Разработан интерпретируемый мультимодальный ИИ-фреймворк, объединяющий эмбеддинги рентгенограмм грудной клетки (DEiT-трансформер) с клиническими, демографическими и социальными данными пациентов для диагностики лекарственно-устойчивого туберкулёза. Модель XGBoost достигла PR-AUC 0.9258 и ROC-AUC 0.8718 на 6279 пациентах, при этом анализ SHAP выявил ключевые факторы риска — контакты с больными, статус занятости и радиологические аномалии. Клиницисты подтвердили правдоподобность объяснений модели.
В исследовании представлена инновационная гибридная архитектура FluQRC, сочетающая квантовые и классические резервуарные вычисления для предсказания антигенной дистанции между штаммами вируса гриппа A/H3N2. Данный метод призван заменить трудоемкие и низкопроизводительные традиционные тесты на ингибирование гемагглютининa (HI), что критически важно для своевременного выбора вакцинных штаммов. Методология тестировалась на двух массивах данных: историческом (1963–2002 гг., 73 441 пара) и современном (2003–2025 гг., 788 544 пары). На более сложном наборе данных 2003–2025 гг. модель FluQRC показала превосходство над всеми базовыми алгоритмами, достигнув показателей MAE = 0,369, RMSE = 0,635 и R² = 0,900. В сравнении с лучшим существующим аналогом, точность модели (MAE) увеличилась на 20,3%, а ошибка (RMSE) снизилась на 14,3%, при этом коэффициент детерминации R² вырос с 0,862 до 0,900. Результаты подтверждают высокую масштабируемость и эффективность квантово-классического подхода для крупномасштабного эпидемиологического прогнозирования.
Исследование направлено на решение проблемы точной классификации подтипов вируса гриппа А (IAV) в условиях высокой скорости мутаций, что затрудняет клиническое тестирование. Авторы проанализировали обширный массив данных белковых последовательностей с известными подтипами HA и NA. В работе применялись методы машинного обучения, а именно логистическая регрессия и случайный лес (random forest), для выявления специфического набора аминокислот, ассоциированных с конкретными подтипами. Разработанный метод классификации продемонстрировал точность, близкую к оптимальной, что позволяет эффективно отслеживать циркулирующие штаммы вируса. Дополнительный анализ показал, что вариации сигнальных пептидов и индели (вставки/делеции) в белках HA и NA являются ключевыми факторами, объясняющими уникальные комбинации аминокислот. Данная разработка имеет высокую значимость для эпидемиологического надзора и совершенствования методов молекулярной диагностики гриппа.
Разработан новый высокопараллельный биоинформатический конвейер neissflow на базе Nextflow, предназначенный для комплексного анализа геномов Neisseria gonorrhoeae (гонококка). Инструмент объединяет пять ключевых подпроцессов: предобработку чтений, идентификацию вида, сборку de novo, профилирование антибиотикорезистентности (AMR) и филогенетический анализ с учетом рекомбинации для обнаружения вспышек. В ходе валидации на смешанном наборе данных (n=158) система показала 100% чувствительность и специфичность в идентификации вида по сравнению с методами MALDI-TOF и PubMLST. Анализ девяти маркеров резистентности продемонстрировал согласованность с PubMLST на уровне ≥98,1%, при этом выявлена идеальная корреляция генотипа и фенотипа для критических мутаций (gyrA, 23S rRNA, tetM). Тесты на воспроизводимость подтвердили точность в 99,97% по 3093 аналитам, а филогенетический анализ показал 100% точность кластеризации. Данное решение представляет собой стандартизированный и надежный инструмент для лабораторий общественного здравоохранения, занимающихся мониторингом антибиотикорезистентности и расследованием вспышек инфекций.
Исследователи представили первую комплексную базу данных локусов синтеза капсулы (K-локусов), специально разработанную для комплекса видов Klebsiella oxytoca (SC), который является растущей группой оппортунистических патогенов в медицинских учреждениях. В работе описывается создание базы, включающей 88 различных локусов, определенных по составу генов, которая полностью совместима с инструментом быстрого геномного типирования Kaptive. Методология исследования включала анализ 2 244 геномов, что позволило достичь покрытия в 97,6%, значительно превосходя показатели существующей базы для K. pneumoniae (50,3%, p < 0,0001). Проверка базы на трех различных коллекциях клинических изолятов (от 61 до 102 генома в каждой) подтвердила высокую диверсификацию типов капсул. Данный ресурс критически важен для эпидемиологического надзора и разработки новых методов терапии, таких как вакцины, моноклональные антитела и фаговая терапия. База данных доступна в открытом доступе на GitHub и станет ключевым инструментом для системных геномных исследований патогена.
Исследование посвящено поиску новых методов борьбы с мультирезистентным патогеном Acinetobacter baumannii, который использует образование биопленок для выживания и устойчивости к антибиотикам. Ученые сосредоточились на таргетировании липопротеина NLPA, закрепленного во внутренней мембране бактерии и отвечающего за адаптацию биопленок. С помощью интегрального in silico конвейера и структуры, полученной через AlphaFold, был проведен виртуальный скрининг около 1,6 миллиона соединений. После оценки свободной энергии связывания (MM/GBSA) и молекулярно-динамического моделирования были выделены наиболее перспективные кандидаты, соответствующие правилу пяти Липинского. В ходе in vitro тестирования соединение NLPA-3 показало умеренную антибактериальную активность с МПК 125 мкг/мл и обеспечило ингибирование формирования биопленки на 55,75% при концентрации 4x МПК. Особую значимость представляют исследования на макрофагах, где NLPA-3 снизил выживаемость внутриклеточных бактерий до 19,25% при концентрации 50 мкг/мл, что подтверждает потенциал мишени NLPA для разработки антивирулентных препаратов.
В исследовании представлена новая модульная байесовская платформа, предназначенная для реконструкции сетей передачи инфекций в условиях поликлональных инфекций, когда один носитель может содержать несколько генетически различных клонов. Традиционные методы часто не справляются с такими данными, предполагая наличие только одного источника и одного гаплотипа, что критично для малярии, туберкулеза и ВИЧ. Авторы разработали фреймворк, который позволяет учитывать наличие одного, нескольких или даже ненаблюдаемых родителей инфекции. В качестве практического применения была представлена модель Plasmotrack для возбудителя Plasmodium falciparum, использующая данные таргетного ампликонного секвенирования. Результаты симуляций показали высокую точность (precision) и полноту (recall) при обнаружении направленной передачи, а также успешное восстановление агрегированных характеристик сети, таких как средняя степень исхода (out-degree). Разработанная архитектура является универсальной: другие патогены могут быть интегрированы в систему путем замены модулей правдоподобия передачи и наблюдения.
Систематический обзор 62 исследований, посвященный применению ИИ и глубокого обучения для прогнозирования и диагностики инфекционных заболеваний в Африке. В работе выявлен рост публикаций с 2019 года и определены ключевые направления, такие как борьба с малярией и ВИЧ, а также обозначены барьеры в интеграции данных о животных и окружающей среде.
Информационно-аналитический центр здравоохранения Москвы объявил тендер на развитие Единой медицинской информационно-аналитической системы (ЕМИАС) с бюджетом в 479,77 млн рублей. Основной целью проекта является цифровизация процессов учета контактных лиц, подвергшихся воздействию воздушно-капельных и кишечных инфекций. Данная инициатива направлена на автоматизацию противоэпидемиологических мероприятий и повышение эффективности мониторинга инфекционных рисков в столице. Реализация проекта позволит интегрировать данные о контактах в единую цифровую среду, что ускорит реагирование на вспышки заболеваний. Это пример применения ИТ-инфраструктуры и систем обработки данных для управления общественным здравоохранением и эпидемиологическим контролем.
Обзор посвящен применению искусственного интеллекта в качестве системы поддержки принятия клинических решений в условиях ОИТ, особенно при лечении сепсиса. Авторы классифицируют возможности ИИ для оптимизации антибиотикотерапии, разделяя сигналы патогенов и реакции организма хозяина на шесть ключевых этапов лечения.
Исследователи представили MTB-KB — специализированную базу знаний, предназначенную для систематизации разрозненных данных о туберкулезе, вызываемом Mycobacterium tuberculosis. Проект решает проблему фрагментации знаний, объединяя данные из восьми ключевых областей: от эпидемиологии и диагностики до разработки вакцин и механизмов лекарственной устойчивости. В текущую версию базы включено 75 170 ассоциаций, извлеченных из 1 246 высокоцитируемых публикаций, охватывающих 18 439 стандартизированных сущностей. Центральным элементом платформы является интерактивный граф знаний, который позволяет визуализировать и выявлять скрытые взаимодействия между патогеном и хозяином, а также находить новые стратегии лечения. Использование стандартизированных классификаций ВОЗ обеспечивает высокую точность и применимость данных для клинической практики. Платформа предоставляет инструменты для расширенного поиска и статистической визуализации, становясь критически важным ресурсом для ускорения глобальных усилий по ликвидации туберкулеза.
