диабет

В исследовании представлен сверточный нейросетевой модель NervoHbA1c для неинвазивной оценки гликированного гемоглобина (HbA1c) по видеозаписям лица с помощью дистанционной фотоплетизмографии (rPPG). Модель показала статистически значимое снижение ошибки предсказания по сравнению с демографическими и статистическими базовыми моделями, хотя и с умеренной корреляцией, что подчеркивает необходимость дальнейших исследований для клинического внедрения.

В статье представлен обзор применения цифрового фенотипинга и методов машинного обучения для мониторинга психического здоровья (депрессии, тревожности) у пациентов с диабетом. Исследование анализирует использование данных с датчиков (CGM, смартфоны) и голосовых сигналов для построения моделей прогнозирования рисков, выявляя нехватку индивидуализированных подходов и внешних валидаций.

В статье представлен концептуальный анализ самоконтроля диабета в контексте развития цифрового здравоохранения, выполненный с применением методов обработки естественного языка (NLP). Исследователи использовали алгоритмы NLP для систематизации и анализа обширного массива литературных данных, посвященных цифровым инструментам управления диабетом. Методология позволила выявить ключевые концептуальные блоки, такие как мониторинг глюкозы, удаленные консультации и персонализированные вмешательства. Результаты анализа структурировали понимание того, как цифровые технологии трансформируют взаимодействие пациентов с заболеванием. Выделены основные барьеры и возможности внедрения NLP-решений в клиническую практику для улучшения приверженности лечению. Работа демонстрирует потенциал автоматизированного анализа текстов для ускорения синтеза знаний в области телемедицины и цифровых терапевтических решений. Полученные выводы могут быть использованы разработчиками медицинских приложений и исследователями для оптимизации интерфейсов и функционала систем самоконтроля. Статья подчеркивает важность интеграции методов ИИ в мета-анализы для создания более эффективных стратегий лечения хронических заболеваний.

Исследователи из Сеченовского Университета провели клиническое исследование, посвященное оценке эффективности применения голосового искусственного интеллекта для ежедневного дистанционного мониторинга пациентов с сахарным диабетом. В рамках работы был разработан и протестирован ИИ-помощник, способный взаимодействовать с больными на естественном языке, собирать данные о самочувствии, уровне глюкозы и соблюдении рекомендаций, а также предоставлять персонализированные консультации в режиме реального времени. Методология исследования включала сравнительный анализ группы пациентов, использующих ИИ-систему, с контрольной группой, получающей стандартную медицинскую поддержку. Ключевые результаты продемонстрировали статистически значимое улучшение показателей гликемического контроля в экспериментальной группе, а также повышение приверженности пациентов лечению и снижение частоты гипогликемических эпизодов. Искусственный интеллект показал высокую способность выявлять ранние признаки декомпенсации диабета, что позволяет врачам своевременно корректировать терапию. Значимость работы заключается в возможности масштабирования дистанционного мониторинга, снижении нагрузки на медицинский персонал и улучшении качества жизни хронических больных за счет непрерывного цифрового сопровождения. Полученные данные подтверждают перспективность интеграции голосовых AI-ассистентов в рутинную клиническую практику при ведении эндокринных заболеваний.

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.

Представлена гибридная система цифрового двойника, объединяющая оптимизированный алгоритм XGBoost (обученный на ~100 000 госпитализаций, AUC 0.68) с физиологически обоснованным фармакокинетическим моделированием (PBPK) для прогнозирования 30-дневных повторных госпитализаций у диабетиков. Система интегрирует риск и симулированную экспозицию лекарств в персонализированный фенотип, позволяя различать фармакологические и нефармакологические факторы риска и предлагать целевые вмешательства (коррекция доз, усиленный мониторинг).

Исследование применяет машинное обучение для прогнозирования диабета на 353 680 записях, достигая AUC-ROC 0.8481 с помощью оптимизированного ансамбля стекинга (Random Forest, XGBoost, LightGBM). Авторы формализуют «парадокс импутации» и анализируют несогласованность методов объяснимого ИИ (SHAP, LIME, permutation), демонстрируя потенциальное выявление ~16 600 дополнительных пациентов с диабетом на миллион обследованных.

Исследование опубликовано в авторитетном журнале npj Digital Medicine 3 августа 2026 года и посвящено сравнительному анализу эффективности ИИ-коучинга и традиционного человеческого коучинга в профилактике диабета. Работа оценивает три ключевых параметра: вовлечённость пациентов в программу профилактики, приемлемость формата взаимодействия и предпочтения между ИИ- и человеческим коучем. Исследование имеет практическую значимость для цифрового здравоохранения, поскольку диабет является глобальной эпидемией, а масштабируемые решения на базе ИИ могут расширить доступ к профилактическим программам. Методология предполагает сравнительный дизайн с измерением показателей вовлечённости и удовлетворённости пациентов в обеих группах. Результаты могут повлиять на внедрение ИИ-решений в системы профилактики хронических заболеваний и оптимизацию распределения ресурсов здравоохранения. Публикация в npj Digital Medicine указывает на высокое качество рецензирования и методологическую строгость исследования. Полные количественные результаты и детальная методология требуют доступа к полному тексту статьи.

Исследование сравнивает уровень доверия пациентов к ИИ, используемому врачами, и к ИИ-чатботам для самостоятельного контроля диабета. Результаты показывают, что люди больше доверяют ИИ при участии врача, а ключевыми факторами принятия технологий являются доверие к системе здравоохранения и вера в пользу ИИ для здоровья населения.

В исследовании представлена инновационная архитектура искусственного интеллекта Graph in Graph (GiG), предназначенная для комплексного анализа состояния здоровья пациента через интеграцию медицинских карт и омиксных данных. Методология GiG основана на иерархическом моделировании: сначала создается граф «человек-фенотип» на основе медицинских записей, который затем дополняется графами молекулярных сигнальных путей (омиксными графами) конкретного пациента. Это позволяет системе не только объединять разнородные данные, но и интерпретировать их, выделяя ключевые биомаркеры. В рамках апробации модели на когорте Long Life Family Study (LLFS), изучающей механизмы здорового старения, GiG успешно классифицировала состояния от здорового статуса до преддиабета и диабета 2 типа (T2D). Результаты показали высокую точность прогнозирования и способность ранжировать критически важные клинические и омиксные биомаркеры, что открывает новые возможности для персонализированной диагностики и поиска терапевтических мишеней.

Специалисты и студенты Первого МГМУ им. И.М. Сеченова совместно с российскими вузами приступили к разработке инновационной системы искусственного интеллекта для персонализированного контроля гликемии. Ключевой особенностью проекта является учет специфических физиологических факторов, в частности, фаз менструального цикла, которые существенно влияют на колебания уровня глюкозы у женщин с сахарным диабетом. В отличие от стандартных систем мониторинга, данный ИИ-алгоритм будет интегрировать данные непрерывного мониторинга глюкозы с гормональным профилем пациента. Это позволит более точно прогнозировать гипо- и гипергликемические состояния, минимизируя риски осложнений. Разработка направлена на создание высокоточного инструмента поддержки принятия клинических решений для эндокринологов и пациентов. Внедрение такого подхода может значительно повысить качество жизни женщин с диабетом за счет более гибкой и адаптивной терапии.

В России ведется разработка инновационной ИТ-системы на базе искусственного интеллекта, предназначенной для персонализированного управления уровнем глюкозы у женщин с сахарным диабетом. Уникальность продукта заключается в мультимодальном подходе: алгоритмы будут интегрировать данные непрерывного мониторинга глюкозы (CGM) с динамическими показателями гормонального цикла, текущей медикаментозной терапией и данными об образе жизни пациентки. Это позволит учитывать специфические физиологические колебания сахара, вызванные гормональными изменениями, которые часто усложняют стандартную терапию. Внедрение системы обещает повысить точность прогнозирования гипо- и гипергликемических состояний. Технология нацелена на создание предиктивной модели, которая поможет пациентам и врачам более эффективно корректировать дозировки препаратов в зависимости от биологических ритмов организма.

Исследователи из Первого МГМУ имени И.М. Сеченова приступили к разработке инновационной интеллектуальной системы для персонализированного мониторинга гликемии у пациентов с сахарным диабетом. Ключевой особенностью разработки является интеграция алгоритмов машинного обучения, которые учитывают не только текущие показатели глюкозы, но и динамику гормональных циклов организма. Методология исследования базируется на анализе больших данных (Big Data), поступающих с систем непрерывного мониторинга глюкозы (CGM), что позволяет прогнозировать резкие скачки сахара до их фактического возникновения. Ожидается, что внедрение такой системы позволит снизить риск развития тяжелых осложнений диабета за счет более точной превентивной коррекции доз инсулина. Технология ориентирована на создание адаптивных моделей, способных подстраиваться под индивидуальные биоритмы каждого пациента, что значительно повышает точность прогнозирования по сравнению со стандартными методами. Данная разработка имеет высокую практическую значимость для эндокринологии и цифровой медицины в целом.

В исследовании, опубликованном в журнале npj Digital Medicine, представлена инновационная архитектура иерархической модели на базе больших языковых моделей (LLM) с использованием технологии Retrieval-Augmented Generation (RAG) для управления диабетической болезнью почек (ДКБ). Основная цель разработки — преодоление проблемы «галлюцинаций» ИИ и обеспечение строгого соответствия актуальным медицинским протоколам. Методология включает многоуровневый процесс извлечения знаний, где модель сначала обращается к верифицированным клиническим руководствам, а затем формирует персонализированные рекомендации. Результаты показывают, что использование иерархического RAG значительно повышает точность ответов и безопасность предложенных терапевтических стратегий по сравнению со стандартными LLM. Данная технология позволяет минимизировать риски неверного назначения препаратов и обеспечивает высокую степень доверия к автоматизированным системам поддержки принятия врачебных решений. Внедрение подобных моделей в клиническую практику может существенно оптимизировать ведение пациентов с хроническими заболеваниями почек.

Исследование оценивает эффективность использования состязательного обучения с использованием слоя реверсии градиента (GRL) для снижения возрастного смещения при прогнозировании диабета. Результаты показывают, что метод может улучшить полноту (recall) для малопредставленных возрастных групп, но не гарантирует стабильного улучшения справедливости из-за чувствительности к разбиению данных.

Статья посвящена формированию перечня цифровых платформ, которые сохраняют доступность в периоды ограничений мобильного интернета по соображениям безопасности. В данный «белый список» вошли специализированные сервисы для дистанционного мониторинга уровня глюкозы в крови, что критически важно для пациентов с сахарным диабетом. Данная мера обеспечивает непрерывность медицинского наблюдения и возможность получения жизненно важных данных даже в условиях нестабильной связи. Внедрение таких протоколов позволяет минимизировать риски для здоровья пользователей, зависящих от цифровых систем контроля. Решение подчеркивает растущую роль телемедицинских технологий и мобильных приложений в управлении хроническими заболеваниями. Это важный шаг в обеспечении цифровой устойчивости медицинских сервисов в условиях чрезвычайных ситуаций.

Минцифры РФ совместно с Минздравом, Росздравнадзором и другими профильными ведомствами расширило перечень цифровых платформ, доступных пользователям даже при ограничениях мобильного интернета. Ключевым нововведением стало включение в этот «белый список» сервисов для дистанционного контроля состояния здоровья, в частности систем непрерывного мониторинга уровня глюкозы (НМГ) в крови. Данное решение принято во исполнение поручения президента РФ и направлено на критически важную задачу: обеспечение бесперебойного доступа пациентов к жизненно важным медицинским данным. Реализация этой меры позволит пациентам с диабетом сохранять стабильную связь с медицинскими устройствами и приложениями, что минимизирует риски, связанные с потерей контроля над уровнем сахара. Это важный шаг в развитии цифрового здравоохранения и обеспечении технологической устойчивости медицинских сервисов в условиях сетевых ограничений.

Исследование оценивает возможности ChatGPT-4o в предоставлении образовательного контента по диабету. Эксперты-эндокринологи подтвердили высокую точность и качество ответов, однако отметили чрезмерную сложность языка, которая может затруднить понимание пациентами с низким уровнем грамотности.

Канадский стартап Aspect Biosystems, базирующийся в Ванкувере, получил значительное государственное финансирование в размере 79 миллионов долларов для развития своих инновационных разработок. Основное внимание компании сосредоточено на создании передовой клеточной терапии для лечения диабета, что может стать прорывом в управлении заболеванием. Проект направлен на создание биоинженерных систем, способных имитировать функции поджелудочной железы и обеспечивать естественную выработку инсулина. Данное исследование находится на стыке биоинженерии и регенеративной медицины, что потенциально подразумевает использование высокотехнологичных методов выращивания тканей. Полученные средства позволят ускорить переход от лабораторных исследований к клиническим испытаниям. Успех этой инициативы может изменить парадигму лечения диабета, переходя от пожизненного введения инсулина к восстановлению функций организма.