологии, так как позволяет моделировать динамику сложных биохимических процессов и сенсоров.

Исследователи представили Cryosearch — инновационную систему для автоматизированного моделирования макромолекулярных комплексов на основе библиотек мономеров протеомного масштаба. В основе метода лежит использование алгоритма поиска по дереву Монте-Карло (MCTS) с системой вознаграждений, основанной на корреляции, что позволяет эффективно исследовать колоссальное комбинаторное пространство возможных белковых взаимодействий. Система способна осуществлять автономную сборку молекулярных комплексов de novo на основе карт электронной плотности промежуточного разрешения, что ранее требовало трудоемкого ручного моделирования. Методология позволяет сопоставлять различные комбинации белковых доменов с картами криоэлектронной микроскопии (cryo-EM) для поиска оптимального структурного соответствия. Данная разработка значительно ускоряет структурную клеточную биологию, позволяя визуализировать функциональные молекулы в их естественной среде с высокой точностью. Применение Cryosearch открывает новые возможности для автоматизации структурного анализа протеомов и понимания архитектуры сложных биологических систем.

Исследователи представили SpatialArtifacts — новый вычислительный фреймворк, предназначенный для автоматического обнаружения технических артефактов в данных пространственной транскриптомики. Проблема таких дефектов, как сухие участки, отслоение тканей и неравномерное покрытие реагентами, критически влияет на точность анализа, особенно на границах образцов. Методология SpatialArtifacts сочетает в себе метод обнаружения выбросов на основе медианного абсолютного отклонения (MAD) с операциями математической морфологии. Использование фокальных операций, таких как заполнение 3x3, контур 5x5 и звездная связность, позволяет эффективно объединять низкокачественные споты в кластеры, сохраняя при этом истинные биологические домены. Разработанная иерархическая система классификации позволяет различать краевые и внутренние артефакты, а также разделять их по размеру, что упрощает последующую очистку данных. Эффективность метода была подтверждена на данных гиппокампа человека, дорсолатеральной префронтальной коры и тканей колоректального рака с использованием платформ 10x Genomics Visium и VisiumHD. Инструментарий доступен в открытом доступе через репозитории Bioconductor и PyPI.

В данном исследовании представлена инновационная двухэтапная программная платформа для прогнозирования белок-белковых взаимодействий (PPI), что является критически важной задачей молекулярной биологии. Авторы предлагают отойти от традиционного ручного проектирования признаков, используя автоэнкодер на базе одномерной сверточной нейронной сети (1D-CNN) для автоматического извлечения скрытых представлений из белковых последовательностей. В рамках методологии полученные латентные признаки объединяются с классическими признаками на основе частоты аминокислот, формируя гибридный набор данных. Для оценки эффективности применялась процедура вложенной перекрестной проверки (nested cross-validation). Результаты показали, что интеграция глубокого обучения признаков значительно повышает точность моделей по сравнению с использованием только частотных характеристик. Итоговая модель на базе классификатора случайного леса (Random Forest) продемонстрировала высокую эффективность, достигнув среднего показателя AUC-ROC 0,91 и F1-меры на тестовой выборке 0,87. Данный подход открывает новые возможности для ускорения биомедицинских исследований за счет снижения зависимости от трудоемких экспериментальных методов.

Компании Naumen и MWS AI объявили о заключении стратегического партнерства, направленного на развитие технологий искусственного интеллекта. В рамках данного соглашения стороны планируют объединить свои компетенции для создания инновационных решений в области интеллектуальной автоматизации процессов. Основной фокус сотрудничества будет направлен на разработку и внедрение ИИ-сервисов, которые могут быть интегрированы в существующие программные экосистемы. Хотя конкретные медицинские кейсы в предоставленном фрагменте не детализированы, партнерство имеет значение для цифровизации крупных организаций, включая сектор здравоохранения, через оптимизацию клиентского опыта и автоматизацию рабочих процессов. Ожидается, что синергия экспертизы Naumen в области корпоративного ПО и технологий MWS AI позволит ускорить вывод на рынок новых интеллектуальных продуктов. Данное событие подчеркивает растущий тренд на интеграцию продвинутых ML-моделей в бизнес-приложения.

Сбербанк внедряет технологии генеративного искусственного интеллекта для качественной трансформации своих страховых продуктов и улучшения клиентского опыта. Основная цель инициативы заключается в существенном сокращении времени ожидания клиентов при взаимодействии с сервисами компании. Использование LLM-моделей (Large Language Models) позволит автоматизировать обработку запросов и персонализировать предложения в сфере страхования. Внедрение ИИ-инструментов направлено на оптимизацию внутренних процессов и повышение операционной эффективности страхового бизнеса. Данное решение является частью масштабной стратегии цифровой трансформации экосистемы Сбера. Ожидается, что интеграция генеративного ИИ сделает страховые услуги более доступными и быстрыми для конечного потребителя.

Компания МТС реализовала проект по внедрению системы экстренного вызова медицинского персонала в терапевтическом отделении Курской городской больницы №6. В рамках проекта в палатах установлены специализированные смарт-кнопки, которые позволяют пациентам мгновенно сигнализировать о необходимости помощи. Технологическое решение интегрировано в общую инфраструктуру медучреждения, обеспечивая быструю передачу сигнала от пациента к дежурному персоналу. Данная инициатива направлена на повышение безопасности пациентов и оптимизацию взаимодействия между ними и медицинскими работниками. Внедрение подобных систем цифровизации помогает снизить время реагирования на критические ситуации в стационаре. Проект демонстрирует возможности применения телекоммуникационных технологий для улучшения операционных процессов в государственном здравоохранении.

Компании «Крайон» и Just AI объявили о стратегическом партнерстве, направленном на создание и внедрение передовых решений на базе искусственного интеллекта для бизнес-сектора. Основная цель сотрудничества заключается в демократизации доступа к современным ИИ-технологиям и их адаптации под конкретные задачи бизнеса. В рамках партнерства планируется совместная разработка продуктов, которые помогут компаниям автоматизировать процессы и повысить эффективность операционной деятельности. Несмотря на фокус на бизнес-решениях, данные технологии могут иметь косвенное применение в оптимизации административных процессов в здравоохранении. Проект ориентирован на интеграцию интеллектуальных систем в существующую инфраструктуру заказчиков. На текущем этапе стороны фокусируются на масштабировании доступности ИИ-инструментов для широкого круга корпоративных клиентов.

Компания МТС представила новую технологическую платформу МТС AIoT, которая интегрирует возможности промышленного интернета вещей (IIoT) и передовые алгоритмы искусственного интеллекта. Основная цель продукта — ускорение цифровой трансформации различных секторов бизнеса через внедрение интеллектуальных помощников и автоматизацию процессов сбора данных. Платформа позволяет объединять разрозненные датчики и устройства в единую экосистему, где ИИ анализирует поступающие потоки информации в режиме реального времени. Это дает возможность компаниям оптимизировать операционные расходы, прогнозировать поломки оборудования и повышать эффективность использования ресурсов. Несмотря на широкую бизнес-ориентированность, решение имеет потенциал применения в управлении инфраструктурой медицинских центров и автоматизации мониторинга в здравоохранении. Технология ориентирована на создание автономных систем, способных принимать решения на основе предиктивной аналитики.

Российская ИТ-компания «СберТех» представила новое решение Platform V SOWA AI, предназначенное для управления жизненным циклом моделей искусственного интеллекта в корпоративной среде. Платформа ориентирована на обеспечение безопасного и контролируемого масштабирования ИИ-сервисов, что критически важно для крупных организаций с высокими требованиями к безопасности данных. Продукт позволяет автоматизировать процессы развертывания, мониторинга и управления моделями, минимизируя риски некорректной работы алгоритмов. Основной акцент сделан на создании единой инфраструктуры для работы с различными типами моделей, обеспечивающей их стабильность и воспроизводимость. Внедрение решения помогает бизнесу снизить операционные затраты на поддержку ИИ-проектов и ускорить переход от прототипов к промышленной эксплуатации. Данная разработка является важным шагом в развитии инфраструктурного ПО для поддержки ИИ-трансформации в российском секторе.

Аналитики компании «Информзащита» представили отчет о состоянии кибербезопасности в секторе здравоохранения, подчеркивая критическую уязвимость медицинских учреждений. Согласно исследованию, атаки на медицинские организации происходят с пугающей частотой — в среднем каждые 10 часов. Основной угрозой остаются программы-шифровальщики, которые парализуют работу больниц и ставят под угрозу жизни пациентов из-за невозможности доступа к медицинским данным. В отчете отмечается, что злоумышленники активно эксплуатируют уязвимости в сетевой инфраструктуре и человеческий фактор. Для минимизации рисков эксперты рекомендуют внедрение комплексных систем защиты, сегментацию сетей и регулярное обучение персонала правилам цифровой гигиены. Данная проблема требует немедленного внимания со стороны регуляторов и руководителей медицинских учреждений для обеспечения непрерывности оказания помощи.

Правительство РФ во главе с Михаилом Мишустиным приняло решение о расширении налоговых льгот для отечественного ИТ-сектора. Согласно новому постановлению, льгота по налогу на добавленную стоимость (НДС) теперь будет распространяться не только на классическое программное обеспечение, но и на программные продукты, поставляемые по модели SaaS (программное обеспечение как услуга). Данная мера направлена на поддержку облачных технологий и стимулирование перехода бизнеса на отечественные облачные решения. Расширение налоговой базы льгот позволит снизить конечную стоимость облачных сервисов для конечных потребителей и повысить конкурентоспособность российских разработчиков. Это решение является важным шагом в рамках государственной политики по импортозамещению критически важного ПО и поддержке цифровой инфраструктуры страны.