прецизионная медицина

В исследовании представлен FM-GPT — инновационный байесовский метод тонкого картирования (fine mapping), разработанный для приоритизации причинно-следственных генов в рамках полнофеномных транскриптомно-широких исследований ассоциаций (TWAS). Метод эффективно справляется с проблемой ложных сигналов, вызванных неравновесием по сцеплению и корреляцией экспрессии генов, позволяя анализировать множество взаимосвязанных фенотипов одновременно. FM-GPT использует генно-направленное снижение размерности фенотипов, что позволяет выявлять как плейотропные, так и специфические для конкретных фенотипов эффекты генов. В ходе симуляций метод продемонстрировал более высокую точность идентификации истинных причинных генов по сравнению с существующими аналогами при строгом контроле ложноположительных результатов. Применение алгоритма к данным UK Biobank позволило детально изучить генетические основы толщины коры головного мозга и клинических фенотипов из электронных медицинских карт (EHR). В частности, были выявлены пять генов на 17-й хромосоме (BCAS3, LRRC37A, NOS2P3, ARL17B и UBB), регулирующих морфологию нейронов, а также обнаружены ключевые оси вариации, указывающие на компромисс в регуляции генов между иммунной и метаболической функциями. Данная разработка значительно расширяет возможности трансляционных исследований и изучения коморбидности.

Исследование посвящено решению критической проблемы машинного обучения в прецизионной онкологии: неоднородному качеству прогнозов и «скрытым ошибкам» моделей при изменении распределения данных. Авторы провели бенчмаркинг семи моделей, учитывающих неопределенность, сравнивая эпистемическую неопределенность (через ансамбли) и алеаторную неопределенность (через моделирование распределений). Результаты показали, что ансамбли гауссовских нейронных сетей эффективно выявляют данные, выходящие за рамки обучающей выборки (out-of-distribution). Применение фильтрации по 10% наиболее уверенных прогнозов позволило снизить среднюю квадратичную ошибку (MSE) на 64%. Кроме того, авторы выявили транскриптомные сигнатуры непредсказуемости, определив конкретные гены, связанные с неопределенностью прогноза. Работа также демонстрирует потенциал активного обучения (active learning) под руководством оценки неопределенности для приоритизации наиболее информативных экспериментов в разработке лекарств.

Компания Tempus AI, Inc., являющаяся технологическим лидером в области внедрения искусственного интеллекта для развития прецизионной медицины, официально объявила о своем участии в 25-й ежегодной виртуальной конференции Needham Virtual Healthcare Conference. Мероприятие запланировано на период с 13 по 16 апреля 2026 года. В рамках конференции финансовый директор компании Джим Роджерс (Jim Rogers) представит стратегическое видение развития бизнеса и технологических решений компании. Tempus специализируется на использовании ИИ для анализа данных и персонализации подходов к лечению пациентов. Данное выступление представляет интерес для инвесторов и специалистов отрасли, так как демонстрирует рыночные позиции компании в секторе ИИ-технологий для здравоохранения.

Компания Tempus AI, лидер в области внедрения искусственного интеллекта для прецизионной медицины, объявила о расширении многолетнего стратегического партнерства с Gilead Sciences. Основная цель сотрудничества заключается в использовании передовых технологий ИИ и анализа данных реальной клинической практики (Real-World Evidence, RWE) для ускорения исследований и разработок (R&D) в области онкологии. Партнерство позволит Gilead более эффективно использовать огромные массивы структурированных клинических и молекулярных данных, обработанных платформами Tempus, для поиска новых терапевтических мишеней. Применение машинного обучения к RWE поможет оптимизировать процесс разработки лекарственных препаратов и лучше понимать траектории пациентов с онкологическими заболеваниями. Данная инициатива подчеркивает растущую роль ИИ-платформ в трансформации традиционных методов фармацевтических исследований. Сотрудничество направлено на создание персонализированных подходов к лечению рака на основе глубокого анализа данных.

Компания Tempus AI, лидер в области искусственного интеллекта и прецизионной медицины, объявила о стратегическом сотрудничестве с фармацевтической компанией Daiichi Sankyo (TSE: 4568). Партнёрство направлено на ускорение клинической разработки и дифференциации программы антитело-лекарственного конъюгата (ADC) в области онкологии. Ключевым элементом сотрудничества является использование ИИ-технологий для открытия биомаркеров, что позволяет более точно идентифицировать пациентов, которые могут получить максимальную пользу от терапии. ADC-программы представляют собой перспективное направление в лечении рака, где антитело доставляет цитотоксический препарат непосредственно к раковым клеткам, минимизируя повреждение здоровых тканей. Применение алгоритмов машинного обучения для анализа биомаркеров позволяет оптимизировать дизайн клинических испытаний и повысить вероятность их успеха. Это сотрудничество демонстрирует растущую интеграцию ИИ в процесс разработки онкологических препаратов, особенно в области таргетной терапии. Успех такого подхода может привести к более персонализированному лечению и улучшению клинических исходов для пациентов с различными типами рака.