Исследования, новости индустрии и регуляторные изменения в области применения искусственного интеллекта в здравоохранении
Крупнейший поставщик услуг визуализации SimonMed внедряет ИИ-решение SwiftMR от AIRS Medical во всей своей сети. Технология позволяет повысить качество МРТ-снимков, сократить время сканирования и оптимизировать рабочие процессы на оборудовании различных производителей.
Согласно отчету KPMG Global AI Pulse, между объемами инвестиций в ИИ и получением измеримой бизнес-ценности наблюдается растущий разрыв. Несмотря на то, что организации планируют тратить в среднем 186 млн долларов на ИИ в ближайшие 12 месяцев, лишь 11% компаний достигли этапа масштабирования ИИ-агентов, приносящих значимые результаты на уровне всего предприятия. Исследование выделяет категорию «лидеров ИИ», которые используют агентную архитектуру для перепроектирования бизнес-процессов, а не просто внедряют инструменты поверх старых схем. Среди лидеров 82% подтверждают получение реальной выгоды, в то время как у остальных этот показатель составляет лишь 62%. В ИТ-секторе 75% лидеров используют агентов для ускорения разработки кода, а в операционной деятельности — 64% применяют их для оркестрации цепочек поставок. Ключевой вывод заключается в том, что успех зависит от перехода от модели «копилотов» к полной реархитектуре процессов с внедрением автономных агентов.
Данное исследование, опубликованное в журнале npj Digital Medicine, посвящено анализу способности больших языковых моделей (LLM) оценивать читаемость и структурированность радиологических заключений. Авторы применяют многомерный подход к оценке, проверяя, насколько эффективно ИИ может интерпретировать сложность медицинского текста и его доступность для различных групп пользователей. В работе исследуется методология сопоставления оценок LLM с экспертными заключениями опытных радиологов. Ключевым результатом является выявление корреляции между метриками, генерируемыми моделями, и реальной клинической полезностью отчетов. Исследование подчеркивает потенциал использования ИИ для автоматизированного аудита качества документации в радиологии, что может значительно снизить когнитивную нагрузку на врачей и улучшить коммуникацию с пациентами. Результаты работы закладывают основу для внедрения интеллектуальных систем контроля качества медицинских текстов в клиническую практику.
Исследование, опубликованное в журнале npj Digital Medicine, посвящено оценке эффективности больших языковых моделей (LLM) в процессе упрощения текстов медицинского информированного согласия для пациентов, не владеющих английским языком. В методологии работы ключевую роль играет участие практикующих врачей, которые оценивают качество, точность и доступность генерируемого контента. Основная цель проекта — преодоление языкового барьера и повышение уровня медицинской грамотности пациентов через использование ИИ для адаптации сложных терминов. Результаты показывают, что LLM способны значительно сократить когнитивную нагрузку на пациентов, сохраняя при этом клиническую точность формулировок. Внедрение подобных инструментов может существенно снизить риски юридических и этических ошибок при получении согласия на процедуры. Данная работа подчеркивает важность гибридного подхода, сочетающего мощь ИИ с экспертным контролем со стороны медицинского персонала для обеспечения безопасности пациентов.
Данное исследование, опубликованное в журнале npj Digital Medicine, посвящено сравнительному анализу эффективности больших языковых моделей (LLM) и традиционных алгоритмов машинного обучения (ML) для прогнозирования осложнений после процедуры чрескожной кифопластики. Авторы изучали возможности применения современных нейросетевых архитектур в контексте лечения остеопоротических компрессионных переломов позвонков. В работе оценивается точность предсказания рисков, что критически важно для предоперационного планирования и выбора тактики лечения. Методология включает сопоставление метрик точности, чувствительности и специфичности между классическими моделями ML и новейшими LLM на основе клинических данных пациентов. Результаты исследования позволяют определить, какой тип интеллектуальных систем обеспечивает более надежную поддержку принятия врачебных решений в ортопедии и нейрохирургии. Практическая значимость работы заключается в возможности интеграции ИИ-инструментов в клинические протоколы для снижения частоты послеоперационных осложнений.
Компания Esaote представила систему I-Genius — открытый МРТ-сканер, оптимизированный для использования непосредственно во время операций по удалению глиом. Устройство позволяет проводить многократные сканирования без перемещения пациента, обеспечивая хирургов точными данными в реальном времени для более качественного удаления опухоли.
Компания Trice Imaging обновляет свою облачную платформу Tricefy для управления медицинскими изображениями, внедряя функции динамических отчетов и расширенную интеграцию с EMR/EHR. Обновления направлены на поддержку растущих объемов данных и подготовку инфраструктуры для использования алгоритмов ИИ в ультразвуковой диагностике.
Российская компания «Архитех ИИ» представила инновационную платформу KodikRouter, которая представляет собой универсальный API-шлюз для интеграции более чем 300 различных больших языковых моделей (LLM). Продукт спроектирован с учетом специфики российского законодательства, что обеспечивает безопасное использование нейросетей в рамках правового поля РФ. Платформа позволяет разработчикам и организациям бесшовно переключаться между различными моделями, оптимизируя затраты и повышая эффективность обработки текстовых данных. Основная ценность решения заключается в предоставлении единого интерфейса доступа к широкому спектру ИИ-инструментов, что критически важно для масштабирования ИИ-проектов. Техническая архитектура шлюза позволяет централизованно управлять запросами и контролировать качество ответов моделей. Данная разработка может быть полезна в медицинских информационных системах для автоматизации обработки документации и поддержки принятия решений через использование различных специализированных LLM.
Статья обсуждает проблему работы с некачественными данными при внедрении генеративного ИИ, подчеркивая, что современные LLM способны справляться с хаосом в записях. В качестве примера приводится кейс в медицинском секторе, где ИИ помог автоматизировать сверку медицинских счетов из разнородных источников (PDF, изображения).
Минобороны США заключило соглашения с Microsoft, Reflection AI, Amazon и Nvidia для использования их ИИ-технологий в секретных операциях. Статья также освещает конфликт между правительством и компанией Anthropic из-за ограничений на использование их моделей в военных целях и слежке.
Компания RingCentral расширила возможности своего ИИ-ресепшена (AIR), добавив интеграцию с Shopify, Calendly и WhatsApp для автоматизации клиентского сервиса. Продукт позволяет обрабатывать заказы, назначать встречи и отвечать на сообщения, при этом компания отмечает использование решения в том числе в сфере здравоохранения.
Статья рассматривает применение технологий виртуального ухода и машинного обучения для управления очередями и разгрузки больниц в Великобритании. Использование ИИ и носимых устройств позволяет прогнозировать ухудшение состояния пациентов, снижая количество госпитализаций и затраты на содержание койко-мест.
Статья анализирует разрыв между традиционными методами промышленного обслуживания и требованиями безопасности в медицине. Автор утверждает, что фокус должен сместиться с простого технического аптайма на обеспечение клинической доступности и соответствия регуляторным нормам для обеспечения безопасности пациентов.
FDA внедрила обновленный внутренний ИИ-инструмент Elsa 4.0 и создала единую платформу данных HALO для оптимизации работы сотрудников. Эти нововведения позволяют автоматизировать анализ документов, визуализацию данных и ускорить регуляторные процессы в сфере здравоохранения.
FDA тестирует формат кратких целевых проверок для повышения эффективности надзора за медицинскими продуктами и клиническими исследованиями. Данная инициатива направлена на использование риск-ориентированных моделей и сбор данных для более точного распределения ресурсов агентства.
Статья рассматривает риски кибербезопасности подключенных медицинских устройств, которые часто игнорируются в пользу стандартных ИТ-решений. Автор предлагает метод оценки рисков, объединяющий формы MDS2 с данными MITRE ATT&CK и оценками CVSS 4.0 для приоритизации защиты клинических процессов.
Статья посвящена критической важности непрерывного мониторинга медицинских ИИ-систем после их развертывания. Автор рассматривает проблему деградации моделей и «дрейфа данных» (data drift), возникающих из-за изменений в клинической практике и популяциях пациентов.
Статья рассматривает возможности применения генеративного ИИ для ускорения разработки медицинских изделий, особенно в процессах написания документации и тестирования. Автор подчеркивает важность внедрения строгих политик управления ИИ для минимизации рисков для безопасности пациентов и защиты интеллектуальной собственности.
Компания Roche объявила о приобретении PathAI, специализирующейся на цифровой патологии и технологиях на базе ИИ. Сделка направлена на автоматизацию диагностических процессов, улучшение точности диагностики рака и развитие прецизионной медицины.
Статья рассматривает один из ключевых технологических трендов здравоохранения на 2026 год — создание системы непрерывного и взаимосвязанного цикла оказания медицинской помощи (connected care continuum). Основная проблема современной медицины заключается в разрозненности данных (информационных «силосах»), что создает фрагментированный опыт как для пациентов, так и для врачей. Эксперт Чиф Умеджеи, старший вице-президент и CIO NewYork-Presbyterian, подчеркивает, что современная модель ухода должна быть долгосрочной и продольной, а не эпизодической. Переход к «умному» континууму подразумевает интеграцию технологий для бесшовного перемещения пациента между различными медицинскими учреждениями и домашним мониторингом. Это критически важно в условиях индустриального сдвига в сторону предоставления помощи в наиболее подходящих для пациента условиях, а не только в стационарах. Внедрение таких систем позволит устранить разрывы в передаче данных и обеспечить непрерывность клинических решений.
