ИИ в медицине

Российская компания «Кросстех» отмечает растущий рыночный спрос на услуги по анализу защищенности систем искусственного интеллекта. Основная проблема заключается в уязвимости современных ML-моделей к специфическим атакам, таким как отравление данных (data poisoning) и состязательные атаки (adversarial attacks), которые могут исказить результаты работы алгоритмов. Специалисты подчеркивают, что внедрение ИИ в критически важные бизнес-процессы требует обязательного аудита безопасности для предотвращения манипуляций с выводами моделей. В рамках исследования запросов выявлено, что компании стремятся минимизировать риски несанкционированного доступа к весам моделей и защиты интеллектуальной собственности. Данная тенденция указывает на переход ИИ-решений из стадии чистого экспериментирования в фазу промышленной эксплуатации, где безопасность становится приоритетным фактором. Практическая значимость заключается в необходимости разработки новых стандартов кибербезопасности, специфичных именно для архитектур нейронных сетей.

Следственный комитет Российской Федерации инициировал разработку законопроекта, направленного на ужесточение уголовной ответственности за преступления, совершенные с применением современных технологий. Основное внимание в документе уделяется использованию искусственного интеллекта (ИИ), информационно-коммуникационных технологий (ИКТ), а также средств анонимизации, таких как VPN-сервисы и прокси-серверы. Глава СК Александр Бастрыкин подчеркивает необходимость законодательного закрепления данных инструментов как отягчающих обстоятельств при совершении противоправных действий. Данная инициатива направлена на противодействие киберпреступности и использование алгоритмов машинного обучения для создания дипфейков или автоматизации мошеннических схем. Реализация законопроекта может существенно изменить правовое поле для разработчиков ИИ и пользователей сетевых технологий в России. Для медицинского сектора это означает усиление контроля за использованием ИИ-решений в цифровой среде и необходимость строгого соблюдения протоколов безопасности при работе с данными.

Компания Guardoc Health использует модели Amazon Nova через Bedrock для автоматизации обработки миллионов клинических документов в учреждениях длительного ухода. Внедрение RAG-архитектуры и инструментов Amazon позволило снизить количество ошибок в документации на 46% и сократить расходы на штрафы при аудитах на 70%.

В статье описывается инновационный подход к внедрению федеративного обучения (Federated Learning) для задач цифровой гистопатологии в масштабах всей Германии. Исследование решает критическую проблему конфиденциальности данных, позволяя обучать высокоточные модели машинного обучения непосредственно в защищенных контурах медицинских учреждений без необходимости передачи чувствительных изображений тканей за пределы их локальных брандмауэров. Методология базируется на распределенной архитектуре, где только обновленные веса нейросетей, а не сами биомедицинские данные, передаются на центральный сервер для агрегации. Ключевым результатом является успешная демонстрация возможности создания мощных диагностических инструментов, способных работать с гетерогенными данными из различных клиник, сохраняя при этом полный комплаенс с требованиями защиты данных. Данная технология имеет колоссальное значение для развития прецизионной онкологии и стандартизации ИИ-диагностики в масштабах страны, преодолевая барьеры изоляции медицинских данных.

В статье представлена инновационная архитектура LogicSleep, предназначенная для автоматизированного определения стадий сна с использованием нейросимволического подхода. В отличие от традиционных «черных ящиков» глубокого обучения, данная методология сочетает в себе мощь нейронных сетей для извлечения признаков и символьную логику для обеспечения интерпретируемости результатов. Исследование направлено на решение проблемы персонализации, так как модель учитывает индивидуальные особенности биоритмов пациента при анализе полисомнографии. Ключевым преимуществом LogicSleep является высокая точность классификации в сочетании с возможностью объяснения логических шагов, принятых алгоритмом при разделении фаз сна. Это делает технологию пригодной для клинического использования, где врачу необходимо понимать обоснование автоматизированного диагноза. Внедрение подобного фреймворка может значительно ускорить процесс диагностики расстройств сна и повысить точность мониторинга пациентов в домашних условиях.

Исследование оценивает эффективность четырех LLM (GPT-4o, OpenAI o3, Gemini-2.5pro и DeepSeek-R1) в анализе причин смерти на основе 118 реальных случаев. Результаты показали, что DeepSeek-R1 превосходит конкурентов по качеству логических выводов, однако все модели склонны к галлюцинациям и требуют обязательного контроля со стороны экспертов.

Разработан инструмент PredictRx, использующий шесть методов машинного обучения для анализа молекулярных структур и предсказания синергии лекарственных комбинаций. Исследование показало высокую эффективность алгоритма Random Forest в прогнозировании совместимости препаратов для терапии рака молочной железы.

Исследователи представили HARMONY — инновационную платформу и фреймворк, предназначенный для решения проблемы разрозненности метаданных в крупнейших метаболомных базах данных, таких как Metabolomics Workbench и MetaboLights. Система использует онтологический подход для гармонизации девяти ключевых узлов данных, включая биологические параметры (вид, источник образца, заболевание) и аналитические характеристики (метод разделения, тип ионизации, масс-анализатор), а также сопоставляет метаболиты с единым стандартом RefMet. Методология включает двухэтапный рабочий процесс: многоисточниковое извлечение данных и последующее онтологическое картирование, которое преобразует специфические термины репозиториев в общие поисковые запросы. Результаты внедрения показали значительный рост эффективности: кросс-репозиторная доступность данных увеличилась с 75,5% до 89,6%. При этом около 91% исследований из Metabolomics Workbench и 85% из MetaboLights достигли высокого уровня гармонизации (минимум шесть из восьми узлов). Платформа, доступная по адресу omicsinharmony.in, использует ML-энкодеры для создания общих представлений метаданных, что позволяет проводить глубокий поиск и сравнение исследований на уровне метаболитов, значительно упрощая повторное использование данных в биомедицинских исследованиях.

В статье представлен GPSNorm — новый байесовский фреймворк для пространственной нормализации данных транскриптомики, решающий проблему технической вариативности (различия в размере библиотек, эффекты слайдов и пространственные артефакты). В отличие от традиционных методов, рассматривающих нормализацию как отдельный этап предобработки, GPSNorm использует иерархическую модель, которая совместно моделирует технические помехи, пространственную структуру и биологический сигнал. Методология базируется на отрицательном биномиальном латентном гауссовском моделировании с использованием гауссовских марковских случайных полей и аппроксимации INLA для эффективного байесовского вывода. Это позволяет учитывать неопределенность нормализации при проведении последующего анализа дифференциальной экспрессии генов. Тестирование на данных префронтальной коры человека (Visium), исследования повреждений легких при COVID-19 (GeoMx) и атласе почек показало, что метод значительно точнее восстанавливает пространственные паттерны и улучшает оценку логарифмического изменения (log-fold change). Разработка доступна в виде open-source R-пакета, что делает её применимой для биоинформатиков и исследователей в области системной биологии.

В исследовании представлен RIPPLE (Replicate-Aware Inference of Paracrine Profiles via Likelihood Estimation) — новый программный пакет на языке R, предназначенный для анализа пространственной транскриптомики. Инструмент позволяет систематически декодировать межклеточные сигнальные пути, выявляя гены, экспрессия которых меняется в зависимости от расстояния до конкретного типа клеток. При тестировании на наборе данных 10x Xenium (мышиный лимфатический узел) алгоритм успешно восстановил каноническую программу ответа CCL21 в Т-клетках и подмножествах дендритных клеток с полной согласованностью знаков во всех образцах. В ходе анализа когорты немелкоклеточного рака легкого (CosMx) RIPPLE идентифицировал 515 генов градиента близости к опухоли, охватив 17 типов клеток. В частности, метод выделил IGFBP5 как ведущий маркер рак-ассоциированных фибробластов. Данная разработка предоставляет исследователям ранжированные списки паракриновых кандидатов, что критически важно для понимания микроокружения опухолей и разработки новых терапевтических стратегий.

В Подмосковье внедрена новая цифровая система для оптимизации процесса получения компенсаций за детский сад, использующая технологии искусственного интеллекта. Основная инновация заключается в интеграции сервиса ИИ-распознавания документов, который позволяет автоматически считывать данные из подаваемых заявлений и сопутствующих бумаг. Кроме того, внедрен сервис автозаполнения, минимизирующий ошибки ручного ввода и сокращающий время обработки обращений гражданами. Данное решение направлено на цифровизацию государственных социальных услуг и снижение административной нагрузки на сотрудников ведомств. Внедрение ИИ-инструментов позволяет ускорить процесс верификации данных и повысить точность распределения выплат. Несмотря на то, что технология применяется в административном секторе, она демонстрирует практическое использование машинного зрения в государственном управлении.

Новый отраслевой анализ сравнивает финансовую нагрузку на участников программы Medicare Advantage (MA) и участников традиционной программы Medicare. Согласно результатам исследования, застрахованные по программе Medicare Advantage тратят в среднем меньше личных средств (out-of-pocket costs) на медицинские услуги, чем те, кто пользуется классическим государственным страхованием. При этом уровень удовлетворенности качеством обслуживания и доступности помощи остается сопоставимым в обеих группах. Исследование подчеркивает экономическую эффективность планов Medicare Advantage для конечного потребителя, несмотря на различия в структуре страхового покрытия. Данные результаты важны для понимания динамики рынка медицинского страхования и выбора оптимальных моделей финансирования здравоохранения. Анализ не содержит прямого упоминания технологий искусственного интеллекта, фокусируясь на экономических аспектах страхования.

Данная работа представляет собой масштабный систематический обзор и метаанализ, посвященный эффективности цифровых инструментов для поддержания психического здоровья детей и подростков. Исследование фокусируется на «универсальных» вмешательствах, которые предназначены для широкой популяции молодежи, а не только для лиц с установленными диагнозами. Авторы анализируют широкий спектр цифровых технологий, включая мобильные приложения, онлайн-платформы и интерактивные программы, оценивая их влияние на снижение симптомов тревожности, депрессии и улучшение общего психологического благополучия. Методология включает агрегацию данных из множества клинических исследований для определения статистической значимости эффектов. Ключевые результаты подчеркивают потенциал цифровой терапии как доступного и масштабируемого метода профилактики ментальных расстройств в молодежной среде. Работа имеет высокую практическую значимость для разработчиков цифровых медицинских продуктов и организаторов здравоохранения, стремящихся внедрить доказательные методы профилактики в рамках цифровой медицины.

Данный новостной дайджест от издания Vademecum охватывает ключевые изменения в российском здравоохранении на конец июля 2026 года. Одним из центральных событий является подготовка к вступлению в силу нового федерального закона о применении искусственного интеллекта, который официально начнет действовать с 1 сентября 2026 года. Также рассматриваются инициативы регулятора по внедрению экспериментальной системы мониторинга движения лекарственных препаратов через электронные рецепты. Эти меры направлены на цифровизацию фармацевтического рынка и создание правовой базы для интеграции интеллектуальных систем в медицинскую практику. Несмотря на краткость формата, новости подчеркивают переход отрасли к более строгому регулированию цифровых технологий и автоматизации контроля за оборотом медикаментов.

В исследовании представлен инновационный подход к анализу биологических изображений, основанный на методе дискретного обратного рендеринга. Авторы предлагают заменить традиционные локальные методы (такие как не-максимальное подавление или жадные алгоритмы связывания) на глобальную оптимизацию с использованием современных решателей целочисленного программирования. Этот метод позволяет совместно выбирать наиболее вероятные сценарии развития событий, учитывая временные и биологические ограничения, такие как деление клеток, появление и исчезновение объектов. Тестирование проводилось на различных типах данных: сплайнах C. elegans, жгутиках сперматозоидов и делящихся клетках Huh7. Результаты показали, что метод сопоставим с узкоспециализированными современными пайплайнами, но значительно превосходит их в условиях низкого качества сигнала. В частности, при анализе флуоресцентного видео клеток гепатомы Huh7 показатель F1-меры обнаружения вырос в два раза — с 0,31 до 0,58, что подтверждает высокую эффективность метода в сложных условиях визуализации.

Исследователи представили Spaceland — инновационный программный фреймворк, предназначенный для создания непрерывных 3D-молекулярных ландшафтов целых органов. Метод решает критическую проблему компромисса между плотностью выборки и точностью реконструкции в пространственной транскриптомике. Spaceland использует морфологически-информированное пространство, объединяя разреженные данные транскриптомики с серийными гистологическими срезами (H&E), обработанными с помощью моделей-оснований (foundation models). Алгоритм строит плотный 3D-морфологический каркас через интерполяцию оптического потока, что позволяет декодировать экспрессию генов на сетку с разрешением 8 мкм. Тестирование на обонятельной луковице и полушарии мозга мыши показало, что Spaceland успешно преодолевает молекулярные разрывы до 400 мкм и превосходит существующие методы интерполяции ST и 2D-прогнозирования. В экспериментах на регенерации планарий система позволила проводить анализ всего организма по четырем срезам Visium на стадию, выявляя динамическую пространственную перестройку нейронов. Технология открывает путь к созданию масштабируемых виртуальных моделей тканей и органов для изучения прогрессирования заболеваний и ответа на лекарственную терапию.

В исследовании представлен новый вычислительный метод для анализа аллостерической коммуникации в белках, основанный на комбинаторном разложении Ходжа. Авторы применили этот подход к динамической модели гауссовской сети (dGNM), чтобы разделить поток энтропии переноса на три компонента: градиентный (глобальная иерархия от источника к стоку), роторный (локальная циркуляция) и гармонический (масштабные полости). На примере дикого типа белка KRAS и десяти его онкогенных вариантов (включая G12D, G12C, Q61R и др.) было доказано, что информационный поток является преимущественно иерархическим: градиентный член составляет 97,5–98,4% всего потока во всех протестированных вариантах. Исследование выявило, что мутации не меняют общую структуру потока, но перемещают основные источники аллостерических сигналов из гипервариабельной области С-конца в ядро обработки нуклеотидов и механизмы переключателей Switch I/II. Метод позволяет без введения дополнительных параметров на уровне отдельных аминокислотных остатков определять, как мутации различных механизмов перераспределяют пути передачи сигналов, что критически важно для понимания патогенеза рака.

В исследовании представлена инновационная глубокая нейросетевая архитектура B-SMART-Former, предназначенная для прогнозирования типов взаимодействий между биотехнологическими препаратами и низкомолекулярными соединениями. В отличие от существующих методов, фокусирующихся только на малых молекулах, данная модель использует мультимодальный подход, объединяя эмбеддинги ChemBERTa и Morgan fingerprints для малых молекул с эмбеддингами ProtBERT для биопрепаратов. Гибридная архитектура сочетает в себе механизмы self-attention трансформеров, остаточное сверточное обучение (residual convolutional learning) и многослойный перцептрон для захвата как глобальных контекстуальных зависимостей, так и локальных паттернов. Результаты тестирования методом стратифицированной 10-кратной кросс-валидации показали исключительную точность: микро-усредненный показатель AUROC составил 0,9978, а AUPR — 0,9682. Для обеспечения клинической прозрачности авторы применили метод Integrated Gradients, позволяющий интерпретировать, какие именно молекулярные признаки влияют на конкретный прогноз. Данная разработка представляет собой значимый шаг в области вычислительной фармакологии, обеспечивая надежный инструмент для оценки безопасности комбинированной терапии.

Исследование посвящено изучению механизмов переключения изоформ РНК при карциноме Гюртля (HCC) — агрессивной форме рака щитовидной железы. Авторы провели реанализ набора данных NCBI GEO (GSE228870, n = 32), используя биоинформатические инструменты Salmon и IsoformSwitchAnalyzeR для выявления структурных изменений транскриптов. В ходе работы было обнаружено 371 переключение изоформ в 335 генах, что приводит к потере белковых доменов, укорочению открытых рамок считывания (ORF) и изменению субклеточной локализации белков. Наиболее значимые изменения зафиксированы в генах LAMA2, LSP1, MAD2L2, FBLN2 и CXCL12, что указывает на дисрегуляцию внеклеточного матрикса, иммунного сигналинга и ответа на повреждение ДНК. Установлено, что специфические изоформы LAMA2 и MAD2L2 отсутствуют в здоровой ткани щитовидной железы, что делает их потенциальными маркерами опухоли. Исследование впервые систематически описывает дисрегуляцию на уровне изоформ при HCC, выделяя альтернативное использование сайтов терминации и старта транскрипции как ключевые механизмы патогенеза.