мониторинг

Исследование посвящено применению моделей машинного обучения для анализа эмоционального состояния пациентов на онлайн-форумах поддержки онкологических больных. Авторы провели бенчмарк классических, рекуррентных и трансформерных моделей для четырёхклассовой ординальной классификации тональности, используя датасет Mental Health Insights—Vulnerable Cancer Patients объёмом 10 392 записи. Модели оценивались по взвешенному F1-мере, макро AUC one-vs-rest и класс-специфичным метрикам на разбиении 60/20/20. Наилучшие результаты показала модель ALBERT с взвешенным F1 0,7667 и макро AUC 0,931, BioBERT продемонстрировал близкие показатели (F1 0,7613, AUC 0,917) с несколько более высокой полнотой для класса «очень негативный» (0,8019 против 0,7736). Анализ ошибок выявил, что ошибки трансформеров концентрируются вокруг ординальных границ решений, а остаточные ошибки положительного класса имеют операционную важность для рабочих процессов поддержки. Исследование поддерживает использование тонкой настройки трансформеров как компонента систем поддержки решений для мониторинга уязвимых пациентов, подчёркивая необходимость калибровки, прозрачного анализа ошибок и человеческого надзора вместо автономной клинической оценки.

Данная публикация представляет собой официальное исправление (Author Correction) к ранее опубликованной статье в журнале npj Digital Medicine от 1 августа 2026 года. Оригинальное исследование посвящено разработке цифровых биомаркеров для оценки здоровья мозга с использованием данных от носимых сенсоров, которые обеспечивают пассивный и непрерывный мониторинг показателей. Цифровые биомаркеры в данном контексте предполагают применение алгоритмов машинного обучения для обработки потоковых данных с носимых устройств (акселерометры, гироскопы, датчики сердечного ритма и др.) с целью выявления паттернов, связанных с неврологическим статусом пациента. Однако предоставленный текст содержит только библиографические метаданные (DOI: 10.1038/s41746-026-03031-4, название журнала, дату публикации) без фактического содержания исправления или оригинальной статьи. В связи с этим невозможно извлечь конкретные методологические детали, количественные результаты, имена авторов или существенные выводы исследования. Для полноценной оценки вклада в область ИИ в медицине необходим доступ к полному тексту оригинальной публикации и самого исправления.

Исследование демонстрирует эффективность системы Proactive Intelligence, использующей гибридную нейронную сеть для анализа данных стимуляции спинного мозга. ИИ помогает медицинскому персоналу выявлять пациентов, нуждающихся в корректировке терапии, без дополнительной нагрузки на них в плане ввода данных.

Исследователи из Московского Политеха работают над созданием инновационного многоразового биосенсора, предназначенного для высокоточного определения уровня креатинина в биологических жидкостях. В отличие от существующих ферментативных тест-систем, которые являются одноразовыми и требуют стационарного лабораторного оборудования, новая разработка нацелена на портативность и экономическую эффективность. Методология исследования базируется на использовании специфических ферментов, иммобилизованных на поверхности сенсора, что позволяет проводить многократные измерения без потери чувствительности. Ключевой целью проекта является снижение стоимости одного анализа и возможность проведения мониторинга состояния пациентов в домашних условиях или в полевых условиях. Успешная реализация проекта позволит автоматизировать контроль функции почек, что критически важно для пациентов с хронической почечной недостаточностью. Данная технология представляет собой важный шаг в развитии персонализированной медицины и дистанционного мониторинга состояния здоровья.

Исследование, опубликованное в журнале npj Digital Medicine, посвящено анализу эффективности дистанционного мониторинга сна для раннего выявления когнитивного снижения. В ходе работы ученые использовали технологии носимых устройств и удаленного сбора данных для отслеживания физиологических показателей пациентов в их естественной среде обитания. Методология исследования базировалась на анализе долгосрочных паттернов сна, которые могут служить биомаркерами нейродегенеративных процессов. Ключевые результаты демонстрируют наличие четких корреляций между специфическими нарушениями архитектуры сна и прогрессирующим снижением когнитивных функций. Данная работа подчеркивает потенциал использования ИИ-алгоритмов для анализа данных дистанционного мониторинга в качестве инструмента предиктивной диагностики. Практическая значимость исследования заключается в возможности создания систем раннего предупреждения для пациентов с риском развития деменции и болезни Альцгеймера без необходимости проведения дорогостоящих лабораторных полисомнографий.

Исследование направлено на создание методологической базы для разработки инструментов mHealth, помогающих планировать визиты пациентов с гипертензией. Авторы проанализировали решения врачей при интерпретации данных домашнего мониторинга давления, выявив закономерности, которые могут лечь в основу алгоритмов поддержки принятия решений.

Исследователи из Первого МГМУ имени И.М. Сеченова приступили к разработке инновационной интеллектуальной системы для персонализированного мониторинга гликемии у пациентов с сахарным диабетом. Ключевой особенностью разработки является интеграция алгоритмов машинного обучения, которые учитывают не только текущие показатели глюкозы, но и динамику гормональных циклов организма. Методология исследования базируется на анализе больших данных (Big Data), поступающих с систем непрерывного мониторинга глюкозы (CGM), что позволяет прогнозировать резкие скачки сахара до их фактического возникновения. Ожидается, что внедрение такой системы позволит снизить риск развития тяжелых осложнений диабета за счет более точной превентивной коррекции доз инсулина. Технология ориентирована на создание адаптивных моделей, способных подстраиваться под индивидуальные биоритмы каждого пациента, что значительно повышает точность прогнозирования по сравнению со стандартными методами. Данная разработка имеет высокую практическую значимость для эндокринологии и цифровой медицины в целом.

Обзор посвящен использованию мобильных устройств, носимых гаджетов и сенсоров для неинвазивного мониторинга уровня стресса у детей. Работа систематизирует существующие технологии и протоколы, выявляя пробелы для будущих исследований в области педиатрического ментального здоровья.

Исследование оценивает возможность использования данных с носимых акселерометров для автоматической оценки тяжести симптомов болезни Паркинсона. С помощью моделей машинного обучения авторы продемонстрировали корреляцию между показателями актиграфии и клинической шкалой MDS-UPDRS, что открывает путь к непрерывному мониторингу пациентов.

Исследование изучает взаимосвязь между физической, когнитивной и эмоциональной усталостью и физиологическими показателями (ЭКГ, сатурация, ЧСС) у пациентов после COVID-19. Результаты показывают, что комбинация различных видов усталости сильнее коррелирует с изменениями вегетативной нервной системы, особенно во время сна.

Протокол исследования направлен на разработку и тестирование мобильного приложения для оценки речи как цифрового биомаркера при рассеянном склерозе. Проект использует методологию Living Lab для совместного проектирования инструментов с участием пациентов и врачей, фокусируясь на юзабилити и интеграции в клинический процесс.

Страховая компания Essence Healthcare, работающая в сегменте Medicare Advantage, объявила о расширении сотрудничества с производителем умных колец Oura для запуска новой клинической программы. Основная цель инициативы заключается в раннем выявлении рисков развития апноэ во сне у пациентов с помощью носимых устройств. В рамках программы пользователи смогут использовать технологию умных колец Oura для непрерывного мониторинга показателей сна, которые затем будут анализироваться для обнаружения признаков дыхательных нарушений. Данный подход позволяет интегрировать данные с потребительских носимых устройств непосредственно в систему управления здоровьем застрахованных лиц. Программа нацелена на повышение эффективности превентивной медицины и снижение долгосрочных затрат на лечение осложнений, вызванных недиагностированным апноэ. Это важный шаг в использовании потребительской электроники и ИИ-алгоритмов для мониторинга хронических состояний в рамках страховых планов.

Исследователи из Google представили инновационную систему пассивного мониторинга сердечного ритма (PHRM), которая позволяет измерять частоту сердечных сокращений (ЧСС) и рассчитывать пульс в состоянии покоя, используя только фронтальную камеру смартфона. В отличие от традиционных методов, требующих ношения смарт-часов или специализированных датчиков, данная технология опирается на возможности компьютерного зрения и анализа микроскопических изменений цвета кожи. Результаты исследования, опубликованные в престижном журнале Nature, подтверждают высокую точность метода, что делает его потенциально доступным инструментом для массового мониторинга сердечно-сосудистого здоровья. Технология может значительно расширить возможности дистанционной диагностики и регулярного контроля состояния пациентов без дополнительных затрат на носимую электронику. Внедрение PHRM в повседневное использование смартфонов открывает новые горизонты для телемедицины и превентивной кардиологии.

Исследование, опубликованное в журнале npj Digital Medicine, демонстрирует возможность использования потребительских устройств, таких как iPad, для мониторинга состояния пациентов с болезнью Паркинсона. Авторы провели сравнительный анализ точности айтрекинга на планшете и специализированного клинического оборудования для оценки окуломоторных функций. Результаты показали, что алгоритмы отслеживания взгляда на iPad способны достоверно воспроизводить специфические патологические изменения движений глаз, характерные для прогрессирования заболевания. Методология включала оценку саккад и плавного слежения, что позволило подтвердить высокую корреляцию между показателями мобильного устройства и профессиональными диагностическими системами. Это открытие открывает путь к созданию доступных инструментов дистанционного мониторинга и ранней диагностики неврологических расстройств в домашних условиях. Использование таких технологий может значительно снизить нагрузку на клиники и обеспечить непрерывный контроль состояния пациентов.

Разработана модифицированная система интерферометрии, использующая закон Малюса для автоматизации измерения микроперемещений. Интеграция алгоритмов оптимизации роя частиц (PSO) и регрессии гауссовских процессов (GPR) позволяет точно компенсировать ошибки прибора, что делает метод перспективным для неконтактного мониторинга физиологических сигналов.

Статья рассматривает использование ИИ в педиатрической интенсивной терапии, смещая фокус с раннего предупреждения кризисов на своевременную деэскалацию лечения. Авторы подчеркивают, что избыточное пребывание в ОИТ несет серьезные риски для развития детей, и ИИ может помочь отслеживать физиологические траектории для более быстрого вывода пациентов из критического состояния.

Исследование оценивает эффективность системы на базе ИИ для контроля выполнения упражнений при болях в шее. Результаты показали высокую валидность программы (IOC 0.86–1.00) и умеренную надежность при измерении точности и времени выполнения упражнений.

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.

Статья посвящена формированию перечня цифровых платформ, которые сохраняют доступность в периоды ограничений мобильного интернета по соображениям безопасности. В данный «белый список» вошли специализированные сервисы для дистанционного мониторинга уровня глюкозы в крови, что критически важно для пациентов с сахарным диабетом. Данная мера обеспечивает непрерывность медицинского наблюдения и возможность получения жизненно важных данных даже в условиях нестабильной связи. Внедрение таких протоколов позволяет минимизировать риски для здоровья пользователей, зависящих от цифровых систем контроля. Решение подчеркивает растущую роль телемедицинских технологий и мобильных приложений в управлении хроническими заболеваниями. Это важный шаг в обеспечении цифровой устойчивости медицинских сервисов в условиях чрезвычайных ситуаций.