Поиск

Исследователи разработали интегрированный экспериментальный и вычислительный конвейер для аннотации клеток на уровне белков с применением масс-спектрометрии единичных клеток (SCP). Методология включала изоляцию T-клеток, B-клеток, моноцитов и NK-клеток методом негативной селекции для создания высокоточного референса, параллельно несортированные PBMC обрабатывались на системе cellenONE с детекцией label-free DIA на масс-спектрометре Orbitrap Astral Zoom. Авторы систематически бенчмаркили методы нормализации, импутации и кластеризации для оценки их влияния на разделение типов клеток. Ненаблюдаемый анализ разрешил функциональные субпопуляции внутри каждой линии, а вероятностный SCP-классификатор, обученный на этих аннотациях, идентифицировал соответствующие типы клеток и состояния в несортированной фракции PBMC. Работа предоставляет аналитически бенчмаркированный SCP-воркфлоу с готовым к использованию белковым референсом для присвоения иммунных клеток. Вычислительные методы включают машинное обучение для классификации клеточных типов, что имеет значение для иммунологических исследований и персонализированной медицины.

Статья из обзора Vademecum рассматривает проблему неправильного подбора обуви и её влияние на здоровье стоп. Согласно приведённым данным, у 72% обследованных женщин носимый размер обуви не соответствует размеру, определённому по длине стопы, что может приводить к нарушению распределения давления при ходьбе и повышению риска язв, особенно у пациентов с сахарным диабетом. Авторы отмечают, что традиционные размерные сетки не учитывают индивидуальные особенности ноги, включая полноту и форму. В ответ на это производители и ретейлеры внедряют новые подходы: расширение вариантов полноты, 3D-сканирование стоп, использование ИИ-рекомендаций для подбора размера и персонализированные конструкции обуви. В обзоре анализируются уже представленные на рынке решения и оценивается степень их научной обоснованности. Особое внимание уделяется тому, насколько ИИ-алгоритмы способны повысить точность подбора по сравнению с традиционными методами, а также ограничениям текущих технологий. Материал представляет интерес для специалистов в области ортопедии, диабетологии и цифрового здравоохранения, а также для производителей обуви, рассматривающих ИИ как инструмент персонализации.

Исследователи разработали COMPASS — интерпретируемую линейную модель машинного обучения для предсказания того, как генетические возмущения изменяют транскриптом клетки. Модель была протестирована на 2 270 CRISPRi-возмущениях в шести различных клеточных линиях. COMPASS декомпозирует каждый ответ на две компоненты: общую (масштабированный ответ на уровне клеточной линии) и ген-специфичную (остаточную), оценивая их отдельно. Коэффициент общего ответа сильно консервативен между клеточными линиями (Kendall's W=0.59), а позиция возмущения на континууме ответов предсказуема из эмбеддингов белковых взаимодействий STRING (R²=0.35). Модель превзошла существующие подходы scGPT, CPA, GEARS, GenePert и State как по точности предсказания ответа (de-biased Pearson delta 0.34 против ≤0.32), так и по дискриминации возмущений (cosine PDS gain 0.23 против ≤0.08). Результаты предлагают новый подход к предсказанию возмущений через покомпонентный вывод, где каждая компонента оценивается из наиболее подходящих для неё данных, что может ускорить разработку таргетных терапий и понимание молекулярных механизмов заболеваний.

Исследование посвящено компьютерному дизайну пептида для таргетного воздействия на иммунную контрольную точку Tim-3–galectin9, что имеет значение для иммунотерапии онкологических заболеваний. Работа опубликована в журнале npj Digital Medicine, специализирующемся на цифровых технологиях в медицине. Методология предполагает использование вычислительных подходов для многокритериальной оптимизации пептидной структуры с целью достижения специфичности связывания и терапевтической эффективности. Tim-3 и galectin9 представляют собой перспективные мишени для преодоления иммунного ускользания опухолей. Однако предоставленный фрагмент содержит только библиографические метаданные без доступа к полному тексту статьи, поэтому детали алгоритмов оптимизации, конкретные результаты экспериментов и количественные показатели эффективности недоступны для анализа. Для полноценной оценки вклада ИИ-методов в данное исследование необходим доступ к разделам методики и результатов публикации.

Данная публикация представляет собой официальное исправление (Author Correction) к ранее опубликованной статье в журнале npj Digital Medicine от 1 августа 2026 года. Оригинальное исследование посвящено разработке цифровых биомаркеров для оценки здоровья мозга с использованием данных от носимых сенсоров, которые обеспечивают пассивный и непрерывный мониторинг показателей. Цифровые биомаркеры в данном контексте предполагают применение алгоритмов машинного обучения для обработки потоковых данных с носимых устройств (акселерометры, гироскопы, датчики сердечного ритма и др.) с целью выявления паттернов, связанных с неврологическим статусом пациента. Однако предоставленный текст содержит только библиографические метаданные (DOI: 10.1038/s41746-026-03031-4, название журнала, дату публикации) без фактического содержания исправления или оригинальной статьи. В связи с этим невозможно извлечь конкретные методологические детали, количественные результаты, имена авторов или существенные выводы исследования. Для полноценной оценки вклада в область ИИ в медицине необходим доступ к полному тексту оригинальной публикации и самого исправления.

Исследователи представили Boltz2ESI — новую вычислительную платформу на основе фундаментальной модели ИИ для предсказания взаимодействий между ферментами и субстратами. В отличие от традиционных методов докинга, требующих предопределённых активных центров, Boltz2ESI использует端到端ное совместное сворачивание (co-folding), что позволяет естественным образом учитывать пластичность активного сайта и конформационные изменения при связывании лиганда. Модель интегрирует биофизические приоры, глобальный эволюционный контекст и геометрические молекулярные дескрипторы, демонстрируя превосходство над современными последовательностными методами и подходами жёсткого докинга. Валидация показала способность системы точно различать специфичность внутри подсемейств ферментов, что продемонстрировано на примере пути биосинтеза витанолидов. Технология потенциально применима для ускорения открытия биокатализаторов и масштабного определения функций орфанных ферментов в синтетической биологии и фармацевтической разработке. Прямое клиническое применение не заявлено, но метод может способствовать дизайну лекарств и метаболической инженерии.

Исследование оценивает возможность использования встраиваний (embeddings) от четырёх языковых моделей белков (ESM-1b, ESM-2, ProtT5, ProstT5) для оценки попарного структурного сходства белков без выполнения выравнивания последовательностей. Бенчмарк включает 20 445 пар белков PISCES с идентичностью последовательности ≤30%, представляющих «сумеречную зону», где традиционные методы часто не работают. В качестве эталона структурного сходства использован TMmin, полученный через TM-align. Среди метрик сходства (косинусное сходство, евклидово, манхэттенское, RBF-ядро, скалярное произведение) косинусное сходство показало наилучшие результаты для всех четырёх моделей. ProstT5 достиг наивысшей корреляции Спирмена с TMmin, за ним следуют ESM-2, ProtT5 и ESM-1b; все четыре модели превзошли BLASTP. Преимущество встраиваний PLM наиболее выражено для пар белков с наименьшей идентичностью последовательности. ProstT5 также обеспечил лучшую дискриминацию между структурно схожими и несхожими парами белков при оптимальном балансе производительности и вычислительных затрат.

Исследование посвящено прогнозированию рисков возникновения вспышек высокопатогенного гриппа птиц (HPAI) штамма H5N1 на территории Австралии на уровне местных органов самоуправления. Авторы применили модель максимума энтропии (MaxEnt) для оценки экологической пригодности среды, объединив её с пятью ключевыми предикторами: численностью диких птиц Южного океана, данными о 28 видах местных птиц, путями их миграции, а также плотностью популяций домашней птицы и куриц. В результате была создана карта рисков, которая выявила, что наиболее уязвимыми регионами являются Новый Южный Уэльс (NSW) и Виктория (VIC), несмотря на то, что текущие случаи были зафиксированы в Западной и Южной Австралии. Также зоны высокого риска охватывают Тасманию (TAS), в то время как Северная территория и значительные части Квинсленда классифицированы как зоны низкого риска. Данная прогностическая модель предоставляет пространственно-детерминированную базу для планирования целевого эпидемиологического надзора и усиления мер биобезопасности.

Новый отраслевой анализ сравнивает финансовую нагрузку на участников программы Medicare Advantage (MA) и участников традиционной программы Medicare. Согласно результатам исследования, застрахованные по программе Medicare Advantage тратят в среднем меньше личных средств (out-of-pocket costs) на медицинские услуги, чем те, кто пользуется классическим государственным страхованием. При этом уровень удовлетворенности качеством обслуживания и доступности помощи остается сопоставимым в обеих группах. Исследование подчеркивает экономическую эффективность планов Medicare Advantage для конечного потребителя, несмотря на различия в структуре страхового покрытия. Данные результаты важны для понимания динамики рынка медицинского страхования и выбора оптимальных моделей финансирования здравоохранения. Анализ не содержит прямого упоминания технологий искусственного интеллекта, фокусируясь на экономических аспектах страхования.

В данной статье Патрик Веллики, представитель компании HaloMD, анализирует критические аспекты соблюдения закона «No Surprises Act» (NSA), в частности, механизмы разрешения споров через независимый процесс пересмотра (IDR). Основное внимание уделяется проблеме невыплаты платежей по результатам IDR и существующим пробелам в правоприменении, которые создают финансовые риски для медицинских организаций. Автор подчеркивает, что отсутствие эффективного контроля за исполнением решений IDR ставит под угрозу стабильность выплат поставщикам медицинских услуг и может косвенно влиять на доступность помощи для пациентов. Статья рассматривает административные и экономические последствия для провайдеров, работающих в условиях неопределенности правового регулирования. Несмотря на то, что статья фокусируется на финансово-регуляторных аспектах здравоохранения, она имеет косвенное отношение к цифровизации и управлению данными в медицине через призму операционной эффективности.

Исследование посвящено разработке нового биоинформатического инструмента CHARLIE (Comprehensive High-throughput Analysis of Repeat Length, Interruptions and Expansions), предназначенного для точного анализа расширенных тандемных повторов. Авторы решают критическую проблему идентификации прерываний (interruptions) внутри повторов, которые являются ключевыми модификаторами тяжести таких заболеваний, как болезнь Гентингтона и миотоническая дистрофия 1 типа. В ходе работы сравнивались методы секвенирования на платформах Illumina MiSeq и PacBio SMRT, что позволило выявить уникальные профили ошибок для каждой технологии. Было доказано, что использование подготовки библиотек без ПЦР (PCR-free) для SMRT-секвенирования значительно повышает точность определения последовательностей. Метод CHARLIE позволяет эффективно отличать реальные биологические прерывания, влияющие на клиническую картину заболевания, от технических ошибок секвенирования. Это имеет важное значение для понимания соматического мозаицизма и наследственной вариативности при тандемных повторах.

Исследователи представили PlantMetWiki — семантически обогащенный граф знаний, построенный на принципах FAIR (находимость, доступность, интероперабельность, повторное использование) для интеграции данных о метаболизме растений. Проект базируется на инфраструктуре WikiPathways и объединяет высококурированные данные Plant Metabolic Network с ресурсами биосинтетических генных кластеров, такими как MIBiG и plantiSMASH. В рамках системы представлено 1 162 метаболических пути в формате RDF-графов, что позволяет сохранять структуру путей, литературные источники и таксономическую информацию из PlantCyc 17.0. Ключевой особенностью является возможность проведения кросс-видового моделирования и использования федеративных запросов SPARQL для интеграции с внешними химическими базами данных. Это позволяет ученым выявлять пробелы в аннотациях геномов и метаболомов, а также проводить сравнительный анализ метаболических путей между различными таксонами. Ресурс предоставляет открытый SPARQL-эндпоинт и воспроизводимые рабочие процессы трансформации данных, что критически важно для автоматизированного поиска новых природных соединений с фармацевтическим потенциалом.

В исследовании представлен новый метод PhyloRBT (phylogenetic reference bias test), предназначенный для выявления систематической ошибки референсного генома (reference bias), которая возникает при реконструкции локусов на основе данных коротких чтений. Суть метода заключается в многократной реконструкции каждого локуса с использованием различных референсных геномов и последующем измерении филогенетической корреляции между результатами. Авторы протестировали инструмент на сотнях локусов BUSCO, полученных из данных девяти видов эвкалипта с использованием 34 различных референсных геномов. Результаты показали, что более 25% реконструированных локусов имеют значительные признаки ошибки референса. Исключение таких смещенных локусов из процесса построения филогенетического дерева позволило получить топологию вида, которая гораздо лучше соответствует данным предыдущих исследований. Инструмент PhyloRBT представляет ценность для биоинформатиков, позволяя селективно удалять ошибочные данные из филогеномного анализа для повышения точности эволюционных выводов.

Компания Nord Clan представила отчет о результатах своей деятельности за первое полугодие 2026 года, акцентируя внимание на развитии технологического стека. Ключевым достижением стало масштабное обновление платформы машинного зрения ML Sense, которая специализируется на анализе визуальных данных с использованием алгоритмов машинного обучения. В отчетном периоде компания успешно зарегистрировала семь новых продуктов, расширяя свой портфель интеллектуальных решений. Несмотря на то, что отчет носит корпоративный характер, развитие платформы ML Sense имеет потенциальное применение в автоматизации медицинского зрения и диагностических системах. Основной фокус компании направлен на масштабирование возможностей машинного обучения в различных индустриальных секторах. Данные результаты демонстрируют устойчивый рост технологической экспертизы компании в области компьютерного зрения.

Исследователи из Сколтеха, Курчатовского института и РАН провели работу по изучению структуры панциря микроводорослей с использованием методов сверхвысокого разрешения. В ходе эксперимента ученым удалось увеличить элементы микроскопического панциря в тысячи раз, что позволило обнаружить уникальные оптические свойства материала. Ключевым результатом стало выявление специфического оптического эффекта, который может быть адаптирован для создания новых инструментов медицинской визуализации. Данная технология потенциально позволит повысить точность и детализацию при проведении неинвазивных диагностических процедур. Методология исследования базируется на сочетании нанотехнологий и передовых методов оптической микроскопии. Полученные данные открывают перспективы для разработки новых биомиметических материалов, способных улучшить качество визуализации биологических структур на клеточном уровне.

В исследовании, опубликованном в Nature Machine Intelligence, рассматривается влияние многоагентного взаимодействия на эффективность больших языковых моделей (LLM). Авторы провели контролируемое исследование, протестировав 260 различных конфигураций агентов, чтобы определить границы полезности совместной работы ИИ. Результаты показывают, что по мере роста способностей отдельных моделей, традиционная стратегия коллаборации может начать снижать общую производительность вместо её повышения. В рамках работы была представлена новая прогностическая модель, которая способна с точностью 87% предсказывать оптимальную архитектуру взаимодействия для новых конфигураций в рамках того же домена. Данное исследование имеет важное значение для разработки сложных систем ИИ, позволяя оптимизировать архитектуру агентов и избегать избыточных вычислительных затрат при использовании мультиагентных систем.

Согласно свежим данным Центров услуг Medicare и Medicaid (CMS), в США наблюдается устойчивый рост числа споров по вопросам выставления счетов вне сети, которые переходят в стадию арбитража. Данная тенденция вызвана реализацией «Закона о предотвращении неожиданных счетов» (No Surprises Act), направленного на защиту пациентов от внезапных медицинских расходов. Рост числа разбирательств вызывает серьезную обеспокоенность у страховых компаний (health plans), так как это увеличивает административную нагрузку и юридические издержки. Несмотря на то, что статья фокусируется на регуляторных и финансовых аспектах здравоохранения, она косвенно затрагивает вопросы управления данными и автоматизации процессов в страховом секторе. Понимание динамики этих споров критически важно для оптимизации взаимодействия между поставщиками услуг и плательщиками в современной цифровой экосистеме здравоохранения.

Апелляционный суд округа Колумбия вынес решение в пользу Министерства здравоохранения и социальных служб США (HHS) в рамках судебного разбирательства, касающегося программы скидок на лекарства 340B. Судебное постановление подтверждает, что фармацевтические компании не имеют права навязывать ребейты (возвратные скидки) без предварительного одобрения министра здравоохранения и социальных служб. Данный спор затрагивает механизмы ценообразования и распределения льготных лекарств, которые критически важны для финансирования медицинских учреждений. Решение суда укрепляет регуляторный контроль государства над финансовыми потоками в фармацевтическом секторе. Это имеет косвенное значение для внедрения ИИ-решений в управлении цепочками поставок и оптимизации затрат в здравоохранении, так как меняет экономический ландшафт отрасли. Судебный прецедент устанавливает четкие границы полномочий фармкомпаний в вопросах ребейтов.

Росздравнадзор рассматривает возможность продления действия текущего Порядка ведения реестра клинических испытаний (КИ) медицинских изделий еще на два года, до 31 декабря 2028 года. Текущий регламент, принятый в июле 2025 года, пришел на замену устаревшим приказам № 2525 от 2014 года и № 4220-Пр/13 от 2013 года. Данная инициатива направлена на обеспечение непрерывности процесса регистрации и контроля клинических исследований медицинских изделий в РФ. Продление сроков позволит избежать правового вакуума в вопросах ведения реестров разрешений на проведение КИ. Для производителей и исследовательских организаций это означает сохранение текущих правил документооборота и отчетности в рамках регуляторных процедур. Изменения касаются административного регулирования, обеспечивающего легитимность испытаний новых медицинских технологий.