Поиск

Статья описывает применение автономного голосового ИИ для устранения барьеров доступа пациентов в здравоохранении, включая автоматизацию записи на приём, запросов рецептов и интеграцию с EHR. Технология позволяет пациентам взаимодействовать с системой 24/7, а ИИ автоматически собирает структурированные данные и создаёт заметки для клинических команд.

Статья описывает эволюцию медицинской документации от бумажных записей к электронным медкартам и современным технологиям ambient AI. Автор-врач объясняет, как ambient AI наконец решает проблему документационной нагрузки, уменьшая, а не увеличивая рабочую нагрузку клиницистов.

Еженедельный дайджест Vademecum, посвящённый применению искусственного интеллекта в здравоохранении за период с 28 сентября по 3 октября 2026 года. Среди ключевых материалов — исследование специалистов Университета Флориды, которое выявило, что молодые взрослые, обращающиеся к генеративному ИИ с вопросами о здоровье, значительно чаще получают положительный результат скрининга на клинически значимую тревогу и депрессию по сравнению с теми, кто не использует такие инструменты. Это указывает на то, что генеративные модели могут служить неформальным каналом выявления психических расстройств у молодёжи, которая не обращается к специалистам напрямую. Также в дайджесте описана работа, в которой исследователи применили алгоритм машинного обучения для оптимизации состава липидных наночастиц, используемых в качестве системы доставки мРНК-вакцин, что может ускорить разработку новых вакцинных платформ. Дайджест охватывает несколько дополнительных тем недели, связанных с внедрением ИИ в медицинскую практику.

Компания Pelago запустила платформу, объединяющую помощь при зависимостях и психических расстройствах, с ключевым компонентом — клиническим ИИ-инструментом Sona, который проводит голосовую оценку пациентов, триаж и предоставляет когнитивно-поведенческую терапию. Два наблюдательных исследования на более чем 9000 диалогах показали снижение «плохих» дней психического здоровья на 20–25% в месяц.

Исследователи представили Hoike — фреймворк на основе искусственного интеллекта для генерации синтетических транскриптомных данных, специфичных для различных заболеваний. Система комбинирует архитектуру Joint-Embedding Predictive Architecture (JEPA) с латентной диффузионной моделью, позволяя создавать condition-specific bulk transcriptomes на основе нормальных референсных профилей тканей. Методология включает парное обучение нормальных и патологических образцов, тканеспецифичное кондиционирование и ограниченное неотрицательное декодирование для обеспечения биологической валидности результатов в пространстве log2(TPM+1). Фреймворк был оценён на данных GTEx (нормальные референсы) и множественных когортах TCGA (онкологические заболевания). Технология решает ключевые проблемы биоинформатики: ограниченность когорт, приватность данных и доменный сдвиг между нормальными и патологическими популяциями. Практическое применение включает анализ дифференциальной экспрессии генов, машинное обучение, безопасный обмен данными, бенчмаркинг алгоритмов и генерацию гипотез в трансляционной биоинформатике, особенно в онкологии.

Исследователи разработали CLEAR-Lactyl — курированный эталонный набор данных человеческого лактилирования лизина, включающий 16 604 положительных сайта модификации. На его основе создан AttentionKla — фреймворк глубокого обучения, использующий предобученную языковую модель белков, дообученную с помощью технологии LoRA (Low-Rank Adaptation). Метод значительно превосходит существующие инструменты предсказания сайтов лактилирования, что подтверждено комплексными абляционными исследованиями. Практическая полезность подхода экспериментально валидирована в клеточных анализах: система способна предсказывать новые сайты лактилирования и осуществлять направленную модуляцию уровней модификации через последовательность. Лактилирование лизина — динамическая посттрансляционная модификация, влияющая на функцию белков и связанная с разнообразными физиологическими и патологическими процессами, включая воспалительные заболевания и онкологию. Результаты предоставляют исследователям мощную платформу для изучения регуляторного ландшафта лактилирования и генерирования проверяемых гипотез о связанных механизмах. Фреймворк является расширяемым и может быть адаптирован для точной модуляции других посттрансляционных модификаций белков.

Еженедельный дайджест ключевых событий в области применения искусственного интеллекта в российском и мировом здравоохранении. В обзоре представлены четыре основные темы: утверждение российского закона о поддержке развития ИИ-технологий, что создаёт правовую базу для внедрения искусственного интеллекта в медицинскую отрасль; запуск пилотного проекта цифрового сервиса на основе ИИ в Московской области для улучшения доступности медицинской помощи; заключение многолетнего стратегического соглашения между контрактной исследовательской организацией ICON и компанией Anthropic о внедрении языковой модели Claude в процессы клинических исследований для ускорения разработки лекарств; публикация эталонного бенчмарка от компании Insilico Medicine для оценки ИИ-моделей в фармацевтике и биотехнологиях. Материал охватывает регуляторные, практические и исследовательские аспекты применения ИИ в медицине.

Исследователи разработали CPPLocPred — иерархическую платформу машинного обучения для предсказания клеточно-проникающих пептидов (CPP) и их субклеточной локализации, что критически важно для целевой доставки терапевтических грузов в клетки. На первом этапе ML-модели для идентификации CPP достигли AUC 0,953 и MCC 0,7842 на независимом тестовом наборе, демонстрируя производительность на уровне или выше существующих методов. На втором этапе модель предсказания локализации обучалась на экспериментально валидированных CPP: 663 цитоплазматических, 287 ядерных, 57 митохондриальных, 186 эндо-лизосомальных и 328 других. Анализ выявил, что митохондриальные и ядерные CPP богаты положительно заряженными аргинином и лизином, тогда как эндо-лизосомальные предпочитают глицин-, пролин- и цистеин-содержащие мотивы. Лучшую производительность показали модели на основе CatBoost с использованием Distance Distribution of Residues (DDR) и эмбеддингов языковых моделей белков: AUC составил 0,814 (цитоплазма), 0,775 (ядро), 0,970 (митохондрии), 0,782 (эндо-лизосомы) и 0,798 (остальные). Платформа доступна онлайн и предоставляет практический инструмент для рационального дизайна пептидов с заданной локализацией для терапевтических применений.

Биотехнологическая компания Pinnacle Medicines привлекла $89 млн в рамках раунда финансирования серии B от инвесторов из США и Китая, включая OrbiMed, LAV, Foresite Capital и других. Общий объём привлечённого капитала достиг $134 млн с момента основания в 2024 году. Средства будут направлены на перевод доклинического пайплайна в ранние клинические испытания, а также на продолжение исследований и разработок. Компания использует собственную платформу, которая интегрирует технологии искусственного интеллекта с физическими симуляциями для рационального дизайна и оптимизации пептидных терапевтических средств. Первоначальный фокус будет на иммунологии и кардиометаболических показаниях. Соучредитель и научный директор Чэнзао Сун подчёркивает, что быстрый прогресс пайплайна отражает эффективность этого подхода. Пероральные формы пептидов, включая GLP-1 агонисты, стали горячей темой: Novo Nordisk запустила пероральную форму Wegovy, Merck лицензировала платформу Cyprumed за $493 млн, а Protagonist Therapeutics номинировала перорального кандидата на ожирение в июне 2025 года.

Статья анализирует кризис незавершённой работы в здравоохранении США, который обходится системе почти в $1 трлн ежегодно административных расходов, из которых $265 млрд приходятся на полностью дублирующие процессы (по данным McKinsey и JAMA). Несмотря на два десятилетия инвестиций в цифровую трансформацию и ИИ, административная нагрузка на клиницистов остаётся рекордно высокой. Автор предлагает три ключевых изменения: создание глубоко интегрированной системы действий для завершения задач, использование объяснимого «прозрачного» ИИ (glass-box AI) для обеспечения доверия и подотчётности, и работу с партнёрами, отвечающими за результаты, а не просто за ПО. Особое внимание уделено разрыву между системами учёта (EHR) и системами действий: современные электронные медкарты созданы для биллинга и комплаенса, но не имеют продвинутых ИИ-возможностей. Решение — оркестрационный ИИ-слой, который обходит существующие EHR, объединяя операционные, технологические, клинические и финансовые задачи в единый интеллектуальный слой. Это позволяет автоматизировать рутинную работу и снизить выгорание медперсонала.

Статья рассматривает текущее состояние внедрения искусственного интеллекта в медицинскую практику и подчеркивает необходимость ответственного подхода к его использованию на организационном уровне. ИИ-системы уже активно применяются в интерпретации медицинских изображений, поддержке клинических решений, автоматизации документирования, планировании ресурсов, управлении популяционным здоровьем и пациентоориентированных приложениях. Авторы отмечают критическую проблему: многие клиницисты не запрашивали эти инструменты и не прошли формальное обучение по принципам их работы, однако выводы ИИ всё чаще напрямую влияют на клинические суждения и исходы для пациентов. По мере глубокой интеграции ИИ в системы здравоохранения медицинским работникам необходимо сохранять бдительность и понимание ограничений этих технологий. Статья акцентирует внимание на организационной ответственности за внедрение ИИ-технологий, важности подготовки медицинского персонала и необходимости прозрачности в работе алгоритмов. Ключевой тезис публикации — медицинские организации должны приоритизировать ответственное использование ИИ для обеспечения безопасности пациентов, качества медицинской помощи и сохранения доверия к клиническим решениям.

Израильская компания QuantHealth закрыла раунд финансирования серии B на сумму $45 миллионов для развития платформы искусственного интеллекта, предназначенной для симуляции и оптимизации клинических испытаний. Основатель и генеральный директор Орр Инбар сообщил изданию Fierce Healthcare, что привлечённые средства будут направлены на дальнейшие исследования и разработки, расширение команды и расширение продуктового портфеля компании. Платформа QuantHealth использует технологии машинного обучения для моделирования различных сценариев клинических исследований, что позволяет фармацевтическим компаниям и биотех-стартапам сокращать время и затраты на разработку новых лекарств. ИИ-симуляции помогают предсказывать результаты испытаний, оптимизировать дизайн исследований и выявлять потенциальные риски до начала реальных клинических этапов. Это особенно актуально в условиях, когда традиционные клинические испытания могут стоить сотни миллионов долларов и занимать годы. Инвестиции подтверждают растущий интерес венчурного капитала к ИИ-решениям для фармацевтической отрасли и ускорения вывода препаратов на рынок.

Консорциум CAN.HEAL предлагает европейскую цифровую рамку для онкологических инструментов поддержки принятия решений (oncDST), направленную на интеграцию существующих инструментов через гармонизированную, интероперабельную архитектуру. Рамка включает интеграцию искусственного интеллекта для улучшения точной онкологии, непрерывного наблюдения за пациентами и создания обучающейся онкологической системы.

Представлен программный инструмент Rastair — интегрированный софт для одновременного обнаружения однонуклеотидных полиморфизмов (SNP) и оценки метилирования цитозина из данных секвенирования mC[->]T. В основе метода лежит машинное обучение для детекции вариантов в сочетании с оценкой метилирования, учитывающей генотип. Исследователи протестировали инструмент на бенчмарк-данных NA12878 и показали, что Rastair превосходит существующие вызователи метилирования-ориентированных SNP, достигая F1-оценки более 0.99 для данных с глубиной покрытия выше 30x, что сопоставимо с точностью state-of-the-art инструментов на данных полного геномного секвенирования. Ключевое преимущество — скорость: обработка файла 30x занимает менее 30 минут на 32 CPU-ядрах Intel Xeon, и вдвое быстрее при использовании GPU. Инструмент выявляет дополнительные 500 000 позиций в NA12878, где SNP трансформирует некодирующие позиции CpG в «de-novo» CpG, и наоборот — определяет варианты, нарушающие CpG, корректируя уровень метилирования. Rastair поддерживает стандартные форматы vcf, bam, bed и распространяется как open-source через conda, Dockerhub и как pre-compiled бинарники.

Исследование сравнивает читаемость образовательных материалов по детской стоматологии, созданных шестью крупными языковыми моделями (LLM), с рекомендациями Американской медицинской ассоциации. Все модели сгенерировали тексты, уровень сложности которых превышает рекомендованный шестой класс школы, при этом DeepSeek-V3 показал наилучшие результаты, а Claude Haiku 4.5 — наихудшие. Авторы рекомендуют контролировать читаемость через промпты и профессиональную проверку перед использованием в клинической практике.

Компания Amwell позиционирует свою цифровую платформу здравоохранения как базовый инфраструктурный слой для внедрения инструментов на основе искусственного интеллекта. На фоне того, что страховые медицинские планы и работодатели сталкиваются с растущим количеством виртуальных сервисов и решений, поддерживаемых ИИ, Amwell стремится интегрировать эти технологии в единую экосистему. Компания рассматривает текущий бум ИИ как ключевой драйвер роста спроса на свои услуги. Платформа Amwell предназначена для объединения различных цифровых инструментов ухода за пациентами, обеспечивая их совместную работу с ИИ-компонентами. Это стратегическое позиирование направлено на то, чтобы стать центральным узлом в цифровой трансформации здравоохранения. Успех этой стратегии может существенно повлиять на то, как организации будут внедрять ИИ-решения в клиническую практику и административные процессы. Статья отражает тренд на интеграцию ИИ в существующие платформы телемедицины и виртуального ухода.

Национальная медицинская библиотека США (NLM) представила Cell Knowledge Network (NLM-CKN) — семантическую базу знаний, предназначенную для интеграции данных о клеточных фенотипах с информацией о заболеваниях и терапевтических вмешательствах. Исследователи использовали воспроизводимые вычислительные рабочие процессы для анализа 88 наборов данных, охватывающих 10 органов человека, что позволило сформировать знания о 2585 клеточных множествах и 5139 генах с селективной экспрессией. Ключевым технологическим аспектом является применение семантической схемы, которая преобразует экспериментальные данные в тройные утверждения (триплеты) и загружает их в базу данных ArangoDB с сохранением происхождения данных и количественных доказательств. Эта система связывает клеточные типы с онтологией клеток на основе экспериментальных доказательств, объединяя иерархии анатомии, ассоциации «ген-заболевание» и данные о лекарствах. Интерфейс платформы позволяет визуально исследовать клеточный состав здоровых тканей человека, что упрощает навигацию по сложным биологическим взаимосвязям. Топологический анализ, проведенный в рамках проекта, выявил новые инсайты о вкладе различных клеток в патогенез заболеваний и определил клеточные контексты для терапевтического вмешательства. Особый интерес представляет способность системы генерировать гипотезы о репозиционировании существующих препаратов на основе выявленных сетевых связей. Проект решает проблему фрагментации знаний, превращая разрозненные данные одноцепочечной транскриптомии в структурированную, машиночитаемую сеть, что критически важно для ускорения трансляционных исследований и разработки персонализированных методов лечения.

Исследование оценивает реальное использование платформы телемедицины (чат и опросники симптомов) в онкологическом отделении и его связь с госпитализациями в конце жизни. Выявлено, что 36% пациентов не участвовали в программе, а активное использование безопасного чата ассоциировалось с более коротким интервалом между последней госпитализацией и смертью.

Исследование посвящено качественной оценке факторов, влияющих на внедрение ИИ-инструмента для автоматического создания клинических заметок среди врачей амбулаторного звена. Выявлены ключевые аспекты: интеграция в рабочий процесс, удобство использования, баланс доверия к ИИ и профессиональной ответственности, а также влияние на нагрузку и продуктивность.