ИИ в медицине

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.

Обзор конференции TechEx North America, посвященный инфраструктурным вызовам внедрения ИИ в промышленности. Основное внимание уделено граничным вычислениям (edge computing), кибербезопасности, промышленному интернету вещей (IIoT) и проблеме перехода от демонстрационных прототипов к реальному масштабированию в индустрии.

Исследование посвящено критической проблеме безопасности при использовании ИИ-ассистентов (ambient scribing) для транскрибации и создания медицинских записей. Авторы проанализировали, как большие языковые модели (LLM) обрабатывают разговоры между врачом и пациентом, фокусируясь на риске несанкционированного включения персональных данных третьих лиц в итоговые клинические заметки. В ходе экспериментов тестировались модели LLaMA 3.1 (8B и 70B), Mixtral 8×7B, 8×22B, а также проприетарные модели Claude 3.5 Haiku и Sonnet. Результаты показали, что все протестированные модели допускали утечки конфиденциальной информации третьих лиц, даже если они правильно идентифицировали её как неприемлемую для записи. Использование специальных инструкций по приватности снизило частоту утечек, но не обеспечило полной защиты. Исследование подчеркивает необходимость разработки систем с принципом «privacy-by-design» и разделения процессов генерации текста и редактирования конфиденциальных данных для минимизации рисков в реальной клинической практике.

Исследование представляет deluxpore — специализированный биоинформатический конвейер на базе Nextflow, разработанный для решения проблемы демультиплексирования гибридных библиотек. Авторы решают критическую задачу: совмещение таргетного метагеномного захвата с секвенированием длинными прочтениями (ONT), что ранее было затруднено несовместимостью протоколов. Инструмент использует алгоритмы выравнивания BLAST и сопоставление по расстоянию Левенштейна для обработки прочтений Nanopore, полученных из библиотек Illumina (NEBNext и Nextera). В ходе бенчмаркинга на 18 репликатах было установлено, что для успешной работы необходима точность данных не ниже Q20. Результаты показали, что использование уникальных индексов для каждого образца обеспечивает восстановление 91,7% образцов при Q20, в то время как комбинаторные подходы дают лишь 46,1%. Также авторы оптимизировали конфигурацию из 8 образцов, достигнув точности около 95% при качестве Q20, и выявили проблемные пары индексов в наборе NEBNext Primer Set A. Данная разработка позволяет автоматизировать и сделать надежными рабочие процессы гибридного секвенирования.

Исследователи представили FoldaVirus — новый методологический подход и веб-сервис (foldavirus.org), предназначенный для моделирования четвертичной структуры вирусных капсидов. В то время как AlphaFold эффективно предсказывает третичную структуру отдельных белков оболочки (CP), он не справляется с их сборкой в полноценные вирусные частицы. Разработанный метод комбинирует предсказания AlphaFold с математическими знаниями об икосаэдрической архитектуре (симметрии T=1, 3, 4 и т.д.), характерной для конкретных семейств вирусов. Для устранения стерических столкновений на интерфейсах субъединиц модели проходят минимизацию энергии Amber. Валидация моделей проводилась с помощью расчета расстояния Махаланобиса на основе аминокислотных остатков (интерфейсных, ядерных и поверхностных) в сравнении с экспериментально известными структурами. Авторам удалось успешно сгенерировать капсиды симметрии вплоть до T=9, включая пикорнавирусы с псевдо-T=3 симметрией. Данный инструмент критически важен для преодоления разрыва между огромным массивом известных аминокислотных последовательностей и ограниченным числом экспериментально определенных 3D-структур вирусов.

В данном исследовании представлен инновационный интегративный анализ экспрессии подвижных элементов (TEs) на основе данных секвенирования РНК единичных клеток (scRNA-seq). Ученые проанализировали 4 набора данных snRNA-seq, полученных из посмертных образцов компактной части черной субстанции пациентов с болезнью Паркинсона (БП) и здоровых контрольных групп. С помощью специализированного инструмента soloTE была проведена оценка изменений экспрессии TEs, после чего результаты были объединены методами мета-анализа для создания надежного атласа, специфичного для конкретных типов клеток. Особое внимание в работе уделено изучению механизмов, которые могут объяснять половые различия в патогенезе болезни Паркинсона. Кроме того, исследователи установили возможные ассоциации между подвижными элементами и белок-кодирующими генами, предлагая потенциальный механизм действия, посредством которого TEs способствуют развитию заболевания. Результаты работы закладывают основу для понимания генетической регуляции БП на уровне отдельных клеток.

Исследователи представили Panmap — инновационный инструмент, предназначенный для работы с пангеномами, содержащими миллионы геномов. Основная методология заключается в использовании филогенетически сжатого k-мер индекса, который сохраняет только последовательные различия вдоль эволюционных ветвей. Это позволяет сократить размер индекса до 600 раз и ускорить время его построения более чем на три порядка по сравнению с существующими аналогами. В ходе тестирования Panmap продемонстрировал исключительную скорость: размещение образца SARS-CoV-2 с покрытием 100x на 20 000 геномов заняло всего 0,4 секунды, а на 8 миллионов геномов — менее двух минут. Инструмент также обеспечивает точную идентификацию гаплотипов и оценку их распространенности в метагеномных образцах, а также позволяет проводить высокочувствительное размещение древней ДНК из окружающей среды без предварительного выравнивания. Данная разработка открывает новые возможности для крупномасштабного картирования чтений, сборки геномов и метагеномного анализа в рамках популяционной генетики.

Исследование посвящено решению критической проблемы клинической генетики — интерпретации миссенс-вариантов неопределенного значения (VUS). Авторы представляют новый количественный показатель — среднюю силу доказательств (mean evidence strength, MES), который позволяет оценивать вычислительные предикторы эффекта вариантов (VEP) и мультиплексные анализы (MAVE) в соответствии с руководствами ACMG/AMP. В ходе работы с использованием фреймворка acmgscaler было проведено калибрование 12 популяционных VEP для 367 генов заболеваний и проанализировано 15 наборов данных MAVE. Результаты показали, что традиционная метрика AUROC не всегда коррелирует с реальной клинической ценностью: MAVE продемонстрировали высокий средний показатель MES, несмотря на более низкий AUROC по сравнению с некоторыми VEP. В частности, предиктор CPT-1 показал наивысший MES и обеспечил наиболее значительный объем калиброванных доказательств для наибольшей доли VUS из базы ClinVar. Предложенный фреймворк MES предоставляет практический инструмент для оценки того, насколько эффективно ИИ-модели и экспериментальные данные могут использоваться для принятия клинических решений.