Поиск

В статье представлен metaSMASH — переработанный инструмент на базе antiSMASH, специально оптимизированный для анализа крупных метагеномных сборок. Традиционные методы обнаружения кластеров биосинтетических генов (BGC) сталкиваются с серьезными проблемами производительности при работе с огромным количеством контигов, что делает стандартный рабочий процесс antiSMASH неэффективным. Авторы внедрили потоковую обработку, ограничение использования памяти, параллелизацию на уровне записей и интерактивную панель управления для визуализации результатов. В ходе тестирования на 25 эталонных наборах метагеномных данных metaSMASH показал идентичные результаты обнаружения BGC, но при этом работал в среднем в 38 раз быстрее стандартной конфигурации antiSMASH. Инструмент превзошел даже специализированные методы фрагментированной обработки, показав ускорение в 2.9 раза и снижение пикового потребления памяти в 1.7 раза. В режиме расширенного анализа metaSMASH оказался в 2.7 раза быстрее и потреблял в 3.1 раза меньше памяти, успешно завершив обработку всех датасетов, в то время как альтернативные подходы завершались ошибкой нехватки памяти на самых крупных сборках. Данная разработка значительно упрощает поиск новых природных соединений в сложных микробных сообществах.

Исследование посвящено изучению микробиомного потенциала традиционных ферментированных напитков, таких как кефир, комбуча, мексиканские позoль и пульке, для создания новых пробиотических решений. С помощью глубокого метагеномного секвенирования и биопроспекции ученые провели системный геномный майнинг генов, ответственных за биосинтез витаминов группы B, короткоцепочечных жирных кислот и ферментов CAZymes, способствующих утилизации клетчатки. В ходе работы применялось полногеномное метаболическое моделирование (genome-scale metabolic modeling) метагеномно-собранных геномов (MAGs), что позволило выявить ключевых продуцентов вторичных метаболитов для контроля патогенов. На основе полученных данных была проведена in silico сборка синтетического сообщества из шести микроорганизмов, демонстрирующего стабильный кооперативный рост и высокую метаболическую функциональность. Особое внимание уделено анализу кросс-фидинга, где было обнаружено, что бактерия Priestia flexa из напитка pozol выступает ключевым донором соединений для транспорта железа, стабилизируя всю систему. Данный подход открывает путь к направленному проектированию высокофункциональных пробиотических консорциумов для коррекции метаболического здоровья и борьбы с хроническими заболеваниями.

Статья посвящена проблеме фрагментации данных как основному препятствию для внедрения ИИ в страховых компаниях и планах медицинского обслуживания. Эксперты подчеркивают необходимость создания качественных интероперабельных данных, единого управления данными и внедрения механизмов контроля (human-in-the-loop) для обеспечения надежности моделей.

Компания Candid Health привлекла 120 миллионов долларов в рамках раунда серии D для развития своей ИИ-платформы по управлению циклом доходов (RCM). Технология автоматизирует медицинский биллинг и страховые претензии, помогая медицинским организациям сокращать издержки и повышать точность платежей.

Исследование посвящено решению проблемы прогнозирования различий в экспрессии генов между индивидами на основе их геномных последовательностей. Авторы предложили использовать метод деконволюции данных bulk RNA-seq (массового секвенирования РНК) с помощью инструмента BayesPrism и референсных профилей single-nucleus RNA-seq для создания масштабируемых мишеней, специфичных для конкретных типов клеток. В ходе работы были проанализированы данные GTEx v8 для шести тканей, что позволило получить контексты для 83 комбинаций тканей и типов клеток. Результаты показали высокую корреляцию между деконволюированной экспрессией и псевдо-bulk данными одиночных ядер (медианный коэффициент корреляции Пирсона составил от 0,53 до 0,73). Сравнительный анализ моделей (Enformer, Borzoi и базовых генотип-фичерных моделей) продемонстрировал, что подходы на основе последовательностей превосходят базовые методы: для случайных наборов генов корреляция составила 0,122–0,142 против 0,081–0,086 у базовых моделей. Исследование подтверждает, что использование предобученных репрезентаций (frozen representations) является вычислительно эффективным и конкурентоспособным методом для моделирования связи между последовательностью и экспрессией генов.

Представлен новый интегрированный и масштабируемый программный конвейер Bacterial Genome eXplorer (BGX), предназначенный для автоматизации крупномасштабного анализа микробных геномов и метагеномов. Система объединяет разрозненные аналитические инструменты в единый процесс, состоящий из шести этапов: от сбора и сборки геномов до оценки качества, профилирования генов устойчивости к антибиотикам (AMR), аннотации биосинтетических генных кластеров (BGC), прогнозирования биоактивности и сетевого анализа. В ходе тестирования на двух независимых наборах данных (248 геномов инициативы ODOG и 153 генома из NCBI) BGX продемонстрировал высокую эффективность в выявлении потенциальных биоактивных метаболитов и детерминант резистентности. Инструмент поставляется в виде Docker-контейнера, что гарантирует воспроизводимость результатов и упрощает развертывание в различных вычислительных средах. Наличие интерактивного интерфейса делает BGX доступным инструментом для геномного надзора и ускоряет процесс поиска новых вторичных метаболитов, имеющих потенциальное медицинское применение.

Priority Health объявляет о партнерстве с Color Health и Grail для внедрения систем виртуальной навигации пациентов и технологий раннего выявления нескольких видов рака. Инициатива ориентирована на работодателей с самофинансируемыми планами страхования и будет запущена в 2027 году.

Компания Prosper Medical, специализирующаяся на использовании искусственного интеллекта в здравоохранении, успешно завершила раунд посевного финансирования, привлечив 16 миллионов долларов США. Полученные средства будут направлены на масштабирование их инновационной платформы, которая использует технологии ИИ для предоставления услуг персонализированной консьерж-медицины. Основная цель проекта заключается в повышении доступности высококачественного и оперативного медицинского обслуживания за счет автоматизации и интеллектуальной поддержки процессов. Платформа призвана оптимизировать взаимодействие между пациентами и медицинскими работниками, делая модель консьерж-сервиса более масштабируемой и эффективной. Данное инвестиционное решение подчеркивает растущий интерес венчурного капитала к ИИ-решениям, которые трансформируют организацию медицинской помощи и клиентский опыт в частном секторе здравоохранения.

Компании Anterior и Stellarus объявили о начале стратегического партнерства, направленного на трансформацию процесса предварительного одобрения (prior authorization) в здравоохранении с использованием технологий искусственного интеллекта. Основная цель сотрудничества заключается в автоматизации проверки соответствия медицинских назначений страховым планам, что позволит медицинским организациям получать одобрения быстрее и с первого раза. Внедрение ИИ-решений призвано минимизировать административные задержки, которые традиционно препятствуют своевременному доступу пациентов к необходимой медицинской помощи. Ожидается, что интеграция передовых алгоритмов машинного обучения позволит сократить время ожидания и снизить количество ошибок, связанных с человеческим фактором при обработке документации. Данная инициатива имеет высокую практическую значимость для оптимизации операционных процессов в страховании и повышению эффективности взаимодействия между провайдерами и плательщиками.

Компания Cigna Healthcare объявила о масштабном расширении своих программ персонализированного управления лечением (care management), интегрируя передовые технологии искусственного интеллекта. Основная цель инициативы заключается в использовании прогностических алгоритмов ИИ для раннего выявления медицинских рисков у пациентов, что позволяет предотвратить осложнения до их клинического проявления. Внедрение ИИ направлено на упрощение пути пациента (patient journey) и оптимизацию взаимодействия между страховщиком и застрахованными лицами. Благодаря автоматизации анализа данных, система способна более точно сегментировать участников по уровню риска и предлагать индивидуальные планы профилактики. Данное решение является важным шагом в цифровой трансформации управления здоровьем, переходя от реактивной модели к превентивной. Проект демонстрирует, как крупные страховые игроки используют ИИ для повышения эффективности медицинского обслуживания и снижения долгосрочных затрат на здравоохранение.

Интегративный обзор исследует возможности внедрения телемедицины для оказания помощи пассажирам во время авиаперелетов в Африке. Работа выделяет потенциал биометрической передачи данных и телеконсультаций, одновременно указывая на барьеры в виде плохой спутниковой связи и отсутствия регуляторной базы.

Разработана веб-платформа CancerStop.dev для консолидации разрозненных онкологических данных в единый интерфейс. Система использует модули комбинированной регрессии для прогнозирования выживаемости и интегрирует ресурсы для поиска клинических испытаний и геномных данных.

Компания Candid Health объявила об успешном завершении раунда финансирования серии D, в ходе которого было привлечено 120 миллионов долларов США. Основным драйвером роста является внедрение передовой платформы управления циклом доходов (RCM), работающей на базе технологий искусственного интеллекта. Платформа использует продвинутую автоматизацию для оптимизации финансовых процессов в здравоохранении, что позволяет значительно снизить затраты на сбор платежей и повысить показатели чистой собираемости выручки. На текущий момент решение уже интегрировано и активно используется более чем 200 медицинскими организациями. Данное инвестиционное событие подчеркивает растущий рыночный интерес к применению ИИ для решения административных и финансовых задач в медицинском секторе, что напрямую влияет на экономическую устойчивость клиник.

В статье рассматривается концепция «гибкого законодательства» (agile legislation), которая заимствует принципы из гибкой разработки программного обеспечения для адаптации правовых норм к стремительно меняющимся технологиям. Авторы предлагают модель управления, ориентированную на обучение, которая включает итеративный процесс, сбор обратной связи от множества заинтересованных сторон и встроенные механизмы пересмотра. В качестве доказательной базы приводятся три ключевых кейса: поэтапное цифровое законодательство в Германии, Регламент ЕС об искусственном интеллекте (EU AI Act) и процесс переавторизации сборов пользователей FDA в США. Исследование демонстрирует, как такие законодательные конструкции позволяют структурированно генерировать данные и доказательства из реальной практики (RWE) непосредственно в процессе внедрения норм. Это критически важно для регуляторной интерпретации и итеративного совершенствования правил в таких динамичных областях, как искусственный интеллект и цифровое здравоохранение. Модель подчеркивает переход от статического регулирования к динамическому управлению жизненным циклом инноваций.

Данная работа представляет собой обзорный анализ (scoping review) эффективности и применения методов видеоконтролируемого приема лекарственных препаратов (VOT) среди пациентов, страдающих туберкулезом. Исследование фокусируется на переходе от традиционного прямого наблюдения (DOT) к цифровым решениям, использующим видеосвязь и мобильные технологии для мониторинга приверженности лечению. В статье анализируются методологические подходы к внедрению VOT, рассматриваются технические аспекты использования смартфонов и специализированных платформ. Ключевое внимание уделяется тому, как цифровой мониторинг влияет на показатели завершенности курсов терапии и снижает нагрузку на медицинский персонал. Результаты подчеркивают потенциал VOT как инструмента для повышения комплаентности в условиях удаленного наблюдения, однако отмечается необходимость стандартизации протоколов. Работа имеет высокую значимость для цифрового здравоохранения и оптимизации программ борьбы с туберкулезом в глобальном масштабе.

В данной статье эксперты Питер Проновост, Джастин Норден и Кедар Мате поднимают критический вопрос управления искусственным интеллектом в условиях стационаров. Авторы утверждают, что внедрение ИИ-решений в медицинские учреждения часто происходит бесконтрольно, превращаясь в задачу, которую комитеты по технологиям рассматривают лишь раз в квартал. Основная идея заключается в том, что руководство больниц должно интегрировать надзор за ИИ в свою ежедневную операционную деятельность, а не делегировать его узким специалистам. Статья подчеркивает необходимость создания устойчивых механизмов управления (AI governance), чтобы предотвратить «дрейф» алгоритмов и обеспечить безопасность пациентов. Без постоянного мониторинга и вовлеченности топ-менеджмента риски некорректной работы нейросетей в клинической практике могут значительно возрасти. Работа призывает к переходу от периодических проверок к непрерывному управленческому циклу контроля ИИ-систем.

ИТ-интегратор Globus объявил о значительном обновлении своей корпоративной ИИ-платформы «Контекст», внедрив специализированные ролевые сценарии для различных бизнес-подразделений. Основное внимание в обновлении уделено юридическим департаментам, где ИИ теперь способен учитывать специфику профессиональной деятельности при обработке документов. Методология обновления заключается в тонкой настройке промптов и логики работы нейросетевых моделей под конкретные рабочие процессы (use cases) сотрудников. Это позволяет минимизировать ошибки интерпретации и повысить точность генерации ответов в узкоспециализированных областях. Внедрение ролевых моделей направлено на оптимизацию рутинных задач, таких как анализ договоров и проверка соответствия нормативным актам. Для бизнеса это означает ускорение процессов обработки информации и снижение нагрузки на экспертов. Данное решение демонстрирует тренд на переход от универсальных чат-ботов к специализированным ИИ-ассистентам в корпоративном секторе.

Представлен GeneAutomate — специализированный веб-инструмент для сравнительного анализа функциональной геномики, предназначенный для одновременной обработки двух списков генов (например, из разных групп лечения или тканей). В отличие от существующих сервисов вроде DAVID или Enrichr, работающих с одиночными списками, GeneAutomate реализует анализ обогащения (ORA) по базам Gene Ontology и Reactome, а также GSEA при наличии ранжированных данных. Уникальность архитектуры заключается в использовании предварительно скомпилированной офлайн-базы данных объемом 32 МБ, где все идентификаторы (Ensembl, Entrez, символы) сопоставлены с единым целочисленным индексом, что исключает задержки при запросах к серверам. Платформа предлагает 13 интерактивных видов визуализации на базе D3.js и Cytoscape.js, включая тепловые карты RRHO, «радарные» диаграммы функциональных отпечатков GO-slim и диаграммы перекрестных связей (chord diagrams). Инструмент позволяет извлекать подграфы белок-белковых взаимодействий (PPI) из базы BioGRID, обеспечивая глубокую интеграцию данных без необходимости локальной установки ПО или использования R/Bioconductor. На текущем этапе разработка ограничена только видами Homo sapiens и анализом не более трех списков одновременно.

Исследование направлено на создание методологической базы для разработки инструментов mHealth, помогающих планировать визиты пациентов с гипертензией. Авторы проанализировали решения врачей при интерпретации данных домашнего мониторинга давления, выявив закономерности, которые могут лечь в основу алгоритмов поддержки принятия решений.