генеративный ИИ

Компания Suki, специализирующаяся на голосовых помощниках для врачей, представила новую функцию «Ask», предназначенную для клинической поддержки принятия решений. Данная интеграция использует API UpToDate AI от издательства Wolters Kluwer, что позволяет получать ответы, основанные на доказательной медицине и проприетарном контенте UpToDate. Функция встроена непосредственно в рабочие процессы медицинских работников, обеспечивая быстрый доступ к актуальной информации без необходимости переключения между приложениями. Это решение направлено на снижение когнитивной нагрузки на врачей и минимизацию риска врачебных ошибок за счет предоставления проверенных данных в реальном времени. Интеграция демонстрирует тренд на внедрение генеративного искусственного интеллекта в повседневную клиническую практику для улучшения качества оказания медицинской помощи. Технология позволяет врачам задавать вопросы в естественной форме и получать структурированные ответы, соответствующие текущим клиническим рекомендациям. Партнерство с Wolters Kluwer подчеркивает важность достоверности источников при использовании ИИ в чувствительных медицинских сферах. Запуск функции расширяет возможности платформы Suki, превращая ее из простого инструмента транскрипции в комплексную систему поддержки принятия решений.

GE HealthCare и Mass General Brigham объявили о партнерстве для разработки инструмента на основе генеративного ИИ, который поможет онкологам-радиологам быстро анализировать структурированные и неструктурированные данные для планирования лучевой терапии. Цель проекта — интеграция решения в платформу iRT для сокращения ручного труда, унификации рабочих процессов и ускорения перехода пациента от диагноза к лечению.

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.

Еженедельный дайджест Vademecum, посвящённый применению искусственного интеллекта в здравоохранении за период с 28 сентября по 3 октября 2026 года. Среди ключевых материалов — исследование специалистов Университета Флориды, которое выявило, что молодые взрослые, обращающиеся к генеративному ИИ с вопросами о здоровье, значительно чаще получают положительный результат скрининга на клинически значимую тревогу и депрессию по сравнению с теми, кто не использует такие инструменты. Это указывает на то, что генеративные модели могут служить неформальным каналом выявления психических расстройств у молодёжи, которая не обращается к специалистам напрямую. Также в дайджесте описана работа, в которой исследователи применили алгоритм машинного обучения для оптимизации состава липидных наночастиц, используемых в качестве системы доставки мРНК-вакцин, что может ускорить разработку новых вакцинных платформ. Дайджест охватывает несколько дополнительных тем недели, связанных с внедрением ИИ в медицинскую практику.

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.

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.

В статье представлена новая генеративная ИИ-система DentalGEN, предназначенная для автоматизации процесса восстановления зубных коронок в стоматологии. Методология исследования включает разработку крупномасштабной контролируемой генеративной модели, способной создавать точные цифровые модели реставраций на основе входных данных. Ключевые результаты демонстрируют высокую эффективность системы в генерации анатомически корректных и функциональных коронок, что существенно сокращает время, необходимое стоматологам-техникам. Значимость для практики заключается в потенциальном снижении затрат на производство реставраций и повышении доступности качественной стоматологической помощи за счет автоматизации рутинных этапов. Исследование подчеркивает возможности применения генеративного искусственного интеллекта в узкоспециализированных медицинских областях, выходящих за рамки традиционной диагностики. Система способна обрабатывать сложные случаи, обеспечивая при этом стабильно высокое качество результатов, сопоставимое с работой опытных специалистов. Это открывает новые перспективы для интеграции ИИ в клиническую практику и цифровое производство в стоматологии.

Статья посвящена интеграции генеративного искусственного интеллекта в медицинское образование, подчеркивая, что неконтролируемое использование студентами и ординаторами обогнало разработку институциональных политик. Авторы предлагают практическую концептуальную рамку для оценки рисков, основанную на степени когнитивного вытеснения — том, насколько инструмент берет на себя мыслительные процессы, которые должны формироваться у обучающегося. Выделяются три ключевых вида вреда: «потеря навыков» (deskilling) у резидентов, чье суждение еще формируется; «неприобретение навыков» (never-skilling) у студентов-доклиников, которые не осваивают фундаментальные компетенции, так как их выполняет ИИ; и «искажение навыков» (mis-skilling), возникающее при усвоении предвзятости и ошибок ИИ как нормы. Предложенный подход основан на принципе калибровки, а не запрета, требуя индивидуального подхода к каждому этапу обучения. Исследование указывает на необходимость проспективных исследований для измерения этих рисков в реальной клинической практике. Работа служит руководством для преподавателей, помогая определить, какие задачи с ИИ поддерживают формирование навыков, а какие их подменяют. Акцент делается на том, что вопрос заключается не в том, использовать ли ИИ, а в том, как спроектировать эту интеграцию для сохранения клинической компетентности будущих врачей.

В статье представлен обзор исследований, посвященных применению генеративного ИИ и цифровых двойников для снижения уровня одиночества у пожилых людей в период адаптации после выписки из стационара. Авторы выявили разрыв между исследованиями ИИ-технологий (чат-боты, роботы) и клиническими протоколами перехода на дом, предложив новую концептуальную модель «Экосистемы реляционного интеллекта» для интеграции этих подходов.

Статья анонсирует вебинар, посвященный вопросам управления, безопасности и готовности к внедрению искусственного интеллекта в здравоохранении. Обсуждаются стратегии снижения рисков при работе с поставщиками ИИ, политика использования генеративного ИИ и критерии оценки ИИ-вендоров для страховых организаций.

В исследовании, опубликованном в журнале npj Digital Medicine 25 сентября 2026 года, рассматривается применение больших языковых моделей (LLM) в роли автоматизированных судей для оценки качества ответов клинических генеративных систем искусственного интеллекта. Авторы анализируют эффективность использования LLM для сравнения и верификации выводов других медицинских ИИ-моделей, что позволяет значительно ускорить процесс валидации и снизить нагрузку на экспертов-людей. Методология включает сравнение оценок, выставленных языковыми моделями, с мнениями квалифицированных медицинских специалистов, демонстрируя высокую корреляцию между автоматизированной и ручной оценкой. Ключевые результаты показывают, что LLM способны надежно выявлять неточности, галлюцинации и несоответствия клиническим рекомендациям в ответах генеративных моделей, обеспечивая масштабируемый инструмент контроля качества. Данное исследование имеет важное значение для развития стандартов в области медицинского ИИ, так как предлагает решение проблемы дефицита времени экспертов при массовом тестировании новых алгоритмов. Внедрение таких систем оценки может способствовать более быстрому внедрению безопасных и эффективных клинических ИИ-решений в практику здравоохранения. Работа подчеркивает необходимость дальнейшей разработки протоколов для обеспечения надежности LLM-судей в критически важных медицинских сценариях.

В исследовании, опубликованном в журнале npj Digital Medicine, проводится детальная оценка возможностей генеративного искусственного интеллекта в контексте создания синтетических хирургических видео. Авторы фокусируются на измерении так называемого «разрыва в правдоподобии» (plausibility gap) — разницы между качеством сгенерированных моделей и реальными хирургическими процедурами. Для объективной оценки используется метод экспертной оценки, при котором опытные хирурги анализируют сгенерированные видеоматериалы на предмет анатомической точности, реалистичности движений инструментов и общей клинической достоверности. Исследование демонстрирует, что современные генеративные модели способны создавать высококачественные симуляции, однако сохраняются значительные пробелы в передаче тонких нюансов хирургической техники. Полученные количественные метрики позволяют стандартизировать оценку качества генеративных моделей для медицинских нужд. Результаты работы имеют важное значение для разработки обучающих симуляторов, тестирования алгоритмов компьютерного зрения и создания датасетов для обучения ИИ-систем в хирургии. Работа закладывает основу для более надежного применения генеративного ИИ в медицинском образовании и предоперационном планировании.

Статья рассматривает трансформацию взаимодействия врача и пациента через призму использования ИИ-инструментов, таких как ChatGPT и Claude, для записи и анализа медицинских консультаций. Автор описывает, как пациенты используют генеративный ИИ для создания точных, интерактивных и searchable-записей визитов, что меняет динамику подотчетности и требует от врачей адаптации к новым реалиям.

OpenAI расширяет возможности ChatGPT в сфере здравоохранения, внедряя новые интеграции, которые напрямую связывают модель с клиническими рабочими процессами и источниками данных общественного здравоохранения. Ключевым партнерством стало подключение к Epic — одной из крупнейших систем электронных медицинских карт (EHR) в США, что позволяет врачам получать контекстную информацию о пациентах непосредственно в интерфейсе ChatGPT. Интеграция с данными общественного здравоохранения (public health data) дает возможность модели анализировать эпидемиологические сводки, данные о вспышках заболеваний и статистику по регионам, помогая медицинским работникам принимать более обоснованные решения. Это значимый шаг в направлении внедрения генеративного ИИ в повседневную клиническую практику, поскольку ранее ChatGPT в медицине использовался в основном для общих консультаций и административных задач. Новая функциональность ориентирована на реальные сценарии использования: подготовка к приему пациента, быстрое извлечение релевантной информации из истории болезни и оценка эпидемиологической обстановки. Однако в статье не приводятся конкретные технические детали реализации, сроки запуска или данные о пилотных испытаниях в медицинских учреждениях. Тем не менее, анонс подтверждает стратегический курс OpenAI на углубление присутствия в клинической сфере и конкуренцию с такими специализированными решениями, как Google Med-PaLM и Microsoft Nuance DAX.

Ученые из Insilico Medicine (Китай) и других научных центров обнаружили потенциальный антивозрастной эффект у экспериментального препарата rentosertib, разработанного с применением искусственного интеллекта для лечения идиопатического легочного фиброза (ИЛФ). В дополнительном анализе данных исследования II фазы у пациентов, получавших препарат, показатели расчетного биологического возраста снизились сразу по нескольким системам оценки старения. Результаты опубликованы в авторитетном журнале Nature Biotechnology. Rentosertib — это малая молекула, идентифицированная с помощью генеративной платформы ИИ компании Insilico Medicine, которая позволяет создавать новые химические структуры с заданными свойствами. Препарат уже продемонстрировал эффективность в лечении ИЛФ в клинических испытаниях, а теперь данные указывают на его дополнительный потенциал в геронтологии. Снижение биологического возраста оценивалось с помощью нескольких независимых эпигенетических часов и других биомаркеров старения, что повышает достоверность результатов. Это открытие может стать важным шагом к созданию первых одобренных антивозрастных терапий, а также подтверждает ценность ИИ в открытии лекарств с множественными терапевтическими эффектами. Исследование открывает перспективы для дальнейших клинических испытаний rentosertib в качестве средства для замедления старения и лечения возраст-ассоциированных заболеваний.

Компания Nourish, специализирующаяся на цифровом здравоохранении, объявила о широком внедрении своего генеративного ИИ-ассистента Health Assistant в приложение для пациентов. Ассистент, ранее доступный в бета-версии, теперь предоставляет пациентам персонализированные рекомендации между визитами к врачу, включая планирование питания, интерпретацию лабораторных показателей и подготовку к приёмам. Решение работает в режиме 24/7, что позволяет пациентам получать поддержку в любое время без необходимости ожидания ответа медицинского персонала. Инструмент использует генеративный ИИ для адаптации советов под индивидуальные особенности каждого пациента, что повышает вовлечённость в процесс лечения и улучшает приверженность рекомендациям. Внедрение ассистента направлено на снижение нагрузки на врачей и повышение качества непрерывного ухода за пациентами с хроническими заболеваниями, особенно в области нутрициологии и диетологии. Это значимый шаг в развитии телемедицины и персонализированной медицины, демонстрирующий практическое применение генеративного ИИ в повседневной клинической практике.

Управление по контролю за продуктами и лекарствами США (FDA) запустило пилотную программу TEMPO, которая позволяет компаниям в сфере цифрового здоровья выпускать продукты на основе генеративного искусственного интеллекта на рынок до получения официального разрешения на маркетинг. В рамках этой инициативы четыре устройства, включая продукты от компаний Cadence и Limbic, были приняты в программу. TEMPO представляет собой значимый сдвиг в регулировании ИИ-медицинских устройств: вместо традиционного предварительного одобрения FDA будет использовать постмаркетинговый надзор и сбор реальных клинических данных. Это позволяет ускорить доступ пациентов к инновационным технологиям, сохраняя при этом механизмы контроля безопасности. Программа отражает растущее признание регулятором необходимости адаптации к быстро развивающейся области генеративного ИИ в здравоохранении. Участие Cadence и Limbic, известных своими решениями в области поведенческого здоровья и психиатрии, подчеркивает фокус на клинически значимых применениях. Ожидается, что результаты пилота повлияют на будущие регуляторные рамки для ИИ-устройств в США.

Министерство юстиции США выразило поддержку OpenAI в судебном споре с The New York Times и другими издателями по вопросу использования их статей для обучения моделей искусственного интеллекта. Ведомство считает, что использование материалов для обучения ИИ подпадает под доктрину добросовестного использования (fair use), что является важным прецедентом для всей индустрии генеративного ИИ. Позиция Минюста может существенно повлиять на исход дела, которое рассматривается в окружном суде Южного округа Нью-Йорка. NYT утверждает, что OpenAI нарушила авторские права, используя миллионы статей без разрешения, в то время как OpenAI настаивает на правомерности своих действий. Это дело является одним из ключевых для определения правовых рамок обучения больших языковых моделей на публично доступных данных. Решение суда может установить стандарты для будущих исков со стороны правообладателей и повлиять на развитие рынка ИИ в США и других странах, включая Россию, где аналогичные вопросы также обсуждаются.

В статье, опубликованной в npj Digital Medicine 1 сентября 2026 года, представлено исследование, в котором с помощью генеративного глубокого обучения впервые удалось реконструировать подкорковые нейронные сигналы на основе записей активности коры головного мозга. Авторы разработали модель на основе вариационного автокодировщика (VAE) и генеративно-состязательной сети (GAN), которая обучалась на синхронных записях из коры и подкорковых структур (например, базальных ганглиев) у пациентов с болезнью Паркинсона и эпилепсией. Модель достигла коэффициента корреляции Пирсона 0.87 между реконструированными и реальными подкорковыми сигналами, что значительно превышает показатели линейных методов (0.52). Валидация на независимой когорте из 12 пациентов подтвердила устойчивость модели, а анализ ошибок показал, что наибольшая точность достигается в бета-диапазоне (13–30 Гц), критичном для симптомов Паркинсона. Разработанный подход позволяет реализовать замкнутую глубокую стимуляцию мозга (DBS) без необходимости инвазивных электродов в подкорковых областях, что снижает хирургический риск и расширяет доступность терапии. Авторы также продемонстрировали, что реконструированные сигналы могут быть использованы для адаптивной стимуляции в реальном времени, что открывает путь к более персонализированным и эффективным нейромодуляционным вмешательствам. Исследование подчеркивает потенциал генеративного ИИ для преодоления ограничений инвазивной нейрофизиологии и улучшения клинических исходов.