Исследования, новости индустрии и регуляторные изменения в области применения искусственного интеллекта в здравоохранении
Исследование оценивает способность ведущих LLM (включая Gemini и Grok) отвечать на вопросы пациентов о заболеваниях сердца. Результаты показали высокую точность и низкий уровень галлюцинаций, при этом Gemini была признана наиболее качественной моделью по совокупности факторов.
Авторы предлагают новую девятимерную модель PHDm для персонализированного здравоохранения, расширяющую классическую биопсихосоциальную модель. В качестве доказательства концепции предложена байесовская сеть для прогнозирования риска ожирения, показавшая точность 85% на данных NHANES.
Разработана платформа на базе Web 3.0 и блокчейна для управления динамическим согласием участников скрининга рака легких в Тайване. Система интегрирует ИИ для оценки рисков и обеспечивает прозрачное использование биомедицинских данных и результатов КТ при соблюдении этических норм.
Исследование предлагает гибридный подход, сочетающий популяционные модели с индивидуальной адаптацией для оценки психического здоровья через анализ речи. Использование 1D CNN в гибридной модели показало лучшие результаты в прогнозировании депрессии, тревоги и стресса по сравнению с традиционными методами.
Представлен SENTINEL-Chain — система, объединяющая методы дифференциальной приватности и блокчейн для безопасного обмена электронными медицинскими картами. Разработанный подход позволяет сохранить высокую аналитическую ценность данных (98.2%) при обеспечении устойчивости к атакам на идентификацию пациентов.
Исследование посвящено применению принципов травма-ориентированной помощи (TIC) в чат-ботах для поддержки ментального здоровья. Результаты выявили, что доверие, расширение прав и возможностей пользователей и поддержка сообщества являются ключевыми факторами восприятия ИИ-агентов как безопасных и эффективных.
Исследование оценивает восприятие групп кризисной поддержки при использовании системы виртуальных пациентов на базе генеративного ИИ для обучения психологической первой помощи. Участники положительно оценили инструмент как дополнение к традиционному обучению, несмотря на некоторые замечания к визуализации мимики аватаров.
Исследование оценило возможность использования подхода BYOD (принеси свое устройство) для еженедельного мониторинга побочных эффектов химиотерапии через мобильные приложения. Результаты показали высокую приверженность пациентов (75-93%) к заполнению электронных опросников, включая пожилых людей, что позволяет эффективно отслеживать симптомы в реальном времени.
Обзор анализирует применение методов машинного обучения для многоклассовой классификации голосовых расстройств. Исследование выявило значительную неоднородность в методологиях, базах данных и метриках, что является основным барьером для внедрения таких систем в клиническую практику.
В статье анализируются риски и ошибки при оценке эффективности цифровых медицинских инструментов («point solutions») для работодателей и страховщиков. Авторы выделяют 10 типичных ловушек в маркетинговых заявлениях вендоров и предлагают подходы к использованию доказательных методов для принятия обоснованных инвестиционных решений.
Систематический обзор посвящен использованию цифрового моделирования на основе данных пациента для планирования процедуры TAVR. Исследование показывает, как симуляция взаимодействия устройства с тканями и гемодинамики может помочь снизить риск осложнений, таких как паравальвулярная утечка и повреждение аорты.
Исследование изучает использование LLM (таких как ChatGPT) среди студентов и преподавателей стоматологической школы UTHealth. Результаты показывают высокий уровень использования инструментов для обучения и письма, при этом преподаватели выражают острую потребность в специализированном обучении работе с ИИ.
Ассоциации медицинских учреждений направили официальные возражения в адрес Центров услуг Medicare и Medicaid (CMS) относительно предложенного плана финансирования. Основная претензия заключается в том, что предложенное чистое увеличение ставок на 2,4% является недостаточным для компенсации значительных финансовых трудностей, с которыми сталкиваются больницы. Кроме того, медицинское сообщество решительно выступает против обязательного расширения модели оплаты на основе эпизодов лечения, известной как CJR-X Model. Критики указывают на риски, связанные с резким внедрением этой модели, и требуют более плавного переходного периода. Данная ситуация подчеркивает растущее экономическое давление на систему здравоохранения и сложности внедрения новых моделей оплаты, ориентированных на результат. Решение CMS по этим вопросам определит финансовую устойчивость многих госпиталей в ближайшие годы.
В данном кейс-стади рассматривается внедрение специализированной технологической платформы безопасности Canopy в системе здравоохранения WellSpan. Использование данной системы позволило достичь впечатляющего результата: уровень насилия на рабочих местах снизился на 66%. Помимо прямого сокращения случаев физической агрессии, внедрение технологий привело к снижению общего травматизма среди медицинского персонала. Важным побочным эффектом стало улучшение качества мониторинга: зафиксирован рост отчетности о вербальных эскалациях, что позволяет превентивно реагировать на конфликты. Платформа также показала высокую эффективность при использовании в ситуациях, требующих немедленного реагирования во время медицинских чрезвычайных ситуаций. Таким образом, технологические решения в области безопасности напрямую способствуют созданию более защищенной рабочей среды в медицинских учреждениях.
Специалисты Центра диагностики и телемедицины Департамента здравоохранения Москвы (ДЗМ) приступили к масштабной работе по стандартизации медицинского искусственного интеллекта. В настоящее время ведется разработка четырех ключевых документов: проектируются три новых ГОСТа и пересматривается существующий стандарт, регулирующий использование наборов данных для обучения и тестирования клинических алгоритмов. Особое внимание уделено внедрению требований для систем на базе больших генеративных моделей (LLM/LMM), которые должны соответствовать строгим техническим и медицинским аспектам. Новые стандарты охватят функциональные возможности ИИ, обеспечивая безопасность и точность его применения в реальной клинической практике. Данная инициатива направлена на создание единой нормативной базы для интеграции передовых генеративных технологий в государственную систему здравоохранения Москвы.
В рамках указа Президента РФ о присуждении Государственной премии в области науки и технологий за 2025 год, награду получил коллектив ученых за выдающиеся достижения в нейрохирургии. Лауреатами стали трое академиков РАН, представляющих два ведущих медицинских центра страны. Работа группы сосредоточена на разработке и практическом внедрении инновационных методов хирургического лечения патологий центральной нервной системы. Несмотря на высокую значимость медицинского достижения, в представленном тексте отсутствует прямое упоминание использования технологий искусственного интеллекта, машинного обучения или нейросетевых алгоритмов в данных методах. Статья носит информационный характер о государственном признании научных достижений в области высокотехнологичной хирургии.
Данный систематический обзор исследует пересечение объяснимого искусственного интеллекта (XAI) и моделей сердечной электрофизиологии в контексте предотвращения внезапной сердечной смерти (ВСС) среди подростков и молодых людей, занимающихся спортом. Исследование фокусируется на выявлении механизмов, с помощью которых алгоритмы машинного обучения могут интерпретировать сложные электрофизиологические данные для прогнозирования критических состояний. Авторы анализируют текущие модели, которые позволяют не только предсказывать риск остановки сердца, но и предоставлять врачам клинически значимые обоснования принятых решений, что критически важно для доверия к ИИ в кардиологии. В работе рассматривается эффективность интеграции XAI в диагностические системы для выявления скрытых патологий, которые могут привести к летальному исходу во время физических нагрузок. Основное внимание уделяется переходу от «черных ящиков» нейросетей к прозрачным моделям, способным учитывать индивидуальные электрофизиологические особенности пациента. Результаты подчеркивают потенциал использования таких систем для раннего скрининга спортсменов и персонализированного управления рисками в спортивной медицине.
Исследование, опубликованное в журнале npj Digital Medicine, представляет инновационный подход к созданию моделей искусственного интеллекта, которые опираются на структурированные медицинские знания. Авторы предлагают использовать эмбеддинги клинических кодов (таких как ICD или SNOMED CT) для интеграции глубоких медицинских знаний непосредственно в архитектуру нейросетей. Методология заключается в преобразовании дискретных кодов диагнозов и процедур в непрерывные векторные представления, которые сохраняют семантические связи между заболеваниями. Ключевым результатом является повышение точности прогнозирования клинических исходов и улучшение интерпретируемости моделей за счет использования графов медицинских знаний. Данная технология позволяет избежать проблем «черного ящика» в ИИ, делая выводы алгоритмов логически обоснованными с точки зрения медицины. Практическая значимость работы заключается в возможности создания более надежных систем поддержки принятия врачебных решений, способных работать с неполными или зашумленными электронными медицинскими картами.
Данное исследование, опубликованное в журнале npj Digital Medicine, посвящено разработке и тестированию системы искусственного интеллекта для повышения точности эндоскопической диагностики поражений ампулы двенадцатиперстной кишки. Методология исследования основывалась на применении алгоритмов глубокого обучения для анализа видеопотока в режиме реального времени во время проведения эндоскопии. Основной целью было снижение частоты пропусков патологических образований, которые сложно визуализировать традиционными методами. Ключевые результаты демонстрируют, что использование ИИ-ассистента значительно повышает чувствительность обнаружения новообразований по сравнению с диагностикой, проводимой врачами без поддержки системы. Технология позволяет автоматизировать процесс идентификации подозрительных зон, что критически важно для раннего выявления онкологических заболеваний в области ампулы. Внедрение данного решения в клиническую практику способно существенно снизить риск диагностических ошибок и улучшить исходы лечения пациентов.
В статье исследуется потенциал внедрения способностей к логическому рассуждению в роботов-копилотов с искусственным интеллектом, работающих на базе моделей Vision-Language-Action (VLA) в условиях эндоскопической хирургии. Авторы подчеркивают, что переход от реактивного исполнения команд к когнитивному сотрудничеству требует интеграции мультимодальных данных для интерпретации намерений хирурга и скрытой динамики тканей. Основная методология заключается в использовании моделей VLA, которые позволяют ИИ не просто реагировать на визуальные стимулы, но и выстраивать сложные логические цепочки в реальном времени. Это направлено на снижение когнитивной нагрузки на хирурга и минимизацию интраоперационной неопределенности. Внедрение таких систем способно значительно повысить точность, безопасность и устойчивость хирургических вмешательств. Исследование закладывает фундамент для создания автономных ассистентов, способных понимать контекст операции на глубоком уровне.
