Исследования, новости индустрии и регуляторные изменения в области применения искусственного интеллекта в здравоохранении
Представлен MAPSeg — полностью самообучаемый метод сегментации полипов, не требующий размеченных данных и обучаемый на изображениях здоровой слизистой. Благодаря стратегии синтетической аугментации SIMPO и архитектуре с расширенной памятью, метод значительно превосходит существующие неконтролируемые подходы по метрикам IoU и DICE.
Статья анализирует двойственную роль ИИ в медицине, рассматривая как возможности для персонализированного лечения и диагностики, так и риски, связанные с алгоритмической предвзятостью и ненадлежащим использованием данных. Автор подчеркивает необходимость этичного и человекоцентричного подхода для предотвращения новых угроз общественному здоровью.
Исследование сравнивает точность и надежность моделей Claude, Gemini и GPT при оценке риска систематической ошибки в нерандомизированных исследованиях. Результаты показали, что Gemini демонстрирует наиболее сбалансированную точность, однако на текущий момент готовые LLM не могут надежно заменять экспертов при использовании инструмента ROBINS-I.
В статье рассматривается проблема «дрейфа» данных и моделей ИИ, используемых в качестве медицинских изделий. Авторы анализируют статистические подтипы дрейфа, его причины и регуляторные вызовы, направленные на обеспечение безопасности пациентов при изменении характеристик медицинских данных.
Обзор систематизирует применение ИИ на всех этапах внебольничной помощи: от прогнозирования спроса и оптимизации маршрутов скорой помощи до поддержки принятия клинических решений при остановке сердца. Результаты показывают значительное улучшение эффективности (на 10–30%) и высокую точность диагностических моделей (AUC > 0.90).
Исследование анализирует использование диалогов с чат-ботами как нового источника данных для мониторинга общественных настроений и дезинформации о вакцинах. С помощью BERTopic и GPT-4o ученые классифицировали более 30 000 сообщений, выявив основные темы и эмоциональный тон пользователей.
Исследование оценивает эффективность анонимного чат-бота, используемого пациентами в клиниках Нигерии для повышения осведомленности о ВИЧ и профилактике (PrEP). Результаты показали, что чат-бот улучшает понимание рисков, повышает уверенность пациентов в обсуждении профилактики с врачами и делает взаимодействие с медицинским персоналом более продуктивным.
В статье рассматривается проблема цифрового неравенства в здравоохранении и предлагается новая многоуровневая модель цифровой инклюзии. Авторы интегрируют принципы цифровой трансформации с концепцией цифрового разрыва, чтобы помочь организациям и политикам создавать более справедливые цифровые медицинские сервисы.
Исследование оценивает эффективность ИИ-инструмента qER EU 2.0 в помощи рентгенологам и врачам скорой помощи при анализе КТ головы. Результаты показали значительное повышение чувствительности при обнаружении критических патологий и внутричерепных кровоизлияний, хотя и при некотором снижении специфичности.
В обзоре рассматривается роль данных реальной клинической практики (RWE) в управлении ревматоидным артритом. Авторы анализируют возможности цифровых технологий и электронных медкарт для дополнения традиционных клинических исследований и улучшения качества жизни пациентов.
Исследование анализирует риски систематических ошибок при создании моделей ИИ для онлайн-диагностики симптомов из-за самоотбора участников. Авторы выявили, что способы привлечения пользователей и процент прохождения повторных опросов существенно влияют на репрезентативность данных, что критично для обучения точных медицинских алгоритмов.
В статье предлагается гибридная архитектура CNN-BiLSTM для автоматизированной диагностики рака кожи на основе датасета HAM10000. Модель достигла точности 94,82%, эффективно сочетая извлечение пространственных признаков и анализ контекстуальных зависимостей, что делает её пригодной для использования в реальном времени.
В исследовании представлен метод Graph-RAG, использующий графы знаний Neo4j для создания точных рекомендаций по диете при хронических заболеваниях. Система обеспечивает высокую интерпретируемость и учет демографических особенностей, минимизируя галлюцинации языковых моделей за счет строгой привязки к клиническим нормам нутриентов.
Систематический обзор 62 исследований, посвященный применению ИИ и глубокого обучения для прогнозирования и диагностики инфекционных заболеваний в Африке. В работе выявлен рост публикаций с 2019 года и определены ключевые направления, такие как борьба с малярией и ВИЧ, а также обозначены барьеры в интеграции данных о животных и окружающей среде.
Исследование посвящено разработке модели глубокого обучения для прогнозирования выживаемости пациентов с мелкоклеточным раком легкого. Авторы продемонстрировали, что объединение клинических данных с анализом цифровых патологических изображений (WSI) повышает точность прогноза общей и безрецидивной выживаемости.
Систематический обзор посвящен интеграции машинного обучения, IoMT и блокчейна для обеспечения безопасности и эффективности ухода за новорожденными в отделениях интенсивной терапии. Исследование выявляет возможности ML для ранней диагностики и прогнозирования рисков, а также подчеркивает необходимость создания единых систем для обеспечения целостности данных и непрерывного мониторинга.
Разработан новый метод TRIP для интерпретации сложных биомедицинских данных через выявление общих скрытых причинно-следственных механизмов. Модель успешно применяется к генным регуляторным сетям в раковых клетках, позволяя преобразовывать сложные графы в понятные механизмы для генерации гипотез.
В статье представлен систематический обзор применения глубокого обучения для диагностики болезни Альцгеймера с использованием МРТ и мультимодальных данных. Авторы анализируют архитектуры нейросетей, эффективность классификации стадий заболевания и подчеркивают важность интеграции различных типов данных для повышения точности диагностики.
Авторы представляют MCEEGNet — нейросетевую архитектуру на базе EEGNet, предназначенную для диагностики и количественной оценки тяжести депрессии по сигналам ЭЭГ. Модель демонстрирует высокую точность классификации (91.13%) и позволяет прогнозировать баллы по шкале PHQ-9, используя различные эмоциональные стимулы.
Исследование направлено на прогнозирование риска суицидальных мыслей у 908 женщин в Испании с использованием пяти моделей машинного обучения. Наилучшие результаты показала модель Random Forest, выявившая такие предикторы, как низкий вес ребенка при рождении, история ментальных расстройств и домашнее насилие.
