машинное обучение

Исследование предлагает гибридный подход, сочетающий популяционные модели с индивидуальной адаптацией для оценки психического здоровья через анализ речи. Использование 1D CNN в гибридной модели показало лучшие результаты в прогнозировании депрессии, тревоги и стресса по сравнению с традиционными методами.

Обзор анализирует применение методов машинного обучения для многоклассовой классификации голосовых расстройств. Исследование выявило значительную неоднородность в методологиях, базах данных и метриках, что является основным барьером для внедрения таких систем в клиническую практику.

Исследование, опубликованное в журнале npj Digital Medicine, представляет инновационный подход к созданию моделей искусственного интеллекта, которые опираются на структурированные медицинские знания. Авторы предлагают использовать эмбеддинги клинических кодов (таких как ICD или SNOMED CT) для интеграции глубоких медицинских знаний непосредственно в архитектуру нейросетей. Методология заключается в преобразовании дискретных кодов диагнозов и процедур в непрерывные векторные представления, которые сохраняют семантические связи между заболеваниями. Ключевым результатом является повышение точности прогнозирования клинических исходов и улучшение интерпретируемости моделей за счет использования графов медицинских знаний. Данная технология позволяет избежать проблем «черного ящика» в ИИ, делая выводы алгоритмов логически обоснованными с точки зрения медицины. Практическая значимость работы заключается в возможности создания более надежных систем поддержки принятия врачебных решений, способных работать с неполными или зашумленными электронными медицинскими картами.

В исследовании представлена инновационная модель FIRST-ICU, предназначенная для высокоточного прогнозирования необходимых медицинских вмешательств и оценки рисков пациентов в отделениях интенсивной терапии (ОИТ). Методология базируется на использовании автоэнкодеров на основе графовых нейронных сетей (GNN), что позволяет учитывать сложные нелинейные взаимосвязи между различными клиническими параметрами и динамикой состояния пациента. В отличие от традиционных методов, FIRST-ICU эффективно анализирует временные ряды данных, преобразуя их в графовые структуры для более глубокого понимания патофизиологических процессов. Ключевые результаты демонстрируют значительное улучшение точности прогнозирования критических событий по сравнению с существующими моделями машинного обучения. Применение данной технологии позволяет врачам проводить раннюю стратификацию рисков, что критически важно для своевременного принятия решений и оптимизации протоколов лечения в условиях ОИТ. Внедрение FIRST-ICU может существенно снизить уровень смертности и сократить время пребывания пациентов в реанимации за счет превентивного подхода.

В статье рассматривается критическая роль синтетических наборов данных в разработке моделей машинного обучения для биомедицины. Авторы, включая Victoriano et al., анализируют проблему «разрыва между симуляцией и реальностью» (simulation-to-reality gap), которая ограничивает способность моделей, обученных на синтетике, показывать высокие результаты в реальных клинических условиях. Исследование фокусируется на методологиях преодоления этого разрыва для повышения точности прогнозов. Основное внимание уделяется тому, как переход от чисто виртуальных экспериментов к получению глубоких биомедицинских инсайтов может трансформировать процесс разработки ИИ-решений. Работа подчеркивает, что без решения проблемы соответствия распределений данных между симуляцией и практикой, внедрение синтетических данных в медицину будет ограничено. Это имеет решающее значение для создания надежных диагностических систем, минимизирующих риски при переходе от лабораторных тестов к реальным пациентам.

В данном исследовании проводится критический анализ применимости универсальных базовых моделей (foundation models) для прогнозирования медицинских временных рядов. Авторы исследуют, способны ли масштабные предобученные модели демонстрировать высокую точность в специфических клинических задачах по сравнению со специализированными архитектурами. Методология включает тестирование различных моделей на наборах данных, представляющих различные медицинские сценарии, с акцентом на точность прогнозирования физиологических показателей. Ключевым результатом является оценка способности моделей к переносу знаний (transfer learning) и их устойчивости к шуму в медицинских данных. Исследование подчеркивает, что, несмотря на потенциал универсальных моделей, клиническая практика требует тонкой настройки для достижения высокой точности, необходимой для принятия медицинских решений. Результаты работы имеют критическое значение для разработки систем интеллектуального мониторинга пациентов в реальном времени.

Данное исследование, опубликованное в журнале npj Artificial Intelligence, представляет инновационный метод оптимизации обучения в контексте (In-Context Learning, ICL) для биомедицинских задач. Авторы предлагают использовать субмодулярную оптимизацию для отбора наиболее информативных и разнообразных примеров из обучающего набора, что позволяет значительно снизить потребность в объеме данных без потери точности моделей. Методология фокусируется на максимизации разнообразия контекстных примеров, что критически важно для специфических медицинских доменов с ограниченными наборами данных. В работе демонстрируется, что предложенный подход позволяет достигать сопоставимых или превосходящих результатов по сравнению с полномасштабным обучением, используя лишь малую часть доступных биомедицинских данных. Это имеет высокую практическую значимость для разработки специализированных медицинских ИИ-систем, где сбор и разметка экспертных данных обходятся дорого. Результаты исследования открывают путь к созданию более эффективных и адаптивных моделей для диагностики и анализа медицинских текстов и изображений.

Исследователи представили TifBERT — инновационную самообучающуюся архитектуру (foundation model), предназначенную для анализа данных секвенирования РНК (bulk RNA-seq) во всем транскриптоме. В отличие от существующих методов, которые полагаются на дискретизацию экспрессии или ограниченные наборы генов, TifBERT использует уникальный метод упорядочивания генов на основе TF-IDF, превращая неупорядоченные профили экспрессии в последовательности для трансформера. Модель обучалась методом маскированного моделирования генов на гармонизированных данных TCGA Pan-Cancer, охватывающих пять различных схем нормализации. В ходе тестирования на 33 типах рака TifBERT продемонстрировал точность 90,83%, показатель AUC-ROC 0,996 и MCC 0,903. Модель успешно улавливает биологию на уровне путей, достигая корреляции Пирсона 0,762 по 1387 активностям путей PARADIGM. Важным преимуществом является высокая стабильность к различным методам нормализации и способность сохранять структуру транскриптома даже на здоровых тканях (GTEx) без переобучения. TifBERT обеспечивает значительно более богатую геометрию эмбеддингов (эффективный ранг 95,6 против 6,3 у аналогов), что делает его масштабируемым инструментом для трансляционной геномики.

В Санкт-Петербургском государственном университете телекоммуникаций (СПбГУТ) под руководством доцента Риммы Лабковской ведется разработка инновационной ИИ-платформы «Цифровой нутрициолог». Проект направлен на решение проблемы пищевой непереносимости через использование алгоритмов машинного обучения для анализа индивидуальных реакций организма. Методология системы предполагает сбор и обработку больших данных о питании и самочувствии пользователя для выявления скрытых закономерностей. Ключевой особенностью является способность ИИ прогнозировать нежелательные реакции на конкретные продукты питания, что позволяет составить персонализированную диету. Внедрение подобного сервиса имеет высокую практическую значимость для превентивной медицины и персонализированного здравоохранения, помогая снизить риск развития хронических заболеваний. Разработка может стать важным инструментом в цифровой нутрициологии, обеспечивая автоматизированный мониторинг рациона.

Исследование сравнивает две современные модели (TriG-NER и DocDiscNER) для распознавания сложных, фрагментированных медицинских терминов. Результаты показывают, что генеративные модели лучше справляются с длинными документами, в то время как графовые архитектуры эффективнее на уровне предложений.

В статье представлен систематический обзор методов машинного и глубокого обучения для выявления стресса у сотрудников. Исследование анализирует использование носимых сенсоров и мультимодальных данных, выявляя эффективность существующих моделей и пробелы в текущих исследованиях, такие как нехватка данных ЭЭГ.

Исследователи представили GEOAgent — инновационную автономную систему, предназначенную для решения проблемы гетерогенности данных в базе Gene Expression Omnibus (GEO). Фреймворк объединяет семантическое управление и автоматизированный конвейер bioStream на базе Nextflow для интеллектуального поиска и стандартизации обработки данных. В рамках разработки метаданные 181 760 секвенирующих серий и 84 756 записей PubMed были систематизированы в реляционной базе данных и семантическом индексе, что позволяет осуществлять поиск датасетов с помощью запросов на естественном языке. Система автоматически определяет модальности анализов, разрешает зависимости в дизайне экспериментов и стандартизирует именование образцов, минимизируя ручную работу кураторов. В ходе экспертных тестов GEOAgent продемонстрировал точность поиска (precision) на уровне 96%, а также 100% точность в классификации типов анализов и определении взаимосвязей между образцами. Технология позволяет автоматически генерировать манифесты для запуска контейнеризированных рабочих процессов как для bulk, так и для single-cell омиксных данных, что значительно ускоряет биоинформатический анализ.

В данной научной работе исследуется критическая проблема методов коррекции батч-эффектов (batch correction), которые широко применяются для интеграции биологических наборов данных при изучении здоровья и заболеваний. Авторы указывают на серьезный недостаток популярных методов на основе эмбеддингов (embedding-based approaches): они могут существенно искажать взаимосвязи между признаками, в частности, корреляционные структуры между генами. Это искажение создает риск получения ложных биологических выводов при проведении последующего анализа данных. В рамках исследования была разработана и представлена новая метрика, позволяющая количественно оценить степень деформации генных корреляций, вызванную алгоритмами коррекции. Работа имеет высокую значимость для биоинформатиков и исследователей, использующих ИИ и машинное обучение для анализа транскриптомных данных, так как позволяет более точно оценивать достоверность интегрированных датасетов. Понимание этих механизмов необходимо для разработки более надежных инструментов препроцессинга данных в вычислительной биологии.

В исследовании представлен новый легковесный классификатор на базе сверточных нейронных сетей (CNN) для прогнозирования функций терапевтических пептидов напрямую из их аминокислотных последовательностей. Авторы использовали самую обширную на данный момент базу данных, включающую 54 655 пептидов, распределенных по 48 функциональным категориям. Ключевым инновационным методом стала стратегия негативной выборки на основе марковских моделей, позволяющая генерировать синтетические «ловушки» (decoys) различного уровня сложности. При тестировании на контрольном наборе данных частота ложноположительных результатов (FRP) была снижена с более чем 60% у предыдущих моделей до впечатляющих 2,1%. Ансамбль из пяти моделей достиг показателей Micro F1 78,9% и Macro F1 54,6%, при этом модель в 4 раза эффективнее по количеству параметров, чем существующие аналоги, и способна предсказывать в 4 раза больше функций. Анализ через L1-регуляризацию подтвердил, что нейросеть выявляет биологически значимые консервативные мотивы, что делает метод пригодным для ускорения дизайна новых лекарственных препаратов.

В исследовании представлен scCRAFT+ — инновационный метод полуавтоматической интеграции данных секвенирования РНК единичных клеток (scRNA-seq). Основная проблема текущих методов заключается в потере тонких различий между близкородственными типами клеток при интеграции транскриптомных данных. Авторы предложили использовать виртуальное состязательное обучение (Virtual Adversarial Training, VAT) для совместной оптимизации репрезентаций транскриптома и супервизии на основе маркерных генов. Это позволяет модели обеспечивать гладкость локальных предсказаний для транскрипционно схожих клеток, что повышает устойчивость к шуму в аннотациях маркеров. Результаты бенчмаркинга подтвердили, что scCRAFT+ превосходит существующие методы как в unsupervised, так и в supervised подходе. Модель демонстрирует высокую точность автоматической аннотации типов клеток, даже при использовании неполных или частично некорректных наборов маркерных генов, сохраняя биологическую разрешающую способность данных.

Исследование представляет HOMED (Hierarchically Optimized Methylation Deconvolution) — инновационный вычислительный фреймворк, предназначенный для решения проблемы клеточной гетерогенности в данных метилирования ДНК. Метод преодолевает ограничения существующих подходов, интегрируя иерархию клеточных линий и используя данные секвенирования РНК единичных клеток (scRNA-seq) для оптимизации сигнатур CpG-сайтов. В ходе тестирования на симулированных и реальных наборах данных (периферические мононуклеарные клетки крови, легкие и плацента) HOMED продемонстрировал превосходство над существующими методами, показав наиболее высокие коэффициенты корреляции Пирсона (PCC) и минимальные среднеквадратичные ошибки (RMSE). Благодаря использованию парных данных bulk RNA-seq/DNAm, алгоритм обеспечивает более высокую точность и разрешающую способность при анализе эпигенома. Разработка значительно повышает возможность обобщения результатов между различными типами тканей, что критически важно для проведения полногеномных исследований ассоциаций (EWAS). Данная технология открывает новые возможности для точной интерпретации эпигенетических профилей в биомедицинских исследованиях.

Исследование посвящено проблеме предсказания структур «ложных» (spurious) белков — аномальных последовательностей, возникающих из-за ошибок в предсказании генов, которые теоретически не должны иметь стабильной структуры. Авторы провели сравнительный анализ трех передовых методов: AlphaFold2, AlphaFold3 и ESMFold, чтобы выяснить, способны ли они отличить реальные белки от ошибочных. Результаты показали, что все три модели неожиданно присваивают коротким ложным последовательностям из базы AntiFam высокие показатели достоверности (pLDDT), однако способность к дискриминации улучшается на последовательностях длиннее 100 аминокислот. В ходе работы ученые выявили два вероятных ложных открытых рамки считывания (ORF) в базе Swiss-Prot и один потенциально реальный белок. На основе анализа расхождений между показателями pTM и pLDDT была разработана модель на базе гауссовского процесса, которая позволяет масштабируемо идентифицировать ложные белки в базе AlphaFold DB. Данный подход значительно повышает точность верификации протеомных данных при использовании в сочетании с другими методами биоинформатики.

Исследование посвящено фундаментальной проблеме белковых языковых моделей (pLMs): способны ли они обобщать статистическую грамматику белков или же просто запоминают обучающие последовательности. Авторы применили метод псевдоперплексии в качестве зонда для выявления уровня запоминания в модели ProtT5. Методология включала сравнение псевдоперплексии на прокси-датасете (из обучающей выборки) и на контрольной выборке из подлинно новых последовательностей, отобранных по параметрам длины, размера кластера и таксономической принадлежности. В качестве статистического базиса использовались n-грамные языковые модели, которые подтвердили новизну контрольных последовательностей на локальном уровне. Результаты показали статистически значимую разницу в псевдоперплексии между увиденными и невиданными последовательностями, однако сам сигнал запоминания оказался умеренным. Это исследование критически важно для понимания надежности pLMs при проектировании новых белков и их применения в биомедицинских задачах.

В исследовании представлен инновационный метод реконструкции генных регуляторных сетей (GRN) на основе данных секвенирования РНК единичных клеток (scRNA-seq). Авторы разработали архитектуру двухканальной графовой нейронной сети (GCN) с общим весом, которая позволяет эффективно объединять априорные знания о регуляции с паттернами коэкспрессии генов, устраняя ограничения существующих методов. Предложенный вычислительный фреймворк интегрирует профили дифференциальной экспрессии генов и изменения регуляции для точного определения ключевых регуляторов, определяющих различные состояния клеток. Экспериментальные тесты подтвердили, что новый алгоритм значительно превосходит современные аналоги (state-of-the-art) по точности предсказания и демонстрирует высокую устойчивость к шуму и пропущенным данным. Применение метода на двух наборах данных scRNA-seq показало его эффективность в выявлении ключевых регуляторов, ответственных за метастазирование опухолей и развитие лекарственной устойчивости. Данная разработка открывает новые возможности для понимания молекулярных механизмов патологических процессов на клеточном уровне.