ИИ в медицине

Статья рассматривает фундаментальную проблему вовлечения пациентов в цифровом здравоохранении, указывая на разрыв между клиническими системами (EMR) и повседневной жизнью пациентов. Автор критикует два подхода: традиционные EMR-компании, оптимизированные только для визитов в клинику, и потребительские AI-инструменты вроде ChatGPT, которые требуют от пациентов медицинских знаний для безопасного использования. Предлагается концепция «агентного слоя» — промежуточного решения, способного получать продольные медицинские записи и переводить статический клинический контекст в ежедневные рекомендации. Ключевая идея: 99% жизни пациента происходит вне больницы, и именно в эти моменты происходят предотвратимые обращения в ER и закрытие пробелов в уходе. Kris Narayan, основатель MediKarma, выступает за технологии, соединяющие клинические данные с действиями пациентов, используя агенты ИИ в value-based care. Статья подчеркивает, что будущее здравоохранения — это не улучшение данных во время визита, а улучшение интеллектуальной поддержки в «тихие моменты» между посещениями врача.

Статья освещает панельное обсуждение на фестивале SXSW о применении искусственного интеллекта во FDA после массовых сокращений, связанных с инициативой DOGE, которые привели к потере 20% сотрудников агентства. В условиях дефицита экспертизы FDA внедряет ИИ-инструменты для ускорения обзоров медицинских устройств и препаратов. По словам экспертов, подразделение CDER (оценка и исследования лекарств) постепенно стабилизируется через 6-12 месяцев после пика сокращений, тогда как CBER (оценка биологических препаратов) находится в серьёзных трудностях. Центр CDRH (устройства и радиологическое здоровье) показал относительную устойчивость, включая оценку заявок Neuralink Илона Маска. FDA назначило первого главного ИИ-офицера — Джереми Уолша, и 70% сотрудников агентства получили доступ к генеративному ИИ-инструменту. Эксперты подчёркивают, что прозрачность взаимодействия между индустрией и регулятором критична для установления доверия к ИИ-системам. Статья иллюстрирует организационные вызовы внедрения ИИ в медицинское регулирование.

Статья обращается к лидерам медицинских систем и страховых компаний с призывом пересмотреть подходы к оценке, закупке и управлению искусственным интеллектом в своих организациях. Авторы предлагают перейти от точечной оценки отдельных решений к целенаправленному проектированию системной архитектуры ИИ. Ключевая проблема заключается в том, что многие организации покупают ИИ-инструменты как изолированные решения, не интегрируя их в общую инфраструктуру. Такой подход приводит к фрагментации данных, дублированию функционала и невозможности масштабирования внедрений. Вместо этого рекомендуется разрабатывать целостную архитектуру ИИ, которая учитывает интеграцию с существующими системами, стандарты данных и процессы принятия решений. Это требует изменения организационной структуры, пересмотра процессов закупок и создания механизмов governance для управления ИИ-решениями на протяжении всего их жизненного цикла. Статья подчеркивает, что без системного подхода инвестиции в ИИ не принесут ожидаемой отдачи и могут даже создать дополнительные риски для медицинских организаций.

Биотехнологическая компания Earendil Labs, базирующаяся в США с корнями в Китае, привлекла $787 миллионов частных инвестиций для финансирования своей ИИ-платформы для разработки лекарств. Платформа уже сгенерировала конвейер из более чем 40 программ разработки препаратов, что демонстрирует эффективность подхода искусственного интеллекта в фармацевтике. Сумма финансирования в $787 млн является значительной для частного раунда и указывает на высокий интерес инвесторов к ИИ-биотехнологиям. Компания находится на этапе подготовки к возможному IPO, что свидетельствует о зрелости технологического продукта и бизнес-модели. Применение машинного обучения в открытии новых лекарственных соединений позволяет сократить время и стоимость разработки препаратов по сравнению с традиционными методами. Этот раунд финансирования подтверждает тренд на интеграцию ИИ в фармацевтическую промышленность и биотехнологические исследования. Успешное привлечение такого объёма инвестиций указывает на доверие рынка к способности ИИ-платформ создавать коммерчески перспективные лекарственные программы.

Исследование посвящено разработке объективных биомаркеров для ранней диагностики старческой астении (frailty) с использованием биоинформатического анализа и машинного обучения. Авторы использовали два независимых транскриптомных датасета из базы GEO: GSE144304 (n=80) и GSE287726 (n=70). Методология включала анализ дифференциальной экспрессии генов, обогащение GO, KEGG и GSEA, а также построение ML-моделей с разделением данных 70% на обучение и 30% на валидацию. Ключевые результаты показали, что метаболизм витамина D, ABC-транспортеры и воспалительные/иммунные пути являются согласованно обогащёнными и подтверждёнными через GSEA. Выявленные биомаркеры демонстрируют благоприятную диагностическую производительность ML-моделей. Исследование демонстрирует, что нарушения метаболизма витамина D и хроническое воспаление являются основными молекулярными особенностями старческой астении. Результаты открывают новые стратегии для базовых исследований, ранней клинической диагностики и разработки терапевтических мишеней.

Статья описывает применение автономного голосового ИИ для устранения барьеров доступа пациентов в здравоохранении, включая автоматизацию записи на приём, запросов рецептов и интеграцию с EHR. Технология позволяет пациентам взаимодействовать с системой 24/7, а ИИ автоматически собирает структурированные данные и создаёт заметки для клинических команд.

Исследование оценивает платформу GeRI для удаленного мониторинга пожилых мужчин с раком простаты с использованием носимых устройств и опросов. Платформа показала высокую вовлеченность участников (9 из 10 завершили ≥50% взаимодействий) и хорошую usability (средний балл 57.5-100 по шкале). Результаты демонстрируют потенциал цифровых платформ для гериатрической оценки в онкологии без необходимости клинических визитов.

Статья о критериях венчурного инвестора Кэти Джейкобс Стэнтон при инвестировании в стартапы медицинского ИИ, включая портфельные компании: Dandelion Health (анализ клинических данных), Pharos Health (автоматизация отчётности), Luminai (обработка страховых требований) и Throne Science (сенсор для раннего выявления рака толстой кишки). Основной акцент сделан на важности наличия у основателей опыта в здравоохранении и уникальности продукта.

Статья описывает эволюцию медицинской документации от бумажных записей к электронным медкартам и современным технологиям ambient AI. Автор-врач объясняет, как ambient AI наконец решает проблему документационной нагрузки, уменьшая, а не увеличивая рабочую нагрузку клиницистов.

Отчет Autorek выявляет барьеры внедрения ИИ в страховой отрасли: фрагментация данных, устаревшие системы и нехватка внутренней экспертизы. Хотя 82% компаний ожидают доминирования ИИ в отрасли, лишь 14% имеют полностью интегрированные решения. Авторы рекомендуют начать с процессов сверки как первоначальной площадки для ИИ-внедрения.

NTT DATA и NVIDIA запустили платформу для масштабирования ИИ в предприятиях, интегрируя GPU-вычисления и программное обеспечение NVIDIA AI Enterprise. Один из трёх кейсов использования — онкологический исследовательский центр, применяющий платформу для анализа радиологии и оценки моделей для клинических исследований.

Philips представила новый КТ-сканер Rembra на ECR 2026 в Вене, оснащённый ИИ-оптимизированными рабочими процессами и детектором NanoPanel Precise XD. Система обеспечивает до 106 изображений в секунду и поддерживает до 270 исследований в день, что критично для экстренных случаев, таких как инсульт и травмы.

FDA представила единую платформу AEMS для анализа отчетов о нежелательных явлениях, объединяющую данные по лекарствам, вакцинам, косметике и другим продуктам. Система обеспечивает публикацию отчетов в реальном времени и обещает сэкономить $120 млн за 5 лет. В проекте участвует Chief AI Officer, упоминаются инструменты аналитики данных.

Учёные Первого МГМУ им. И.М. Сеченова совместно с компанией Medical Neuronets и Московской городской онкологической больницей № 62 создали систему искусственного интеллекта для обнаружения метастазов колоректального рака в лимфатических узлах. Алгоритм работает с цифровыми гистологическими препаратами, выполняя двухэтапный анализ: сначала выявляет подозрительные зоны на срезах тканей, затем с помощью методов сегментации более точно выделяет границы опухолевых клеток. Результаты пилотного клинического исследования были опубликованы в международном журнале Cancer Medicine. Разработка направлена на повышение точности патоморфологической диагностики и снижение риска пропуска метастатического поражения лимфоузлов при онкологических операциях. Система использует глубокое обучение для автоматизации рутинных задач патологоанатома, что может сократить время подготовки заключения и минимизировать человеческий фактор. Технология может быть интегрирована в существующие цифровые патологические лаборатории для поддержки врачей при принятии решений о необходимости дополнительных исследований или расширении объёма операции. Проект представляет собой пример практического применения компьютерного зрения в онкопатологии и демонстрирует потенциал ИИ-систем для улучшения качества диагностики рака.