Поиск

Данный новостной дайджест охватывает ключевые события в сфере цифрового здравоохранения и медицинского образования. Основное внимание уделено обновлению регуляторных норм, касающихся передачи данных о работе медицинских изделий с применением искусственного интеллекта в автоматизированные информационные системы (АИС). Это изменение критически важно для обеспечения прозрачности и контроля за эффективностью ИИ-решений в клинической практике. Кроме того, в материале упоминается включение 25 университетов в ежегодный рейтинг RAEX по направлениям «медицина» и «фармация», что отражает динамику развития образовательной среды. Несмотря на разноплановость новостей, публикация затрагивает важные аспекты интеграции технологий в государственную систему здравоохранения.

Исследователи из НИУ ВШЭ работают над созданием специализированной большой языковой модели (LLM), адаптированной под специфику русскоязычного научного дискурса. Основная задача проекта заключается в обучении нейросети глубокому пониманию сложной научной терминологии, что позволит автоматизировать процессы анализа и систематизации исследовательских данных. Методология включает тонкую настройку (fine-tuning) существующих архитектур на корпусах специализированных текстов из различных областей знаний. Ожидается, что внедрение данной разработки значительно ускорит поиск научной информации и поможет в написании академических текстов. Проект имеет высокую значимость для развития научной инфраструктуры в России, обеспечивая более точную работу ИИ с профессиональным контентом. Результаты работы могут быть применены в автоматизированных системах поддержки принятия решений для ученых и инновационных центров.

В статье представлена концептуальная модель для оценки готовности доверенных исследовательских сред (TRE) к объединению в федеративные сети. Разработанная структура включает шесть доменов, охватывающих управление, техническую инфраструктуру и стратегии взаимодействия, что необходимо для безопасного обмена медицинскими данными.

В статье рассматривается проблема цифрового неравенства в здравоохранении и предлагается новая многоуровневая модель цифровой инклюзии. Авторы интегрируют принципы цифровой трансформации с концепцией цифрового разрыва, чтобы помочь организациям и политикам создавать более справедливые цифровые медицинские сервисы.

В статье представлены новые вычислительные протоколы для автоматизированной аннотации некодирующих РНК (ncRNA) в вирусных геномах. Авторы описывают методы использования базы данных Rfam, которая содержит курируемые выравнивания последовательностей и консенсусные вторичные структуры для тысяч семейств РНК. Основное внимание уделено интеграции данных Rfam в биоинформатические конвейеры и рабочие процессы машинного обучения (machine learning workflows). С помощью инструмента R2DT реализована возможность полногеномной визуализации 2D-структур РНК как на основе последовательностей, так и на основе множественного выравнивания. Также продемонстрирована работа с RESTful API Rfam для программного получения метаданных семейств, загрузки выравниваний и поиска пользовательских последовательностей. Данные методы критически важны для вирусологов и исследователей РНК, стремящихся автоматизировать анализ структурно-функциональных связей в геномах вирусов.

Роскомнадзор через свой Главный радиочастотный центр выступил с инициативой по усилению контроля над распространением синтетического контента в социальных сетях. Согласно предложению, ИТ-платформы должны будут самостоятельно выявлять дипфейки и ограничивать их охват еще до момента официальной проверки достоверности информации у вовлеченных лиц или организаций. Основная цель регулирования заключается в создании механизмов быстрого реагирования, позволяющих купировать распространение потенциально вредоносного контента в режиме реального времени. Данная мера направлена на минимизацию ущерба от использования технологий глубокого обучения для создания дезинформации. Реализация этой инициативы потребует от технологических компаний внедрения продвинутых алгоритмов автоматического распознавания манипуляций с видео и аудио. В случае принятия предложения, ответственность за модерацию и техническую готовность к выявлению подделок ляжет непосредственно на владельцев цифровых площадок.

Статья обсуждает проблему работы с некачественными данными при внедрении генеративного ИИ, подчеркивая, что современные LLM способны справляться с хаосом в записях. В качестве примера приводится кейс в медицинском секторе, где ИИ помог автоматизировать сверку медицинских счетов из разнородных источников (PDF, изображения).

Статья рассматривает один из ключевых технологических трендов здравоохранения на 2026 год — создание системы непрерывного и взаимосвязанного цикла оказания медицинской помощи (connected care continuum). Основная проблема современной медицины заключается в разрозненности данных (информационных «силосах»), что создает фрагментированный опыт как для пациентов, так и для врачей. Эксперт Чиф Умеджеи, старший вице-президент и CIO NewYork-Presbyterian, подчеркивает, что современная модель ухода должна быть долгосрочной и продольной, а не эпизодической. Переход к «умному» континууму подразумевает интеграцию технологий для бесшовного перемещения пациента между различными медицинскими учреждениями и домашним мониторингом. Это критически важно в условиях индустриального сдвига в сторону предоставления помощи в наиболее подходящих для пациента условиях, а не только в стационарах. Внедрение таких систем позволит устранить разрывы в передаче данных и обеспечить непрерывность клинических решений.

В статье представлен CLEAR (Concise List Enrichment Analysis Reducing Redundancy) — новый байесовский фреймворк для анализа обогащения наборов генов, предназначенный для интерпретации данных высокопроизводительных экспериментов. В отличие от традиционных методов, таких как ORA или GSEA, которые тестируют наборы генов независимо и игнорируют их иерархическую структуру, CLEAR моделирует множественные наборы генов одновременно. Ключевым инновационным отличием является отказ от бинаризации данных (перевода в состояния «активен/неактивен» через пороги) в пользу использования непрерывных статистик, таких как p-values или тестовые статистики. Это позволяет избежать потери информации и снизить избыточность результатов, характерную для Gene Ontology. Исследования на симулированных данных и данных экспрессии генов человека подтвердили, что CLEAR значительно повышает чувствительность анализа и обеспечивает получение более лаконичного и интерпретируемого списка обогащенных наборов генов по сравнению с существующими методами.

Медицинский центр Johns Hopkins Medicine совместно с Американской ассоциацией телемедицины (ATA) объявили о запуске новой совместной программы под названием LIFFT. Основная цель данной инициативы заключается в решении проблемы ограниченного доступа к дистанционным медицинским услугам на национальном уровне. Проект сфокусирован на образовательной деятельности, направленной как на широкую общественность, так и на законодательные органы власти. Участники инициативы стремятся продвинуть реформы, которые позволят врачам оказывать помощь пациентам через границы штатов, устраняя текущие регуляторные барьеры. Реализация программы критически важна для масштабирования телемедицинских технологий и создания единой инфраструктуры цифрового здравоохранения в США. Это важный шаг в развитии организационных аспектов применения ИИ и цифровых инструментов в современной медицине.

Центры услуг Medicare и Medicaid (CMS) объявили о выборе 150 компаний в сфере цифрового здравоохранения и медицинских организаций для участия в запуске новой технологической модели ведения хронических заболеваний под названием ACCESS. Данная инициатива направлена на внедрение инновационных цифровых решений в процесс управления состоянием пациентов с хроническими патологиями. Модель предполагает активное использование технологий для мониторинга и оптимизации оказания медицинской помощи. Участие столь широкого круга участников (150 организаций) указывает на масштабный переход к технологически ориентированным методам лечения в рамках государственных программ США. Проект нацелен на повышение эффективности управления здоровьем населения через интеграцию цифровых инструментов в стандартную клиническую практику.

Статья посвящена внедрению передовых технологических решений компанией CVS Caremark для оптимизации процесса предварительного одобрения (prior authorization) лекарственных препаратов. Основная цель инициативы заключается в ускорении получения разрешений, что позволяет медицинским работникам тратить меньше времени на административную нагрузку и больше — на непосредственный уход за пациентами. Использование инновационных инструментов направлено на устранение задержек в цепочке поставок медикаментов, обеспечивая пациентам своевременный доступ к необходимому лечению. Технологический подход CVS Caremark помогает автоматизировать рутинные проверки, снижая вероятность ошибок и бюрократических проволочек. Внедрение данных решений имеет высокую значимость для оптимизации операционных процессов в системе здравоохранения и улучшения взаимодействия между страховщиками, аптеками и врачами. Это важный шаг в цифровой трансформации управления медицинскими назначениями.

Компании DIS Group и «К2Тех» объявили о расширении стратегического партнерства, сфокусированного на управлении жизненным циклом искусственного интеллекта (AI Lifecycle Management) и корпоративными данными. В рамках соглашения стороны планируют объединить экспертизу в области внедрения сложных ИТ-решений и управления данными для оптимизации процессов работы с ИИ в крупных организациях. Основной акцент будет сделан на создании надежной инфраструктуры, которая позволяет не только разрабатывать модели машинного обучения, но и эффективно поддерживать их работоспособность, обеспечивая высокое качество входных данных. Это сотрудничество направлено на решение проблем масштабирования ИИ-проектов и интеграции нейросетевых технологий в существующие бизнес-процессы заказчиков. Проект имеет важное значение для цифровой трансформации, так как качественное управление данными является фундаментом для точности медицинских и аналитических ИИ-систем.

В статье представлен RastQC — новый инструмент для контроля качества данных высокопроизводительного секвенирования, написанный на языке Rust. Разработчики создали полную замену стандартному инструменту FastQC, устранив недостатки, связанные с зависимостью от Java, такие как высокий расход памяти и сложность развертывания. RastQC включает 12 стандартных модулей контроля качества, а также 3 дополнительных модуля для анализа длинных чтений (long-read), поддерживая форматы Oxford Nanopore (Fast5/POD5) и SOLiD. Тестирование на данных различных организмов, включая Homo sapiens, показало, что RastQC потребляет в 4–9 раз меньше оперативной памяти (59–125 МБ против 551–638 МБ у FastQC) при сохранении сопоставимой скорости работы. Инструмент демонстрирует 100% конкордантность с FastQC по результатам общих модулей и поставляется в виде единого статического бинарного файла размером всего 2,1 МБ. Это делает его крайне эффективным для интеграции в биоинформатические конвейеры и облачные системы обработки геномных данных.

Согласно результатам исследования, проведенного компанией Solera, руководители, отвечающие за систему медицинских льгот и страхования, сталкиваются с серьезными финансовыми трудностями из-за чрезмерного количества поставщиков цифровых медицинских решений. Опрос показал, что 42% руководителей вынуждены управлять восемью и более различными вендорами цифрового здравоохранения одновременно. При этом 90% респондентов заявляют, что их ежегодные расходы на эти технологические решения превышают 1 миллион долларов. Основной проблемой является так называемый «vendor sprawl» — неконтролируемое разрастание числа поставщиков, которое ведет к росту операционных издержек и усложнению интеграции систем. Данный отчет подчеркивает необходимость оптимизации цифровой экосистемы в здравоохранении для снижения финансовой нагрузки на организации. Результаты исследования важны для понимания экономических аспектов внедрения ИИ и цифровых инструментов в корпоративный сектор медицины.

В данной статье рассматриваются продвинутые методы контрастивного анализа главных компонент (PCA), предназначенные для снижения размерности данных путем максимизации дисперсии целевого набора данных при одновременной минимизации дисперсии фонового шума. Авторы представляют два ключевых расширения метода: k-ρPCA, использующий весовые коэффициенты ядра для контрастирования пространственных и не пространственных осей вариации, и f-ρPCA, решающий задачу коэффициента Рэлея в пространстве коэффициентов базисных функций для анализа функциональных данных. Предложенный математический аппарат позволяет объединить разрозненные подходы пространственного и функционального анализа в единую концептуальную структуру. Практическая значимость методов продемонстрирована на реальных биомедицинских данных из области геномики. В частности, алгоритмы успешно применены для анализа экспрессии генов при раковых заболеваниях и изучения иммунного ответа на вакцинацию, что подтверждает их эффективность в поиске биологически значимых сигналов на фоне высокого уровня шума.

В данной статье представлены результаты рандомизированного контролируемого исследования (РКИ), направленного на оценку эффективности специализированной цифровой «серьезной игры» для обучения медицинских специалистов и студентов сложной медицинской терминологии. Исследователи проверяли, может ли геймифицированный подход улучшить запоминание и понимание терминов по сравнению с традиционными методами обучения. Методология включала разделение участников на контрольную и экспериментальную группы, где последняя использовала интерактивное игровое приложение. Ключевые результаты исследования демонстрируют статистически значимое преимущество цифровой игры в скорости усвоения материала и долгосрочном удержании знаний. Данная работа подчеркивает потенциал использования образовательных ИИ-технологий и геймификации в медицинском образовании для повышения квалификации персонала. Результаты исследования могут быть интегрированы в системы непрерывного медицинского образования и цифровые платформы для подготовки кадров.

Компания Novartis запускает инициативу Inclusive Health Accelerators для раннего выявления рака и расширяет программу Cardio4Cities. Программа Cardio4Cities использует искусственный интеллект и данные для профилактики и управления кардиометаболическими заболеваниями в глобальном масштабе.

Цифровой кластер «Х.Технологии», входящий в структуру «Ростелекома», объявил о запуске специализированного акселератора для развития отечественных ИИ-решений. Проект направлен на поддержку российских стартапов, разрабатывающих технологии на базе искусственного интеллекта, и предоставляет им доступ к экспертизе и инфраструктуре корпорации. Основная цель инициативы заключается в ускорении вывода на рынок инновационных продуктов и интеграции передовых алгоритмов в различные отрасли экономики, включая здравоохранение. Участники программы смогут получить менторскую поддержку, доступ к вычислительным мощностям и возможность тестирования своих решений в реальных бизнес-средах. Данная инициатива способствует формированию устойчивой экосистемы ИИ в России и стимулирует приток инвестиций в технологический сектор. Проект является важным шагом в рамках стратегии цифровой трансформации и импортозамещения критически важных технологий.