8 статей
Обзорный материал посвящен применению ИИ в кардиологии и кардиоторакальной хирургии, включая диагностику заболеваний клапанов сердца и поддержку принятия решений при операциях. Авторы подчеркивают потенциал ИИ в анализе мультимодальных данных, но указывают на необходимость проспективной валидации и решения проблем интерпретируемости моделей.
В исследовании, опубликованном в журнале npj Digital Medicine, рассматривается использование носимых устройств с акселерометрами для мониторинга состояния пожилых людей. Авторы разработали методику анализа паттернов повседневной активности, которая позволяет с высокой точностью предсказывать развитие физической хрупкости (frailty) и психологический фактор — страх перед падением. Методология основывается на непрерывном сборе данных о движении, что позволяет выявить скрытые изменения в биомеханике ходьбы и уровне общей активности. Ключевые результаты показывают, что алгоритмы машинного обучения способны идентифицировать предвестники снижения мобильности задолго до клинических проявлений. Это исследование имеет критическое значение для превентивной медицины, так как позволяет внедрять системы раннего предупреждения и персонализированные программы реабилитации на основе объективных данных носимых устройств.
Данный систематический обзор исследует пересечение объяснимого искусственного интеллекта (XAI) и моделей сердечной электрофизиологии в контексте предотвращения внезапной сердечной смерти (ВСС) среди подростков и молодых людей, занимающихся спортом. Исследование фокусируется на выявлении механизмов, с помощью которых алгоритмы машинного обучения могут интерпретировать сложные электрофизиологические данные для прогнозирования критических состояний. Авторы анализируют текущие модели, которые позволяют не только предсказывать риск остановки сердца, но и предоставлять врачам клинически значимые обоснования принятых решений, что критически важно для доверия к ИИ в кардиологии. В работе рассматривается эффективность интеграции XAI в диагностические системы для выявления скрытых патологий, которые могут привести к летальному исходу во время физических нагрузок. Основное внимание уделяется переходу от «черных ящиков» нейросетей к прозрачным моделям, способным учитывать индивидуальные электрофизиологические особенности пациента. Результаты подчеркивают потенциал использования таких систем для раннего скрининга спортсменов и персонализированного управления рисками в спортивной медицине.
В статье представлен инновационный подход к оптимизации программ вакцинации против вируса папилломы человека (ВПЧ) с использованием алгоритмических моделей. Исследование направлено на разработку стратегии распределения вакцин, которая позволит максимально эффективно снизить заболеваемость раком шейки матки в условиях Китая. Авторы применяют математическое моделирование для определения оптимальных групп населения и географических регионов для приоритетной вакцинации. Основная цель методологии заключается в достижении целевых показателей ВОЗ по ликвидации рака шейки матки при ограниченных ресурсах здравоохранения. Результаты работы демонстрируют, как алгоритмическое планирование может значительно повысить охват вакцинацией и снизить долгосрочные затраты на лечение онкологических заболеваний. Данная модель представляет высокую практическую значимость для систем общественного здравоохранения, стремящихся к цифровой трансформации профилактической медицины.
В статье анализируются методы привлечения участников в цифровое клиническое исследование по профилактике тревожности. Результаты показывают, что социальные сети и университетские каналы наиболее эффективны для набора, а основными мотивами участников являются помощь другим, вопросы здоровья и личная выгода.
Данный обзорный материал, опубликованный в журнале npj Digital Medicine, посвящен анализу текущего состояния и перспектив использования алгоритмов машинного обучения для раннего выявления остеопороза. В работе рассматриваются различные подходы к применению ML, включая анализ медицинских изображений (рентгенография, КТ, DXA), обработку электронных медицинских карт и использование данных носимых устройств для оценки риска переломов. Авторы систематизируют существующие исследования, выделяя эффективность нейросетевых моделей в автоматической сегментации костной ткани и прогнозировании плотности минеральной кости. Особое внимание уделяется интеграции ИИ в клиническую практику для автоматизации скрининга групп риска, что позволяет снизить нагрузку на врачей и повысить точность диагностики. В обзоре также обсуждаются технические сложности, такие как необходимость стандартизации наборов данных и интерпретируемость моделей (Explainable AI) для медицинского сообщества. Результаты подчеркивают, что внедрение ML-решений может значительно улучшить раннюю диагностику остеопороза, предотвращая тяжелые осложнения и переломы у пожилых пациентов.
Компания Novartis запускает инициативу Inclusive Health Accelerators для раннего выявления рака и расширяет программу Cardio4Cities. Программа Cardio4Cities использует искусственный интеллект и данные для профилактики и управления кардиометаболическими заболеваниями в глобальном масштабе.
Статья описывает применение ИИ-моделей в Geisinger Health System (2019-2022) для анализа факторов риска колоректального рака и выявления пациентов, нуждающихся в скрининге. ИИ-система оценивала риск на основе биомаркеров крови, возраста и пола, а медсёстры проводили целевой контакт с пациентами, что привело к увеличению количества колоноскопий на 214% и снижению смертности на 43%.
