56 статей
OpenAI запускает возможность интеграции данных Apple Health и медицинских карт (из систем США) напрямую в чат ChatGPT. Это позволяет модели использовать контекст лекарств, анализов и истории посещений для персонализированных ответов в любых диалогах.
Исследовательская фирма Redesign Health провела опрос 112 руководителей медицинских систем, использующих Epic (ведущая платформа электронных медкарт в США), чтобы понять их готовность покупать ИИ-решения у сторонних вендоров. Результаты показали: 71% организаций позиционируют себя как «Epic-first», более 90% уверены, что Epic со временем создаст ИИ-инструменты не хуже внешних аналогов. Однако больницы готовы приобретать продукты стартапов в трёх случаях: когда решение значительно превосходит предложение Epic (49% требуют существенно более высокого ROI), когда закупку можно провести на уровне департамента без согласования с центральным IT (более 50% руководителей имеют такую автономию), и когда у Epic нет сильного продукта в категории. Наиболее перспективные направления для стартапов — амбиентное документирование встреч с врачами (48% респондентов), ИИ для анализа медицинских изображений (44%), ИИ-ассистенты для пациентов и ИИ для оптимизации финансового цикла. Примечательно, что почти две трети респондентов готовы покупать у новых стартапов с тремя или менее действующими клиентами — всего на 12 процентных пунктов реже, чем у вендоров с сотнями клиентов. Исследование демонстрирует двойственную динамику рынка: Epic укрепляет доминирование в базовых ИТ-системах больниц, но нишевые ИИ-решения остаются доступными для независимых разработчиков.
Исследование опубликовано в рецензируемом журнале npj Digital Medicine 5 августа 2026 года. Работа посвящена разработке модели динамического прогнозирования риска преждевременных родов и определения гестационного возраста при родах с использованием лонгитюдных данных из электронных медицинских карт (EHR). Подход предполагает применение методов машинного обучения для анализа временных рядов медицинских данных пациентов в течение беременности, что позволяет обновлять прогнозы по мере поступления новой информации. Использование динамических моделей вместо статических даёт возможность более точной оценки рисков на разных сроках гестации. Исследование имеет прямую клиническую значимость для акушерской практики, позволяя врачам своевременно выявлять пациенток с повышенным риском преждевременных родов и принимать превентивные меры. Работа представляет интерес для специалистов по цифровой медицине, разработчиков клинических систем поддержки принятия решений и исследователей в области прогностической аналитики здравоохранения.
Систематический обзор 120 исследований (2020–2026) оценивает применение ИИ для прогнозирования гестационного диабета и преэклампсии. Модели машинного и глубокого обучения показали AUC от 0,70 до 0,95, причём ансамблевые методы и интеграция мультимодальных данных превзошли традиционные статистические подходы. Выявлены ключевые проблемы: недостаточная внешняя валидация, гетерогенность данных, низкая интерпретируемость моделей и ограниченная интеграция в клиническую практику.
Исследование оценивает техническую и экономическую осуществимость внедрения системы Bright Health, использующей солнечную энергию для обеспечения работы цифровых медицинских сервисов. Результаты показывают, что использование возобновляемых источников энергии и архитектуры с поддержкой автономной работы (offline-first) критически важно для стабильной работы электронных медкарт в условиях нестабильного энергоснабжения.
В статье представлен PMBB Geno-Pheno Toolkit — специализированный набор модульных конвейеров на базе Nextflow, предназначенный для проведения масштабных ассоциативных анализов в биобанках, связанных с электронными медицинскими картами (EHR). Основная проблема, которую решает инструмент, заключается в фрагментации данных и несовместимости вычислительных инфраструктур различных институтов. В состав набора входит семейство конвейеров SAIGE, поддерживающих полногеномный (GWAS), экзомный (ExWAS) и феномновый (PheWAS) анализы, а также инструменты GWAMA и ExWAS для проведения мета-анализов и репликации результатов между различными биобанками. Все компоненты системы контейнеризированы с использованием Docker и Apptainer, что обеспечивает беспрепятственный запуск рабочих процессов на локальных HPC-кластерах, облачных платформах и в среде All of Us Research Workbench без необходимости изменения кода. Дополнительно инструментарий включает возможности для полигенного скоринга, гармонизации фенотипов и LD-клампинга на базе PLINK. Данная разработка значительно повышает воспроизводимость и масштабируемость биомедицинских исследований, позволяя объединять разрозненные геномные и фенотипические наборы данных.
Статья исследует барьеры на пути внедрения ИИ в клиническую практику, включая отсутствие механизмов оплаты и сложности интеграции с электронными медицинскими картами. Авторы предлагают модель человекоцентричного подхода, где ИИ дополняет решения врачей при строгом надзоре и соблюдении стандартов справедливости.
Американская медицинская ассоциация (AMA) запускает новую инициативу, направленную на улучшение интероперабельности данных в процессе получения предварительных авторизаций. Основная цель проекта — внедрение структурированной клинической терминологии непосредственно в коды CPT (Current Procedural Terminology), что позволит автоматизировать и ускорить обмен информацией между врачами и страховыми компаниями. В рамках программы приоритетное внимание будет уделено тем случаям предварительной авторизации, которые создают наибольшую административную нагрузку на медицинские учреждения. Ожидается, что использование стандартизированных терминов поможет сократить задержки в получении медицинской помощи и минимизировать ошибки ручного ввода данных. Данная инициатива является важным шагом в цифровой трансформации здравоохранения, направленным на снижение бюрократических барьеров с помощью технологий обмена данными. Реализация проекта позволит оптимизировать рабочие процессы и обеспечить более своевременный доступ пациентов к необходимому лечению.
Исследование оценивает способность восьми различных LLM генерировать вопросы и ответы для медицинских экзаменов на основе реальных данных ЭМК. Результаты показали, что модели (особенно ERNIE 4) могут достигать высокой точности информации, сопоставимой с экспертами, что делает их перспективным инструментом для медицинского обучения.
Исследование посвящено разработке аннотированного корпуса из 2040 выписных эпикризов для автоматического обнаружения гериатрических синдромов с помощью NLP. Сравнительный анализ показал высокую эффективность моделей BERT-cased и BioClinicalBERT в задачах распознавания именованных сущностей (NER) и классификации документов.
Статья представляет собой практическое руководство по переходу от пилотных проектов ИИ к их полноценной интеграции в повседневную медицинскую практику. Основное внимание уделяется моделям зрелости, созданию систем управления и бесшовной интеграции ИИ в рабочие процессы электронных медицинских карт (EHR).
Больница Tampa General Hospital (TGH) приступила к масштабному внедрению технологии Ambient Clinical Documentation на базе искусственного интеллекта для оптимизации работы среднего медицинского персонала. В качестве основного инструмента было выбрано решение Microsoft Dragon Copilot, предназначенное для автоматизации процесса ведения записей в электронных медицинских картах (EHR). Основная цель внедрения — снижение уровня профессионального выгорания медсестер, вызванного чрезмерной административной нагрузкой и необходимостью постоянно работать с экранами во время приема пациентов. Технология позволяет ИИ слушать диалоги и клинические взаимодействия в режиме реального времени, преобразуя их в структурированные медицинские заметки. Это освобождает значительное количество времени, позволяя персоналу сосредоточиться на непосредственном уходе за пациентами, а не на заполнении документации. Ожидается, что использование Microsoft Dragon Copilot существенно сократит время, затрачиваемое на заполнение карт у постели больного, и повысит общую удовлетворенность сотрудников качеством рабочего процесса.
Представлен SENTINEL-Chain — система, объединяющая методы дифференциальной приватности и блокчейн для безопасного обмена электронными медицинскими картами. Разработанный подход позволяет сохранить высокую аналитическую ценность данных (98.2%) при обеспечении устойчивости к атакам на идентификацию пациентов.
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.
На конференции AHIP 2026 в Лас-Вегасе генеральный директор компании Ascendiun Пол Маркович обсудил критические проблемы современной системы здравоохранения, в частности, неэффективность текущих подходов к интероперабельности данных. Основная идея выступления заключается в необходимости перехода от разрозненных систем к созданию полноценных и доступных цифровых медицинских карт (DHR), ориентированных на пациента. Маркович подчеркивает, что текущая фрагментация данных препятствует качественному управлению здоровьем и мешает внедрению передовых цифровых решений. Проект Ascendiun направлен на устранение барьеров между различными медицинскими организациями для обеспечения бесшовного обмена информацией. Реализация этой концепции позволит пациентам иметь полный контроль над своей историей болезни, что является фундаментом для дальнейшей интеграции ИИ-инструментов в клиническую практику. Данная инициатива рассматривается как важный шаг в цифровой трансформации страхового и медицинского секторов.
Статья предлагает концепцию «violet teaming» — социотехнический подход к кибербезопасности, объединяющий технические меры с человеческим фактором и управлением. Автор исследует способы обеспечения безопасного обмена данными между гражданскими и военными медицинскими системами в условиях использования ИИ и электронных медкарт.
Исследование посвящено разработке мобильного приложения для поддержки охраны материнства и детства в сельских районах Камбоджи. Ключевые функции включают систему поддержки принятия клинических решений (CDSS) и электронные медицинские карты (EMR), что значительно повышает точность диагностики и уверенность медицинского персонала.
Компания Canvas Medical, специализирующаяся на разработке электронных медицинских карт (EMR), объявила о запуске нового продукта под названием Canvas Studio. Это инновационный инструмент с интерфейсом без написания кода (no-code), который позволяет клиницистам и другим медицинским работникам самостоятельно проектировать и настраивать индивидуальные рабочие процессы внутри системы ЭМК. Внедрение подобной технологии позволяет медицинским учреждениям адаптировать цифровые инструменты под свои специфические нужды без привлечения дорогостоящих IT-специалистов. Основная цель продукта — оптимизация клинических процессов и повышение эффективности взаимодействия персонала с данными пациентов. Использование no-code решений в здравоохранении является важным трендом, направленным на снижение административной нагрузки на врачей. Данное решение напрямую влияет на цифровизацию медицинских процессов и интеграцию ИИ-инструментов в будущем через гибкую настройку интерфейсов.
Федеральный фонд обязательного медицинского страхования (ФФОМС) инициировал внедрение системы ключевых показателей эффективности (KPI) для оценки уровня интеграции технологий искусственного интеллекта в региональные программы ОМС. Данная инициатива реализуется на основании резолюции министра здравоохранения РФ Михаила Мурашко и направлена на систематизацию использования цифровых решений в здравоохранении. Основной акцент в предлагаемых показателях сделан на двух ключевых направлениях: применение ИИ-алгоритмов в лучевой диагностике (рентгенология, КТ, МРТ) и автоматизированный анализ данных электронных медицинских карт (ЭМК). Внедрение данных KPI позволит государству объективно оценивать готовность регионов к цифровой трансформации и контролировать реальное использование нейросетевых технологий в клинической практике. Это создаст основу для масштабирования ИИ-решений и их включения в стандарты оказания медицинской помощи через механизмы финансирования ОМС.
Минцифры РФ и ФСО разработали проект совместного приказа, устанавливающего новые технические требования к мониторингу и координации межведомственного электронного документооборота. Данная инициатива предполагает создание единого контура обмена данными, который затронет государственные информационные системы в сфере здравоохранения, медицинские организации, внебюджетные фонды и органы власти. Внедрение новых правил направлено на стандартизацию процессов передачи документов и усиление контроля за безопасностью информационного обмена. Для медицинского сектора это означает необходимость адаптации существующих систем электронного документооборота под новые государственные протоколы. Реализация проекта позволит обеспечить более прозрачный и защищенный поток данных между различными ведомствами и медицинскими учреждениями.
