гериатрия

В данном исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная модель объяснимого машинного обучения (Explainable AI), предназначенная для долгосрочного прогнозирования когнитивных нарушений. Исследование фокусируется на сельской популяции Китая, что позволяет оценить эффективность алгоритмов в условиях ограниченного доступа к специализированной медицинской помощи. Авторы применили методы интерпретируемого ИИ, чтобы не только предсказать риск развития когнитивных расстройств на горизонте 10 лет, но и выявить ключевые биомаркеры и демографические факторы, влияющие на результат. Методология включает использование сложных ML-архитектур, чья работа прозрачна для клиницистов, что критически важно для принятия медицинских решений. Ключевые результаты демонстрируют высокую прогностическую точность модели, позволяющую проводить раннюю стратификацию пациентов. Данная работа имеет высокую практическую значимость для превентивной гериатрии и разработки систем поддержки принятия врачебных решений в регионах с дефицитом ресурсов.

Исследование посвящено разработке аннотированного корпуса из 2040 выписных эпикризов для автоматического обнаружения гериатрических синдромов с помощью NLP. Сравнительный анализ показал высокую эффективность моделей BERT-cased и BioClinicalBERT в задачах распознавания именованных сущностей (NER) и классификации документов.

В исследовании, опубликованном в журнале npj Digital Medicine, рассматривается использование носимых устройств с акселерометрами для мониторинга состояния пожилых людей. Авторы разработали методику анализа паттернов повседневной активности, которая позволяет с высокой точностью предсказывать развитие физической хрупкости (frailty) и психологический фактор — страх перед падением. Методология основывается на непрерывном сборе данных о движении, что позволяет выявить скрытые изменения в биомеханике ходьбы и уровне общей активности. Ключевые результаты показывают, что алгоритмы машинного обучения способны идентифицировать предвестники снижения мобильности задолго до клинических проявлений. Это исследование имеет критическое значение для превентивной медицины, так как позволяет внедрять системы раннего предупреждения и персонализированные программы реабилитации на основе объективных данных носимых устройств.

Данный обзорный труд, опубликованный в журнале 'Artificial Intelligence in Medicine', посвящен исследованию роли технологий искусственного интеллекта в управлении болевыми синдромами у лиц пожилого возраста. Авторы анализируют текущее состояние применения алгоритмов машинного обучения для автоматизированной оценки интенсивности боли, что является критически важным для пациентов с когнитивными нарушениями. В работе рассматриваются различные методологии: от использования компьютерного зрения для анализа мимики лица до обработки биометрических данных и носимых устройств. Исследование подчеркивает потенциал ИИ в персонализации терапевтических стратегий и мониторинге состояния пациентов в режиме реального времени. Ключевым выводом является необходимость разработки специализированных моделей, учитывающих возрастную специфику физиологии и когнитивного статуса пожилых людей. Работа имеет высокую практическую значимость для интеграции интеллектуальных систем в гериатрическую практику и системы долгосрочного ухода.

Исследование оценивает эффективность платформы PART для дистанционной оценки периферического и центрального слуха у пожилых людей в домашних условиях. Результаты показали умеренно высокую надежность тестов и высокую степень приемлемости метода для мониторинга слуховых функций.

Компания Intuition Robotics достигла важного этапа в коммерциализации своих технологий: в штате Вашингтон был официально утвержден код возмещения расходов по программе Medicaid для социального ИИ-робота ElliQ. Это решение позволяет имеющим право на льготы бенефициарам получать робота-компаньона в рамках услуг по уходу на дому. Робот ElliQ использует искусственный интеллект для социального взаимодействия, мониторинга состояния и поддержки когнитивных функций пожилых людей. Внедрение такого решения через государственные программы страхования открывает путь к масштабированию ИИ-технологий в секторе долгосрочного ухода. Данный кейс демонстрирует переход ИИ-компаньонов из категории потребительских гаджетов в категорию медицинских инструментов, подлежащих государственному возмещению. Это имеет критическое значение для интеграции социальных роботов в систему здравоохранения США.

В данном исследовании, опубликованном в журнале npj Digital Medicine, представлена масштабная мультицентровая валидация и обновленная версия модели ELDER-ICU, предназначенной для оценки степени тяжести состояния пожилых пациентов в отделениях интенсивной терапии (ОИТ). Авторы провели глубокий анализ данных для улучшения прогностической способности модели в отношении летальности и осложнений у возрастной группы пациентов. Методология включала использование современных алгоритмов машинного обучения для интеграции клинических параметров и специфических биомаркеров, характерных для гериатрических пациентов. Ключевые результаты демонстрируют значительное повышение точности прогнозирования по сравнению с традиционными шкалами, такими как APACHE II или SOFA, применительно к пожилым людям. Обновленная модель позволяет более эффективно распределять ресурсы ОИТ и персонализировать протоколы лечения, снижая риск неоправданной агрессивной терапии или недостаточного вмешательства. Практическая значимость работы заключается в предоставлении врачам высокоточного цифрового инструмента для принятия клинических решений в критических ситуациях.

Статья анализирует этические и практические риски использования ИИ-компаньонов для пожилых людей с деменцией на фоне дефицита гериатров. Автор подчеркивает разрыв между технологическим потенциалом (мониторинг, управление лекарствами) и реальной потребностью в человеческом уходе и обучении опекунов.

Исследование посвящено разработке объективных биомаркеров для ранней диагностики старческой астении (frailty) с использованием биоинформатического анализа и машинного обучения. Авторы использовали два независимых транскриптомных датасета из базы GEO: GSE144304 (n=80) и GSE287726 (n=70). Методология включала анализ дифференциальной экспрессии генов, обогащение GO, KEGG и GSEA, а также построение ML-моделей с разделением данных 70% на обучение и 30% на валидацию. Ключевые результаты показали, что метаболизм витамина D, ABC-транспортеры и воспалительные/иммунные пути являются согласованно обогащёнными и подтверждёнными через GSEA. Выявленные биомаркеры демонстрируют благоприятную диагностическую производительность ML-моделей. Исследование демонстрирует, что нарушения метаболизма витамина D и хроническое воспаление являются основными молекулярными особенностями старческой астении. Результаты открывают новые стратегии для базовых исследований, ранней клинической диагностики и разработки терапевтических мишеней.