Поиск

В статье рассматривается критически важный аспект применения искусственного интеллекта в медицине — использование ИИ-сервисов для языковой поддержки пациентов. Авторы подчеркивают, что, несмотря на рост внедрения технологий автоматического перевода, вопросы восприятия таких сервисов пациентами, их влияния на уровень доверия и понимание клинической информации остаются недостаточно изученными. Исследование предлагает структурированную повестку для будущих научных работ, направленную на оценку качества коммуникации в клинических ситуациях. Особое внимание уделяется необходимости разработки систем управления (governance systems) для минимизации рисков и предотвращения потенциального вреда для пациентов, предпочитающих неанглийский язык. Предложенный подход поможет сформировать эффективные стратегии внедрения ИИ-интерпретаторов, обеспечивая безопасность и инклюзивность медицинской помощи. Работа имеет высокую значимость для оптимизации взаимодействия врача и пациента в мультикультурной среде.

Статья анализирует критическую проблему современной операционной: разрыв между совершенством отдельных медицинских инструментов и отсутствием их системной интеграции. Несмотря на технологический прогресс, хирурги сталкиваются с растущей когнитивной нагрузкой, пытаясь самостоятельно сопоставлять разрозненные данные от различных устройств в режиме реального времени. Автор проводит параллель с авиацией, отмечая, что хирургии необходимо перейти от простого сбора данных к их интеллектуальной интерпретации. Особое внимание уделяется концепции «агентного ИИ» (Agentic AI), который может помочь трансформировать разрозненные сигналы в полезные клинические инсайты. Внедрение интегрированных интеллектуальных систем призвано снизить вариативность в хирургических вмешательствах, что напрямую влияет на безопасность пациентов и стандартизацию доказательной медицинской помощи. Основной тезис заключается в том, что следующая волна прогресса в хирургии будет определяться не качеством оборудования, а способностью систем работать как единый интеллектуальный организм.

Фармацевтический гигант Roche объявил о заключении стратегической сделки по приобретению компании PathAI, специализирующейся на разработке решений в области искусственного интеллекта. Сумма сделки оценивается в 750 миллионов долларов США. Основная цель данного поглощения — ускорение интеграции технологий машинного обучения в процессы патоморфологической диагностики. Использование ИИ позволит патологам более точно и быстро идентифицировать заболевания, анализируя цифровые изображения тканей. Это приобретение укрепляет позиции Roche в области цифровой патологии и персонализированной медицины. Интеграция передовых алгоритмов PathAI в текущие рабочие процессы компании поможет оптимизировать диагностические протоколы и улучшить точность клинических решений.

В статье, опубликованной в журнале npj Digital Medicine, предлагается инновационный подход к контролю за использованием больших языковых моделей (LLM) в здравоохранении — мониторинг на основе способностей (capability-based monitoring). Авторы подчеркивают, что текущие стратегии надзора неэффективны, так как LLM являются универсальными системами, чьи внутренние возможности многократно используются в различных медицинских задачах. Вместо проверки каждой отдельной задачи, предлагается организовать мониторинг вокруг общих когнитивных и функциональных способностей моделей. Это позволит выявлять системные недостатки, редкие ошибки («long-tail errors») и эмерджентное поведение на ранних стадиях. В работе детально рассматриваются рекомендации для разработчиков ИИ, руководителей медицинских организаций, профессиональных сообществ и государственных регуляторов. Такой подход критически важен для обеспечения безопасности и надежности внедрения генеративного ИИ в клиническую практику.

Цифровая платформа «Поланис», разработанная специалистами Санкт-Петербургского политехнического университета Петра Великого, официально вошла в реестр отечественного программного обеспечения Минцифры. Данная платформа представляет собой высокотехнологичное решение для глубокого анализа медицинских данных с использованием алгоритмов искусственного интеллекта. Основная цель продукта заключается в автоматизации процессов обработки диагностической информации и поддержке принятия врачебных решений. Внедрение «Поланис» позволяет существенно сократить время на интерпретацию сложных медицинских показателей и повысить точность первичной диагностики. Технологическая база платформы ориентирована на интеграцию с существующими медицинскими информационными системами, что делает её масштабируемой для различных лечебных учреждений. Использование отечественного ПО в этой сфере критически важно для обеспечения технологического суверенитета российского здравоохранения и защиты персональных данных пациентов.

Исследование оценивает отношение пациентов с парезом стопы и врачей к использованию голеностопных экзоскелетов. Результаты показывают высокий потенциал технологий для повышения мобильности, но выявляют барьеры в виде дискомфорта, эстетики и стоимости, что подчеркивает необходимость человекоориентированного дизайна.

Исследование сравнивает эффективность обычных напоминаний и приложения с социальным взаимодействием через аватары для поддержания физической активности и приема лекарств у пожилых людей. Результаты показали, что использование виртуальных аватаров обеспечивает более устойчивое изменение поведения и долгосрочное повышение активности по сравнению с простыми напоминаниями.

Исследование выявило острую необходимость в поддержке патологов в Колумбии из-за диагностической неопределенности и высокой нагрузки. Участники проекта GLORIA подчеркивают потенциал телепатологии и сканирования слайдов для улучшения своевременности диагностики, несмотря на существующие административные и логистические барьеры.

Статья анализирует двойственную роль ИИ в медицине, рассматривая как возможности для персонализированного лечения и диагностики, так и риски, связанные с алгоритмической предвзятостью и ненадлежащим использованием данных. Автор подчеркивает необходимость этичного и человекоцентричного подхода для предотвращения новых угроз общественному здоровью.

Исследование анализирует использование диалогов с чат-ботами как нового источника данных для мониторинга общественных настроений и дезинформации о вакцинах. С помощью BERTopic и GPT-4o ученые классифицировали более 30 000 сообщений, выявив основные темы и эмоциональный тон пользователей.

Разработан новый метод TRIP для интерпретации сложных биомедицинских данных через выявление общих скрытых причинно-следственных механизмов. Модель успешно применяется к генным регуляторным сетям в раковых клетках, позволяя преобразовывать сложные графы в понятные механизмы для генерации гипотез.

В исследовании представлен новый вычислительный фреймворк ArChIPelago, предназначенный для объединения нескольких позиционных весовых матриц (PWM) в единую совместную модель с помощью методов классического машинного обучения. Авторы использовали широкий спектр алгоритмов — от линейной регрессии до ансамблей деревьев решений — для решения проблемы несоответствия различных PWM для одних и тех же транскрипционных факторов. Тестирование проводилось на масштабном наборе из 704 датасетов ChIP-Seq, охватывающих 36 ортологичных транскрипционных факторов человека и мыши различных структурных семейств. Результаты показали, что ArChIPelago стабильно превосходит по точности лучшие доступные индивидуальные моно- и динуклеотидные PWM, а также разреженные локальные неоднородные смеси моделей. Особую значимость имеет продемонстрированная способность ансамблей PWM осуществлять надежные кросс-видовые прогнозы между человеком и мышью. Данная разработка повышает точность биоинформатического анализа геномных последовательностей и упрощает интерпретацию данных связывания белков с ДНК.

Представлено новое программное обеспечение GlyComboCLI — инструмент с открытым исходным кодом для автоматизированного определения состава гликанов на основе данных масс-спектрометрии. В отличие от предыдущих графических версий, этот CLI-инструмент позволяет интегрировать анализ гликанов в автоматизированные биоинформатические рабочие процессы, соблюдая принципы FAIR (находимость, доступность, совместимость и повторное использование). Приложение поддерживает работу с универсальными файлами формата mzML и обширным спектром моносахаридов, состояний дериватизации и аддуктов. Тестирование на наборе из 52 необработанных файлов данных гликомики мыши показало, что локальный экземпляр системы справляется с назначением составов и контролем качества менее чем за три часа. Программное обеспечение доступно в форматах standalone-исполняемого файла, Docker-контейнера и инструмента Galaxy, что обеспечивает высокую масштабируемость. Использование GlyComboCLI значительно сокращает объем спектров, требующих ручной интерпретации структуры, и позволяет воспроизводимо обнаруживать эффекты, такие как воздействие сиалидазы.

Исследователи представили PXN — вероятностный фреймворк на базе машинного обучения, предназначенный для решения проблемы несовместимости данных экспрессии генов, полученных из различных экспериментальных технологий. Основная проблема заключается в систематических расхождениях между платформами (разные шкалы измерения, химия зондов и распределение сигналов), что препятствует крупномасштабному интегративному анализу. PXN создает единое представление биологического сигнала, позволяя бесшовно переводить данные между различными платформами, сохраняя важную биологическую вариативность и устраняя технологические смещения. В ходе бенчмаркинга метод PXN продемонстрировал превосходство над существующими методами нормализации по точности кросс-платформенного анализа и значительно повысил статистическую мощность дифференциального анализа экспрессии. Особую значимость представляет способность модели преодолевать технологический разрыв между устаревшими микрочипами (microarray) и современным секвенированием РНК (RNA-seq). Это открывает масштабируемый путь для интеграции архивных данных с новейшими исследованиями, ускоряя процесс биомедицинских открытий и разработки новых методов терапии.

В статье представлен MeaSeq — новый высокоскоростной биоинформатический конвейер с открытым исходным кодом, разработанный специально для анализа данных секвенирования следующего поколения (NGS) вируса кори (MeV). Инструмент поддерживает работу с платформами Illumina и Oxford Nanopore Technologies (ONT), обеспечивая полный цикл обработки: от контроля качества и сборки консенсусного генома до детекции вариантов и присвоения идентификаторов последовательностей (DSId). Методология исследования включала сравнительный анализ MeaSeq с «золотым стандартом» секвенирования по Сэнгеру, референсными геномами и общедоступными данными. Результаты валидации подтвердили, что MeaSeq обеспечивает высокую точность и воспроизводимость при анализе полногеномных данных, что критически важно для молекулярного надзора и расследования вспышек инфекции. Использование данного пайплайна позволяет автоматизировать процесс подготовки стандартизированных HTML-отчетов, делая геномный мониторинг доступным для лабораторий общественного здравоохранения. Внедрение MeaSeq может значительно ускорить ответ на вспышки кори за счет упрощения анализа данных WGS.

В статье представлен mehari — новый высокопроизводительный инструмент для прогнозирования эффектов генетических вариантов, разработанный на языке программирования Rust. Основной инновацией является подход «HGVS-first», который обеспечивает детерминированное проецирование вариантов на транскрипты перед оценкой их функциональных последствий, что позволяет достичь строгой синхронизации между номенклатурой HGVS и терминами Sequence Ontology (SO). В ходе тестирования на базе данных ClinVar инструмент продемонстрировал исключительную скорость обработки данных и высокую степень соответствия с признанными стандартами, такими как Ensembl VEP. Особое внимание разработчики уделили обработке сложных биологических случаев, включая рекодинг селенопротеинов, что повышает точность аннотации. Использование Rust позволяет mehari эффективно справляться с масштабными геномными данными, обеспечивая надежность и воспроизводимость результатов. Данная разработка представляет значительный интерес для биоинформатиков и специалистов в области геномики, работающих с крупными массивами данных вариантов.

Исследование посвящено решению проблемы плато в точности предсказания растворимости рекомбинантных белков в Escherichia coli, вызванной игнорированием протоколов центрифугирования. Авторы указывают, что существующие модели ошибочно воспринимают различия в режимах разделения фракций как шум в данных, а не как важную переменную. В рамках работы был представлен набор данных Aiki-Sol, включающий бенчмарк на 85 000 белков с аннотацией строгости режима, расширение на 147 000 белков и исследовательский пул на 229 000 последовательностей. Использование модели Aiki-Sol на базе ESM-2 (650M параметров), обученной с учетом пяти различных протоколов, позволило повысить средний показатель AUC с 0,69–0,70 до 0,825 на внешних когортах. Ключевым выводом стало то, что прирост точности достигается за счет качественной курации данных и учета условий эксперимента, а не за счет усложнения архитектуры нейросети или использования структурных данных ESMFold. Модель демонстрирует стабильный прирост AUC на 0,10–0,16 даже на выборках, не имеющих пересечений с обучающим набором.

Статья представляет собой обзор ключевых трендов с ежегодного собрания Американского общества генной и клеточной терапии (ASGCT), проходящего в Бостоне. Основное внимание уделено стремительному развитию технологий in vivo CAR-T терапии, которая позволяет программировать Т-клетки непосредственно внутри организма пациента, минуя сложный и дорогостоящий процесс ex vivo манипуляций. Эксперты обсуждают переход от традиционных методов клеточной терапии к более масштабируемым генетическим решениям. В материале подчеркивается, что разработчики генетической медицины ищут новые пути преодоления рыночных трудностей через инновационные методы доставки генетического материала. Обсуждаются перспективы использования вирусных векторов и не вирусных систем для точного редактирования иммунных клеток. Данные технологии обещают радикально снизить стоимость лечения и повысить доступность персонализированной иммунотерапии для широких слоев населения.

Медицинская организация Penn Medicine инициировала проект по внедрению технологий искусственного интеллекта в процесс подготовки медицинских кадров. Основой для реализации данной инициативы послужил образовательный грант в размере 1,1 миллиона долларов, полученный организацией в январе. Основная цель программы заключается в использовании ИИ-инструментов для симуляции клинических сценариев и повышения качества обучения практикующих врачей. Проект направлен на интеграцию передовых алгоритмов в образовательную среду, что позволит более эффективно моделировать сложные диагностические случаи. Данная инициатива представляет значительный интерес для медицинского образования, так как демонстрирует переход от традиционных методов обучения к высокотехнологичным симуляционным моделям на базе ИИ. Реализация проекта может задать новый стандарт подготовки специалистов в крупных медицинских центрах.