клинические исследования

Биотехнологическая компания Cognito Therapeutics присоединилась к инициативе по замене термина «деменция» на более точную и менее стигматизирующую терминологию. Это решение направлено на улучшение взаимодействия с врачами и пациентов, а также на поддержку ранней диагностики нейродегенеративных заболеваний.

Национальное поперечное исследование 587 итальянских врачей оценило их знания, отношение и клиническое согласие с диагностическими рекомендациями, сгенерированными ИИ (ChatGPT). Исследование использовало валидированный онлайн-опросник для оценки самоотчётных знаний об ИИ, предыдущего опыта, отношения и готовности внедрять ИИ в медицину. Вторая часть оценки измеряла клиническое согласие между предложениями врачей и ChatGPT по клиническим случаям. Результаты показали, что 64,8% участников сообщили о базовых знаниях об ИИ, но только 18,4% имели опыт обучения ИИ. Лишь 21,6% использовали ИИ в клинической практике, при этом наиболее знакомым применением была диагностическая визуализация (35,4% пользователей ИИ, 7,7% общей выборки). Основными воспринимаемыми барьерами стали отсутствие обучения (76,7%) и сопротивление изменениям (50,9%). В универсальном клиническом сценарии врачи показали наивысшее согласие с правильным диагнозом ChatGPT (среднее = 4,07) по сравнению с неправильными альтернативами (2,57 и 1,82, p < 0,001). Для правильного диагноза уровень согласия составил 89% [86%-91%].

Компания Insilico Medicine, специализирующаяся на разработке лекарств с использованием искусственного интеллекта, подписала коммерческое соглашение с фармацевтическим гигантом Eli Lilly. Сделка предусматривает первоначальный платеж в размере $115 миллионов и потенциальные дополнительные выплаты до $2,75 миллиарда в зависимости от достижения различных этапов разработки и коммерциализации. Это соглашение представляет собой одну из крупнейших сделок в области ИИ-фармацевтики и демонстрирует коммерческую валидацию технологий искусственного интеллекта в процессе открытия и разработки новых лекарственных препаратов. Партнёрство позволяет Lilly получить доступ к платформе Insilico для генерации новых молекул и ускорения доклинических исследований, что традиционно занимает годы. Успех такого сотрудничества подтверждает растущий интерес крупных фармацевтических компаний к интеграции машинного обучения в процессы drug discovery.

Исследование применяет методы машинного обучения для классификации пациентов с боковым амиотрофическим склерозом (БАС) против контрольной группы на основе данных смешанных анкет, содержащих как структурированные переменные, так и свободный текст. Разработана утечка-свободная ML-пайплайн с LLM-экстракцией текста в таблицу и компактным лонгитюдным кодированием. Сравнены три конфигурации признаков: Pool1 (только структурированные данные), Pool2 (добавлены компактные суммарные признаки из первого временного пункта), Pool3 (дополнены описаниями изменений между T1 и T2). В итоговой конфигурации Pool3 Random Forest достиг точности 0.673, F1-взвешенного показателя 0.666 и коэффициента корреляции Мэттьюса 0.323 на holdout-тесте. Кросс-валидация показала F1-weighted 0.654 и MCC 0.312. Анализ ablation показал, что удаление компактного временного блока значительно снижает производительность, тогда как удаление текстового блока почти не влияет. Вывод: в малых клинических когортах ценность языковой обработки заключается не в статических признаках, а в компактном представлении лонгитюдных траекторий изменений.

Исследование посвящено изучению роли Т-клеточных иммунных ответов при болезни Кавасаки — системном васкулите у детей. Авторы использовали секвенирование РНК одиночных клеток (scRNA-seq) для высокодетальной аннотации периферических мононуклеарных клеток крови у здоровых контролей и пациентов с болезнью Кавасаки до и после лечения иммуноглобулином внутривенно (IVIG). Псевдовременной анализ с помощью инструмента Monocle3 позволил реконструировать траектории развития Т-клеток и выявил значимую линию commitment CD4+ Т-клеток к фенотипу Th17 в острой фазе заболевания, синхронизированную с транскрипционной активацией сигнального пути STAT3/JAK. В экспериментальной модели болезни Кавасаки на мышах (CAWS-induced) фармакологическая ингибиция этого пути существенно снижала воспалительную инфильтрацию в сосудистой стенке сердца. Исследование идентифицировало 13 различных подтипов Т-клеток, что обеспечивает новое понимание иммунной динамики при болезни Кавасаки. Выявленная ось STAT3/JAK как потенциальная терапевтическая мишень открывает возможности для разработки таргетной терапии. Результаты имеют значение для понимания патогенеза и могут способствовать созданию новых методов лечения педиатрических васкулитов.

Исследование применяет методы машинного обучения (иерархическая кластеризация) для выявления 4 различных клинических фенотипов кардиогенного шока на основе данных 1513 пациентов. Выделенные фенотипы демонстрируют значительную разницу в показателях смертности (от 22,4% до 78,4%) и предлагают новую систему стратификации рисков для персонализированной терапии.

Статья о применении машинного обучения для анализа реальных данных (RWE) в фармацевтической отрасли и регуляторных процессах FDA. ML-модели позволяют создавать синтетические контрольные группы, идентифицировать подгруппы пациентов, предсказывать ответ на терапию и обнаруживать нежелательные события. FDA выпустило руководство по использованию ИИ/ML в жизненном цикле разработки лекарств.

NTT DATA и NVIDIA запустили платформу для масштабирования ИИ в предприятиях, интегрируя GPU-вычисления и программное обеспечение NVIDIA AI Enterprise. Один из трёх кейсов использования — онкологический исследовательский центр, применяющий платформу для анализа радиологии и оценки моделей для клинических исследований.