Поиск

Исследование оценивает два предобученных классификатора на основе глубокого обучения (свёрточная нейросеть и трансформер), обученных на 5,23 млн последовательностей, для таксономической классификации грибов по региону ITS. Авторы провели бенчмаркинг на 5 222 запросах (по одному на род), сравнивая модели с классическими k-mer методами (SINTAX и best-hit alignment). На полноразмерных ITS классификаторы показали результаты 77,9% и 76,5% для известных родов против 92,0% у SINTAX. Однако при переходе на ITS2-ампликон, используемый в экологических исследованиях, точность глубокого обучения катастрофически упала до 28,3% и 18,5% (потеря 49,6 и 58,0 процентных пунктов), тогда как k-mer методы потеряли лишь 3,5-3,7 пункта. Аблационное исследование выявило причину: модели считывают таксономическую информацию преимущественно из фланкирующих областей, а не из самого штрих-кода ITS2. При подмене ITS2 между последовательностями разных типов модели возвращали таксонию донора в 34,4% (свёрточная) и 63,7% (трансформер) случаев. Кроме того, на ITS2 вероятностные выходы моделей перестают различать известные и новые роды (AUROC 0,541 и 0,503 против 0,866 у выравнивания). Работа демонстрирует критическое ограничение глубокого обучения для метабаркодинга и рекомендует указывать регион ампликона при оценке точности таких моделей.

Исследователи представили scAtlasTb (single-cell Atlas Toolbox) — модульную платформу для построения референсных атласов одноклеточной транскриптомики. Инструмент решает проблему значительной вариативности качества атласов, предоставляя стандартизированный фреймворк для итеративного и масштабируемого построения с систематической оценкой решений на каждом этапе. scAtlasTb уже используется несколькими проектами Human Cell Atlas для создания референсных атласов, обеспечивая общую основу для воспроизводимой разработки. Авторы продемонстрировали работу инструмента на трёх крупномасштабных атласах: лёгких, сетчатки и крови, исследуя влияние биологически стратифицированного контроля качества, разрешения батчей, стратегий отбора признаков и глобальной versus lineage-специфичной интеграции на качество атласа. Платформа обеспечивает прозрачную документацию всех этапов построения атласов. Ожидается, что scAtlasTb позволит создавать более качественные, биологически достоверные одноклеточные атласы для анализа в геномике, что имеет значение для медицинских исследований и понимания заболеваний на клеточном уровне.

Исследователи разработали SpaTemGRN — вычислительный метод для анализа пространственно-временной транскриптомики, который позволяет восстанавливать генно-регуляторные сети с разрешением по времени и пространству. Метод использует совместное моделирование наблюдений с нескольких слайдов в разные моменты времени, позволяя поздним пространственным единицам заимствовать статистическую силу у соседних и предшествующих во времени единиц. В модели болезни Альцгеймера у мышей (AppNL-G-F) метод выявил зависящее от региона и возраста усиление регуляторной связи между комплементом и глиальными клетками: ранний широко распределённый сигнатурный профиль комплемента предшествует более поздней пространственно-фокальной связи с астроцитарными и микроглиальными ответами. В развивающемся эмбриональном мозге мыши SpaTemGRN идентифицировал прогрессирующее sharpening и пространственное разделение регуляторных программ по мере регионализации нервной трубки. На симулированных данных метод превзошёл четыре существующих подхода по точности восстановления регуляторных связей и продемонстрировал наиболее стабильную производительность across стадий развития. Исследование представляет собой гибкий гипотез-генерирующий фреймворк для изучения ремоделирования пространственно-локализованных генно-генных зависимостей across биологических стадий, что имеет значение для понимания молекулярных механизмов нейродегенеративных заболеваний.

Совместное исследование компаний НОВИКОМ и НИУ ВШЭ посвящено изучению отношения молодых специалистов инженерного профиля к технологиям искусственного интеллекта. В ходе опроса анализировалось, насколько активно инженеры внедряют ИИ в свои рабочие процессы и существует ли у них страх перед автоматизацией и замещением человеческого труда. Результаты показывают, что представители молодого поколения инженеров демонстрируют высокий уровень адаптивности к новым технологиям и воспринимают ИИ скорее как вспомогательный инструмент, повышающий эффективность, а не как угрозу карьере. Исследование позволяет оценить текущий уровень цифровой грамотности инженерных кадров и их готовность к переходу на интеллектуальные системы управления. Данные работы важны для понимания кадрового потенциала в высокотехнологичных отраслях и планирования программ переобучения в условиях цифровой трансформации экономики.

В исследовании представлен MAP (Metabarcoding Analysis Pipeline) — новый программный конвейер с открытым исходным кодом, предназначенный для автоматизации анализа данных метабаркодинга. Разработка ориентирована на решение проблем гибкости существующих инструментов и их плохой совместимости с данными секвенирования длинными прочтениями (long-read sequencing). MAP представляет собой рабочий процесс типа «от последовательности к ответу», который поддерживает анализ ампликонов любой длины и любых генетических маркеров, включая специализированные функции для COI-метабаркодинга. Методология включает использование Docker-контейнеров, что упрощает установку и требует лишь входные данные, файл параметров и референсную библиотеку. Валидация показала, что MAP генерирует оценки биоразнообразия, максимально приближенные к эталонным данным (ground-truth) на основе ДНК-штрихкодирования отдельных экземпляров. В ходе сравнительного тестирования MAP продемонстрировал превосходство над существующими альтернативными платформами при работе с COI-метабаркодингом. Инструмент является бесплатным и доступен для использования через репозиторий GitHub.

В статье анализируются общественные настроения и ожидания россиян относительно трансформации рынка труда под влиянием искусственного интеллекта. Согласно результатам опроса, 33% респондентов полагают, что развитие ИИ приведет к снижению трудозатрат технических специалистов за счет автоматизации рутинных задач. Исследование фокусируется на том, какие именно компетенции станут критически важными для профессионалов в эпоху внедрения нейросетей. Основной акцент делается на необходимости адаптации навыков к новым инструментам, чтобы сохранить востребованность на рынке. Данный материал носит социологический характер и рассматривает ИИ через призму профессионального развития и изменения структуры занятости, а не через конкретные медицинские технологии.

Компания LDM, входящая в ИТ-холдинг Lansoft, объявила о выпуске обновленной версии платформы «LDM.Цифровой архив 1.1». Данное решение предназначено для автоматизации процессов управления корпоративными цифровыми архивами и обеспечения долгосрочного хранения данных. В новой версии расширены функциональные возможности по систематизации и поиску документов, что позволяет оптимизировать работу с большими массивами информации. Хотя продукт ориентирован на общие задачи корпоративного документооборота, он может быть косвенно полезен медицинским организациям для структурирования электронных медицинских карт и архивных данных пациентов. Основной упор в обновлении сделан на повышение надежности хранения и удобство интерфейса для администраторов систем. Решение помогает минимизировать риски потери критически важной информации в цифровой среде организации.

В данной статье, опубликованной в Nature Machine Intelligence, авторы (Kindt et al.) представляют инновационную теоретическую базу, направленную на решение проблемы суперпозиции в нейронных сетях. Исследование предлагает трехэтапный методологический подход, который позволяет эффективно идентифицировать, разделять (disentangle) и оценивать скрытые признаки (latent features) внутри нейронных архитектур. Основная цель работы заключается в преобразовании запутанных векторов признаков в разреженные и интерпретируемые коды, что критически важно для понимания внутренней логики работы моделей. Разработанный фреймворк позволяет преодолеть ограничения современных нейросетей, где множество концепций могут кодироваться одними и теми же нейронами. Хотя работа носит фундаментальный характер в области глубокого обучения, её результаты имеют потенциальное значение для создания объяснимого ИИ (XAI), который в будущем может быть применен для повышения прозрачности медицинских диагностических систем.

Правительство Российской Федерации инициировало внесение изменений в Федеральный закон «Об арбитражных судах в РФ», направленных на реформирование системы рассмотрения споров об интеллектуальной собственности. Суть законопроектов заключается в передаче полномочий по делам о предоставлении или прекращении действия принудительных простых (неисключительных) лицензий от общих арбитражных судов в специализированный Суд по интеллектуальным правам (СИП). Данная мера касается использования на территории России изобретений, полезных моделей, промышленных образцов и селекционных достижений. В случае принятия инициативы, СИП сможет выступать в качестве суда первой инстанции для подобных исков, что обеспечит более высокую экспертность при разрешении споров. Изменение законодательства направлено на оптимизацию правоприменительной практики в сфере защиты прав интеллектуальной собственности в РФ.

Группа российских исследователей, включая специалистов из НИУ ВШЭ (Санкт-Петербург), разработала уникальную открытую базу данных, предназначенную для глубокого изучения механизмов концентрации внимания человека. Проект направлен на создание стандартизированного набора данных, который может быть использован для обучения алгоритмов машинного обучения и разработки систем мониторинга когнитивного состояния. Методология исследования включает сбор и структурирование параметров, характеризующих устойчивость внимания в различных условиях. Данная база данных представляет значительный интерес для разработки ИИ-решений в области нейропсихологии и создания систем адаптивного обучения или контроля усталости. Несмотря на то, что работа носит фундаментальный характер, результаты могут быть применены в создании медицинских инструментов для диагностики когнитивных расстройств и мониторинга состояния пациентов. Открытый доступ к данным способствует ускорению междисциплинарных исследований на стыке ИИ и когнитивистики.

Российская компания NtechLab представила новое решение в области видеоаналитики на базе искусственного интеллекта, предназначенное для автоматизации контроля посещаемости в высших учебных заведениях. Технология использует алгоритмы распознавания лиц для идентификации студентов в реальном времени в аудиториях и учебных корпусах. Система способна фиксировать присутствие или отсутствие обучающихся на занятиях, автоматически сопоставляя видеопоток с базами данных университета. Внедрение данного продукта направлено на повышение дисциплины и оптимизацию административных процессов, исключая человеческий фактор при проверке журналов. Несмотря на технологическую сложность, решение относится к сфере образовательного менеджмента и косвенно затрагивает медицинскую сферу лишь в контексте управления персоналом или мониторинга здоровья в кампусах. Основной фокус продукта — автоматизация контроля за студентами с помощью компьютерного зрения.

В первом полугодии 2026 года в российском ИТ-секторе зафиксирован значительный рост: было зарегистрировано около 37 000 новых компаний и индивидуальных предпринимателей, что увеличило общее число участников рынка до 273 000. Основными драйверами этого процесса эксперты называют юридическую реструктуризацию бизнеса и существенное снижение порога входа в индустрию, чему способствуют доступные ИИ-технологии. Согласно данным Минцифры, спрос на государственную аккредитацию ИТ-компаний остается высоким — за шесть месяцев статус получили более 500 организаций. Однако рост количества юридических лиц не всегда означает расширение штата: многие компании в течение последнего года проводили оптимизацию персонала. Аналитики предполагают, что за всплеском регистраций может стоять переход существующих команд на модель аутсорсинга.

Статья посвящена концепции киберустойчивости как способности систем предвидеть, выдерживать и адаптироваться к цифровым угрозам и сбоям. Автор подчеркивает, что отсутствие устойчивости ведет к кумулятивным последствиям: от юридических и финансовых потерь до критических рисков для жизни пациентов в секторе здравоохранения при сбоях в работе систем. В материале рассматриваются типичные заблуждения, которые мешают выстраиванию эффективных стратегий защиты цифровых ресурсов. Основной акцент сделан на том, что киберустойчивость — это не просто защита от взлома, а комплексный процесс восстановления и адаптации процессов. Несмотря на упоминание связи ИИ с кибербезопасностью в конце текста, статья носит скорее общий стратегический характер в области информационной безопасности.

В совместном исследовании компаний «Контур Университет», «К2Тех» и Naumen представлен анализ более 100 кейсов внедрения искусственного интеллекта в различных бизнес-процессах. Основной фокус работы сделан на трансформации клиентского сервиса, где прогнозируется радикальное изменение структуры затрат: к 2030 году инвестиции в ИИ-решения в этой сфере превзойдут расходы на содержание человеческого персонала. Авторы анализируют текущую динамику внедрения автоматизированных систем и их влияние на операционную эффективность компаний. Исследование подчеркивает переход от точечного использования чат-ботов к комплексным экосистемам ИИ, способным полностью заменить рутинные функции операторов. Несмотря на экономический потенциал, отмечается необходимость переобучения кадров и адаптации бизнес-моделей к новым технологическим реалиям. Данный материал представляет интерес для руководителей цифровой трансформации, планирующих масштабирование ИИ-технологий.

Федеральная торговая комиссия (FTC) США находится на стадии завершения разбирательства против крупнейших фарм-менеджеров (PBM), касающегося механизмов ценообразования на инсулин. Согласно судебным документам, регулятор достиг предварительной договоренности о мировом соглашении с компанией Optum Rx. Данный юридический прецедент рассматривает вопросы прозрачности цепочки поставок лекарственных средств и влияния посредников на стоимость жизненно важных препаратов. Хотя исследование напрямую не посвящено алгоритмам машинного обучения, оно затрагивает экономическую составляющую здравоохранения и регуляторную среду, в которой внедряются ИИ-решения для оптимизации затрат. Исход дела может существенно изменить правила игры для управления аптечными льготами и финансового контроля в секторе здравоохранения.

В данной статье Кэрол Кэмпбелл, старший вице-президент и директор по клиентскому опыту компании Ascension, поднимает вопрос фрагментации современной системы здравоохранения. Автор подчеркивает, что пациенты и их близкие вынуждены преодолевать административные и системные барьеры, одновременно справляясь с тяжелым эмоциональным грузом, вызванным диагнозами или неопределенностью состояния здоровья. Основная идея заключается в необходимости создания более целостного и человекоцентричного подхода к оказанию медицинской помощи. Статья призывает к интеграции технологической бесшовности (seamlessness) с глубоким эмоциональным сопереживанием (soulfulness), чтобы снизить уровень стресса у пациентов. Хотя в тексте не упоминаются конкретные алгоритмы машинного обучения, обсуждаемая проблема фрагментации данных и систем является ключевым драйвером для внедрения ИИ-решений в управлении клиническими процессами и улучшении пользовательского опыта.

Группа из двадцати шести генеральных прокуроров штатов инициировала судебное разбирательство против Министерства образования США. Предметом иска стали недавно принятые ограничения на федеральные студенческие кредиты. Истцы, поддерживаемые группами из сферы здравоохранения, утверждают, что данные меры создадут серьезные препятствия для подготовки медицинских кадров. Ограничение доступа к финансированию обучения может негативно сказаться на формировании кадрового резерва в клинической сфере. Таким образом, решение может привести к дефициту квалифицированного медицинского персонала в долгосрочной перспективе. Судебный процесс направлен на отмену данных ограничений для защиты образовательных возможностей будущих специалистов.

Министерство науки и высшего образования РФ объявило результаты конкурса грантов в рамках федерального проекта по развитию отечественного приборостроения для научных исследований. Единственным победителем конкурса стал Институт химической биологии и фундаментальной медицины (ИХБФМ) СО РАН. На разработку инновационного оборудования — ДНК/РНК-синтезатора — учреждению будет выделено 384 млн рублей. Данный прибор является критически важным инструментом для молекулярной биологии и генетических исследований. Несмотря на то, что изначально планировалась поддержка создания 11 видов различного научного оборудования, в текущем этапе грант получил только один проект. Разработка отечественного синтезатора направлена на обеспечение технологического суверенитета в области фундаментальной медицины и биохимии.

Компании «Крайон» и Just AI объявили о стратегическом партнерстве, направленном на создание и внедрение передовых решений на базе искусственного интеллекта для бизнес-сектора. Основная цель сотрудничества заключается в демократизации доступа к современным ИИ-технологиям и их адаптации под конкретные задачи бизнеса. В рамках партнерства планируется совместная разработка продуктов, которые помогут компаниям автоматизировать процессы и повысить эффективность операционной деятельности. Несмотря на фокус на бизнес-решениях, данные технологии могут иметь косвенное применение в оптимизации административных процессов в здравоохранении. Проект ориентирован на интеграцию интеллектуальных систем в существующую инфраструктуру заказчиков. На текущем этапе стороны фокусируются на масштабировании доступности ИИ-инструментов для широкого круга корпоративных клиентов.