7 статей
Исследование предлагает ИИ-фреймворк для оценки боли у некоммуникативных пациентов (новорождённые, пациенты с когнитивными нарушениями) без использования размеченных реальных данных. Метод сочетает синтетическую генерацию 50 000 сценариев боли через диффузионные модели с адаптацией доменов, достигая 81,5% точности для неонатальной оценки и превосходя супервизированные методы в кросс-датасет обобщении на 40,4%.
Федеральные органы здравоохранения США организовали серию закрытых встреч с представителями технологических компаний и лоббистских групп для обсуждения вопросов внедрения искусственного интеллекта в клиническую практику. Инициатива направлена на ускорение адаптации ИИ-решений в медицине через диалог между регуляторами и индустрией. Встречи носят закрытый характер, что вызывает вопросы о прозрачности процесса формирования регуляторной политики. Участие лоббистов наряду с исследователями указывает на комплексный подход к формированию нормативной базы для клинического ИИ. Целью встреч является выявление барьеров для внедрения ИИ-технологий и разработка механизмов их преодоления. Детали конкретных обсуждаемых технологий, сроков и ожидаемых регуляторных изменений в предоставленном материале не раскрываются. Статья опубликована на платформе STAT+, специализирующейся на освещении новостей здравоохранения и биотехнологий.
В статье анализируются проблемы внедрения клинического ИИ из-за несоответствия текущих моделей оплаты (fee-for-service, capitation) новым технологическим реалиям. Эксперты PHTI предлагают переходить к динамическим моделям оплаты, ориентированным на результат и доказанную клиническую ценность, вместо оплаты за объем услуг.
В статье рассматривается критически важная концепция Machine Unlearning (машинного разучивания) как необходимого элемента управления (governance) при внедрении ИИ в клиническую практику. Авторы анализируют необходимость удаления специфических данных пациентов из обученных моделей для соблюдения прав на конфиденциальность и законодательных норм (таких как GDPR). Исследование подчеркивает, что простое удаление данных из базы не гарантирует удаления их «влияния» на веса нейросети, что создает юридические и этические риски. Рассматриваются методологии эффективного удаления информации без необходимости полной перетренировки моделей, что критично для экономии вычислительных ресурсов. Основной акцент сделан на том, что способность ИИ «забывать» становится таким же важным стандартом безопасности, как и точность диагностики. Работа закладывает фундамент для создания новых протоколов комплаенса в медицинском ИИ.
Компания OpenEvidence представила новое функциональное обновление для своего клинического ИИ-ассистента, направленное на автоматизацию медицинского кодирования. Данная технология использует возможности искусственного интеллекта для интеграции процессов кодирования непосредственно в рабочий процесс врача, что позволяет более точно преобразовывать клинические записи в стандартизированные медицинские коды. Внедрение этой функции призвано снизить административную нагрузку на медицинский персонал и минимизировать ошибки, связанные с человеческим фактором при классификации диагнозов и процедур. Использование ИИ в кодировании способствует ускорению обработки документации и повышению точности выставления счетов в медицинских учреждениях. Это решение является важным шагом в развитии специализированных клинических ИИ-инструментов, которые объединяют поддержку принятия врачебных решений с административной эффективностью.
Компания Doximity, ведущая платформа для медицинских специалистов, объявляет о стратегическом расширении своего портфеля инструментов на базе искусственного интеллекта в 2026 году. В рамках масштабного увеличения расходов на ИИ-технологии компания заключила партнерские соглашения с организациями Aledade и Photon для усиления своих позиций на рынке. Ключевым вектором развития станет масштабирование клинического ИИ-пакета, который включает в себя инструмент Scribe для автоматического ведения медицинских записей (ambient notetaking) и интеллектуального ассистента Ask (ранее известного как DoxGPT). Последний представляет собой специализированную медицинскую поисковую систему, предназначенную для оперативной поддержки принятия клинических решений. Данные инициативы направлены на интеграцию продвинутых языковых моделей непосредственно в рабочий процесс врачей, что позволит значительно сократить административную нагрузку и повысить точность поиска медицинской информации. Реализация этих планов подчеркивает растущую значимость генеративного ИИ в повседневной клинической практике.
В статье обсуждается дискуссия руководителей здравоохранения о эффективности моделей ценностно-ориентированного здравоохранения (VBC) и Medicare Advantage в снижении затрат. Участники спорят о том, смогут ли эти модели реально контролировать расходы или они требуют пересмотра подходов к управлению данными и борьбе с мошенничеством.
