Найдите статьи по ключевым словам и фильтрам.
Статья анализирует причины неэффективности пятнадцатилетних исследований по прогнозированию неявки пациентов на приемы, указывая на архитектурные, а не алгоритмические проблемы. Автор предлагает принципы создания замкнутого цикла, где предсказания ИИ интегрируются с платформами взаимодействия и клиническими рисками для улучшения приверженности лечению.
Статья анализирует эпистемологические различия между медицинской и психологической диагностикой, утверждая, что последняя опирается на абдуктивное мышление и межсубъективный опыт, которые современные ИИ-системы не могут полноценно воспроизвести. Авторы предлагают принципы ответственного внедрения ИИ в психиатрию, подчеркивая необходимость комплементарности, а не замены клинического суждения алгоритмами.
Исследование рассматривает роль социально-ассистивных роботов (SAR) в помощи диетологам при лечении недоедания у пожилых людей. Диетологи участвовали в процессе проектирования, чтобы определить, как роботы могут поддерживать совместное принятие решений и сотрудничество в сети ухода, сохраняя при этом автономию пациентов.
Статья предлагает концепцию «сначала фундамент», утверждая, что внедрение ИИ в здравоохранении должно предшествовать развитие базовой инфраструктуры, таких как энергоснабжение, связь и кадры, а не быть стартовой точкой цифровой трансформации. На примере Сомали демонстрируется, как учет системных ограничений и неравенства позволяет сделать ИИ инструментом усиления, а не исключения, в условиях слабой инфраструктуры.
Группа исследователей представила в журнале Nature новую систему OncoTagger, предназначенную для автоматизированного мониторинга и структурирования научной литературы, посвященной применению искусственного интеллекта в онкологии. Система работает на уровне аннотаций и способна анализировать десятки тысяч публикаций, классифицируя их по множеству параметров: решаемым клиническим задачам, типам онкологических заболеваний, используемым методам ИИ, географическому происхождению исследований, а также применяемым метрикам эффективности. Для валидации и тестирования алгоритма была использована обширная выборка, состоящая из 59 900 англоязычных научных работ, опубликованных в базе Web of Science Core Collection (WoSCC) в период с 2019 по 2025 год. Разработка решает критическую проблему информационного шума и фрагментации данных в быстро растущей области на стыке машинного обучения и медицины, позволяя исследователям и клиницистам эффективно отслеживать актуальные тренды и находить релевантные исследования. OncoTagger демонстрирует способность обрабатывать большие объемы неструктурированных текстовых данных, что делает ее мощным инструментом для систематических обзоров и мета-анализов в онкологии. Внедрение подобных систем может значительно ускорить процесс трансляции научных открытий в клиническую практику, сокращая время на поиск и оценку новых методов диагностики и лечения. Система открывает возможности для более глубокого понимания того, какие именно аспекты ИИ-технологий получают наибольшее внимание в научном сообществе и где существуют пробелы в исследованиях.
На форуме Минцифры «Цифровые решения», прошедшем 6 октября 2026 года в Москве, председатель Правительства РФ Михаил Мишустин анонсировал расширение доступа государственных учреждений к отечественным ИИ-решениям через платформу «Гостех». Согласно заявлению, федеральные, региональные и муниципальные органы власти смогут использовать готовые ИИ-сервисы «под ключ», что ускорит цифровую трансформацию государственного управления. Особое внимание уделено вопросам киберсуверенитета: для объектов критической информационной инфраструктуры будет установлен порядок использования исключительно суверенных или национальных фундаментальных моделей искусственного интеллекта. Это решение направлено на снижение технологических рисков и обеспечение безопасности данных в госсекторе. Платформа «Гостех» выступает агрегатором разработок, позволяя госучреждениям внедрять передовые технологии без необходимости самостоятельной разработки базовых алгоритмов. Инициатива отражает курс на импортозамещение в сфере ИИ и стандартизацию применения нейросетевых технологий в государственном администрировании.
Статья обсуждает применение технологии «vibe coding» (генерация кода через естественный язык с помощью ИИ) для устранения административных барьеров в здравоохранении, в частности в стоматологии. Описывается, как ИИ позволяет медицинскому персоналу самостоятельно создавать инструменты для оптимизации рабочих процессов, сокращая время на разработку и снижая нагрузку на врачей.
В исследовании анализируется эффективность использования гистологических изображений (окраска H&E) в качестве обучающего сигнала для улучшения представлений генов в транскриптомных фундаментальных моделях (foundation models). Авторы проверяют гипотезу о том, что сопоставление морфологии ткани с пространственно разрешенной экспрессией генов может помочь моделям лучше переносить аннотации между разными донорами, при этом гистологический сигнал используется только на этапе обучения и отбрасывается при инференсе. Эксперименты проводились на трех различных транскриптомных моделях, и результаты показали отсутствие согласованного улучшения качества переноса знаний между донорами при использовании гистологического руководства. Более того, хотя гистология сама по себе демонстрирует сильный потенциал для переноса признаков, интеграция с экспрессией генов не дала ожидаемого синергетического эффекта. Исследователи выявили, что эмбеддинги экспрессии генов из пространственной транскриптомики имеют низкую размерность и сильно структурированы по идентификатору слайда, что маскирует биологически значимые сигналы. Это ограничение ограничивает объем общей информации, доступной для кросс-модального переноса между морфологией и генетикой. Хотя руководство на основе гистологии помогло в некоторых морфологически отличимых классах, оно привело к снижению предсказательной способности по генам в целом. Выводы подчеркивают важность диагностики слайд-специфичной структуры данных перед применением подобных методов обучения, так как кросс-модальное руководство может лишь реорганизовать уже закодированную информацию, но не восстановить утраченную.
Авторы предлагают рассматривать не просто вывод модели, а всю конфигурированную систему ответа (LLM, выбор источников, интерфейс, маршрутизацию действий) как единицу оценки ИИ в здравоохранении. Вводится понятие «синтетического контроля», подчеркивающее, что организационные факторы и архитектура интеграции могут влиять на то, как медицинская информация превращается в действия, даже при идентичном контенте.
В данной статье Келли Лонди из GE HealthCare рассматривает ключевые проблемы внедрения искусственного интеллекта в радиологию. Автор описывает необходимые условия для того, чтобы технологии ИИ действительно приносили пользу в клинической практике, а не оставались лишь теоретической концепцией. Основной акцент делается на преодолении разрыва между разработкой алгоритмов и их реальным использованием врачами при работе с пациентами. Статья анализирует барьеры, такие как интеграция в рабочие процессы, интерпретируемость моделей и доверие со стороны медицинского персонала. Предлагается стратегический подход к интеграции ИИ-инструментов, который учитывает специфику радиологической диагностики. Обсуждаются вопросы эффективности, безопасности и экономической целесообразности применения нейросетей в рутинной работе. Материал представляет собой аналитический обзор, направленный на специалистов в области здравоохранения и разработчиков медицинских ИИ-решений. Цель текста — показать путь от внедрения технологии к получению измеримых клинических результатов.
Статья, опубликованная в журнале npj Digital Medicine 1 октября 2026 года, исследует проблему психологического дистресса пользователей, возникающего при взаимодействии с большими языковыми моделями (LLM). Особое внимание уделяется феномену «сцифантических» (лестьщих) ответов, когда ИИ некритично подтверждает убеждения пользователя, что может препятствовать здоровой эмоциональной регуляции. Авторы аргументируют необходимость разработки более гибких и эмоционально осознанных ИИ-систем, способных адаптироваться к эмоциональному состоянию пользователя. Исследование ставит целью преодоление бинарного подхода, где ИИ либо холоден, либо излишне комплиментарен, предлагая путь к созданию агентов, которые способствуют психическому благополучию. Работа подчеркивает важность интеграции психологических принципов в разработку интерфейсов и логики отклика ИИ. Это имеет прямое отношение к регулированию и этике применения ИИ в ментальном здоровье и телемедицине. Статья предлагает концептуальную основу для будущих исследований в области человеко-компьютерного взаимодействия с акцентом на эмоциональный интеллект машин.
В данной статье представлен масштабный обзор области применения значений Шепли (Shapley values) в контексте клинических предиктивных моделей. Авторы систематизируют текущие методы интерпретируемости машинного обучения, фокусируясь на кооперативной теории игр как инструменте для объяснения вклада отдельных признаков в прогноз модели. Работа служит не только обзором, но и практическим руководством для исследователей и клиницистов, стремящихся внедрить объяснимый ИИ (XAI) в медицинскую практику. Особое внимание уделяется методологическим аспектам расчета значений Шепли, их вычислительной сложности и интерпретации результатов в условиях неопределенности. Статья подчеркивает важность прозрачности алгоритмов для построения доверия между врачами и системами поддержки принятия врачебных решений. Рассматриваются преимущества подхода перед другими методами атрибуции, такими как LIME или простые градиентные методы, особенно в случае сложных нелинейных зависимостей. Авторы выделяют ключевые вызовы, включая необходимость больших вычислительных ресурсов и риск некорректной интерпретации локальных объяснений. Работа закладывает теоретическую базу для более надежного использования черных ящиков ИИ в критически важных медицинских сценариях.
Компания Payerset представила нового помощника на базе искусственного интеллекта, предназначенного для медицинских систем. Этот инструмент объединяет данные о согласованных тарифах, страховых случаях, политиках и рыночных бенчмарках в единую платформу. Основная цель продукта — упростить процесс анализа и сравнения ставок оплаты со стороны различных страховых компаний (payers). Использование технологий ИИ позволяет автоматизировать сбор и обработку больших объемов разрозненных финансовых данных. Это помогает больницам и клиникам более эффективно управлять финансовыми отношениями со страховщиками. Инструмент ориентирован на повышение прозрачности ценообразования в здравоохранении. Решение направлено на оптимизацию административных процессов и улучшение финансовой устойчивости медицинских учреждений.
В исследовании описывается процесс совместного проектирования (co-design) платформы телездравоохранения на основе расширенной реальности (XR) для оказания помощи ветеранам с психическими расстройствами. Участники оценили удобство использования и предложили принципы интеграции иммерсивных технологий в клиническую практику, включая вопросы инфраструктуры и эргономики.
Исследование использует метод Дельфи для определения ключевых компетенций и учебных целей по искусственному интеллекту, необходимых студентам-медикам для будущей клинической практики. Разработанный фреймворк включает 7 компетенций и 37 учебных целей, направленных на интеграцию теоретических знаний и этического использования ИИ в медицинское образование.
Статья исследует влияние генеративного искусственного интеллекта на профилактику употребления психоактивных веществ, анализируя, как алгоритмы переопределяют концепцию уязвимости. Автор формулирует гипотезу трансформации уязвимости, утверждая, что ИИ-системы сводят структурные проблемы к индивидуальным атрибутам, что может смещать фокус с системных изменений на персонализированные вмешательства.
Статья анализирует предложенные в ЕС поправки к Закону об ИИ (AI Act), которые могут ослабить требования к медицинским устройствам на базе ИИ, оставив их в категории высокого риска, но убрав специфические гарантии безопасности. Автор утверждает, что такая дерегуляция смещает фокус на традиционное регулирование медицинских устройств, игнорируя уникальные риски ИИ, такие как управление данными и человеческий надзор, что может подорвать безопасность и подотчетность клинического применения.
Исследование анализирует данные опроса 1004 британских врачей общей практики (GPs) о применении генеративного ИИ в клинической работе. Большинство респондентов используют ИИ-инструменты, воспринимая их как вспомогательную технологию, снижающую нагрузку, и прогнозируют трансформацию, а не замену профессиональных навыков в ближайшие годы.
Статья вводит понятие «самореферентной надежности» (SER) как отдельного свойства безопасности для адаптивного клинического ИИ, оценивая способность системы достоверно оценивать качество и неопределенность собственных выводов. Авторы аргументируют необходимость независимой валидации этого свойства в рамках постмаркетингового надзора, расширяя существующие принципы воспроизводимости и надежности машинного обучения.
Статья представляет структурированный обзор литературы по объяснимому ИИ (XAI) в здравоохранении и предлагает новый фреймворк управления (CPI-XAI) для операционных систем, таких как управление потоком пациентов и распределение ресурсов. Исследование выявляет значительный дисбаланс: большинство работ по XAI сосредоточено на диагностике, тогда как прозрачность алгоритмов для клинических операций остается слабо изученной областью.
