ИИ в медицине

В статье представлен EPPCMinerBen — инновационный набор метрик и стандартов (бенчмарк), разработанный специально для тестирования возможностей больших языковых моделей (LLM) в контексте цифрового взаимодействия пациентов и медицинских работников. Исследование фокусируется на анализе коммуникации, происходящей через порталы пациентов, что является критически важным аспектом современной телемедицины. Авторы предлагают методологию оценки того, насколько точно ИИ может интерпретировать запросы пациентов и генерировать адекватные, клинически безопасные ответы. В работе подчеркивается необходимость создания специализированных инструментов оценки, так как стандартные NLP-метрики не учитывают специфику медицинского контекста и этические аспекты общения. Использование данного бенчмарка позволит разработчикам ИИ-решений минимизировать риски неверной интерпретации симптомов и повысить качество автоматизированной поддержки в здравоохранении. Результаты исследования закладывают фундамент для внедрения более надежных LLM-ассистентов в клиническую практику через электронные медицинские системы.

В статье представлен инновационный подход к прогнозированию патологического тремора покоя с использованием специализированной архитектуры нейронной сети — Adaptive Time-Frequency Decomposition Informer. Исследователи разработали метод, который объединяет адаптивное разложение сигналов на временной и частотной областях для более точного захвата динамических характеристик тремора. Методология фокусируется на обработке сложных временных рядов, что позволяет модели лучше улавливать долгосрочные зависимости в паттернах движений пациентов. Ключевым результатом является повышение точности прогнозирования последовательностей патологических состояний по сравнению с традиционными моделями трансформеров. Данная разработка имеет высокую клиническую значимость, так как может быть интегрирована в системы носимых устройств для раннего предупреждения приступов тремора и мониторинга состояния пациентов с неврологическими расстройствами в режиме реального времени.

В статье, опубликованной в журнале npj Digital Medicine, предлагается инновационный подход к контролю за использованием больших языковых моделей (LLM) в здравоохранении — мониторинг на основе способностей (capability-based monitoring). Авторы подчеркивают, что текущие стратегии надзора неэффективны, так как LLM являются универсальными системами, чьи внутренние возможности многократно используются в различных медицинских задачах. Вместо проверки каждой отдельной задачи, предлагается организовать мониторинг вокруг общих когнитивных и функциональных способностей моделей. Это позволит выявлять системные недостатки, редкие ошибки («long-tail errors») и эмерджентное поведение на ранних стадиях. В работе детально рассматриваются рекомендации для разработчиков ИИ, руководителей медицинских организаций, профессиональных сообществ и государственных регуляторов. Такой подход критически важен для обеспечения безопасности и надежности внедрения генеративного ИИ в клиническую практику.

Департамент города Москвы объявил о проведении открытого конкурса на развитие Единой медицинской информационно-аналитической системы (ЕМИАС). Проект направлен на масштабную автоматизацию процессов проведения и расшифровки диагностических исследований, что напрямую связано с внедрением интеллектуальных алгоритмов в медицинскую практику. Начальная максимальная цена контракта составляет 975,13 млн рублей. Основная цель работ заключается в переработке и подготовке компонентов системы для повышения эффективности цифровой диагностики. Реализация данного проекта позволит интегрировать более продвинутые аналитические инструменты в городскую систему здравоохранения. Заявки на участие в тендере принимаются до 1 июня 2026 года.

На конференции ASGCT была представлена инициатива двух некоммерческих организаций — Американского общества генной и клеточной терапии (ASGCT) и Orphan Therapeutics Accelerator — по созданию специализированной платформы для спасения перспективных разработок. Проект функционирует по модели маркетплейса (аналогично сервису недвижимости Zillow), позволяя компаниям передавать права на заброшенные или приостановленные проекты в области клеточной и генной терапии новым разработчикам. Основная цель платформы — предотвратить потерю ценных научных данных и потенциальных методов лечения из-за прекращения финансирования или изменения стратегий фармацевтических гигантов. Это решение направлено на оптимизацию процесса разработки лекарств и ускорение вывода на рынок инновационных терапевтических решений. Инициатива имеет важное значение для экосистемы биотехнологий, так как помогает снизить издержки на повторные исследования и стимулирует развитие орфанных препаратов.

Исследование посвящено практическому внедрению коммерческой ИИ-платформы (AIRAQc) для автоматического контроля качества цифровых гистопатологических слайдов. Система показала высокую точность в обнаружении артефактов (складки ткани, пузырьки воздуха) и стабильную работу при обработке более 6000 слайдов в день.

Исследователи из института AIRI разработали инновационный алгоритм, направленный на решение проблемы адаптации ИИ-агентов и роботов к динамически меняющимся условиям окружающей среды. Суть метода заключается в оптимизации процесса обучения с подкреплением, что позволяет системам быстрее переходить от симуляций к реальному физическому взаимодействию. Согласно представленным данным, предложенный подход позволяет сократить время адаптации роботов к новым задачам почти в два раза по сравнению с существующими аналогами. Это достижение критически важно для внедрения автономных систем в медицину, например, при использовании роботов-ассистентов для проведения манипуляций в операционных или при автоматизации процессов реабилитации. Методология исследования базируется на улучшенной передаче знаний из виртуальной среды в реальную (Sim-to-Real), минимизируя ошибки позиционирования и реакции на препятствия. Внедрение подобных технологий позволит создавать более гибкие и безопасные медицинские робототехнические комплексы, способные работать в непредсказуемых условиях клиник.

Исследователи из НИУ ВШЭ работают над созданием специализированной большой языковой модели (LLM), адаптированной под специфику русскоязычного научного дискурса. Основная задача проекта заключается в обучении нейросети глубокому пониманию сложной научной терминологии, что позволит автоматизировать процессы анализа и систематизации исследовательских данных. Методология включает тонкую настройку (fine-tuning) существующих архитектур на корпусах специализированных текстов из различных областей знаний. Ожидается, что внедрение данной разработки значительно ускорит поиск научной информации и поможет в написании академических текстов. Проект имеет высокую значимость для развития научной инфраструктуры в России, обеспечивая более точную работу ИИ с профессиональным контентом. Результаты работы могут быть применены в автоматизированных системах поддержки принятия решений для ученых и инновационных центров.

Цифровая платформа «Поланис», разработанная специалистами Санкт-Петербургского политехнического университета Петра Великого, официально вошла в реестр отечественного программного обеспечения Минцифры. Данная платформа представляет собой высокотехнологичное решение для глубокого анализа медицинских данных с использованием алгоритмов искусственного интеллекта. Основная цель продукта заключается в автоматизации процессов обработки диагностической информации и поддержке принятия врачебных решений. Внедрение «Поланис» позволяет существенно сократить время на интерпретацию сложных медицинских показателей и повысить точность первичной диагностики. Технологическая база платформы ориентирована на интеграцию с существующими медицинскими информационными системами, что делает её масштабируемой для различных лечебных учреждений. Использование отечественного ПО в этой сфере критически важно для обеспечения технологического суверенитета российского здравоохранения и защиты персональных данных пациентов.

Данная научная работа представляет собой комплексный систематический обзор современных возможностей использования больших языковых моделей (LLM) в задачах обработки медицинских текстовых данных. Исследование фокусируется на методологиях применения архитектур трансформеров для извлечения структурированной информации из неструктурированных клинических записей, электронных медицинских карт и научной литературы. Авторы анализируют эффективность различных моделей в таких ключевых задачах, как суммаризация анамнеза, классификация диагнозов и извлечение сущностей (NER). В обзоре рассматриваются как успехи в точности распознавания медицинских терминов, так и критические проблемы, включая галлюцинации моделей и вопросы конфиденциальности данных пациентов. Результаты подчеркивают потенциал интеграции ИИ в рабочие процессы врачей для автоматизации рутинного документирования. Работа служит важным ориентиром для разработчиков медицинского ПО и исследователей, стремящихся внедрить NLP-решения в клиническую практику.

Исследование оценивает отношение пациентов с парезом стопы и врачей к использованию голеностопных экзоскелетов. Результаты показывают высокий потенциал технологий для повышения мобильности, но выявляют барьеры в виде дискомфорта, эстетики и стоимости, что подчеркивает необходимость человекоориентированного дизайна.

Статья предлагает новую социотехническую теорию рисков, возникающих при использовании медицинских ИТ-систем. Авторы объясняют, что риски безопасности пациентов часто связаны не с техническими сбоями, а со сложным взаимодействием цифровых систем, рабочих процессов и организационных структур.

В статье предлагается метод создания программных модулей для интеллектуальных медицинских палат, позволяющий динамически выстраивать конвейеры обработки данных. Это решение направлено на автоматизацию мониторинга состояния пациентов и упрощение разработки систем сбора и анализа медицинских данных в реальном времени.

Протокол исследования направлен на разработку и тестирование eHealth-решения для поддержки домашних физических упражнений у детей с ДЦП. Исследование будет использовать смешанные методы для оценки возможности внедрения цифровых технологий в процесс реабилитации.

Исследование оценивает эффективность платформы PART для дистанционной оценки периферического и центрального слуха у пожилых людей в домашних условиях. Результаты показали умеренно высокую надежность тестов и высокую степень приемлемости метода для мониторинга слуховых функций.

В статье представлен обзор исследований (2020–2025 гг.), посвященных применению глубокого обучения и методов объяснимого ИИ (XAI) для автоматизации диагностики камней в почках. Рассматриваются такие техники, как SHAP и Grad-CAM, которые помогают повысить доверие врачей к диагностическим системам, несмотря на существующие проблемы с разнообразием данных.

Исследование сравнивает эффективность обычных напоминаний и приложения с социальным взаимодействием через аватары для поддержания физической активности и приема лекарств у пожилых людей. Результаты показали, что использование виртуальных аватаров обеспечивает более устойчивое изменение поведения и долгосрочное повышение активности по сравнению с простыми напоминаниями.

Исследование представляет метод автоматической сегментации гистопатологических изображений с использованием архитектуры DeepLabV3+ и смартфонов в качестве микроскопов. Разработанная модель показала высокую точность (Dice: 93.1%) в выявлении 21 класса признаков рака шейки матки, превзойдя базовую архитектуру U-Net.

В статье представлена концептуальная модель для оценки готовности доверенных исследовательских сред (TRE) к объединению в федеративные сети. Разработанная структура включает шесть доменов, охватывающих управление, техническую инфраструктуру и стратегии взаимодействия, что необходимо для безопасного обмена медицинскими данными.