В статье представлено новое гидравлическое устройство (электронная детская бутылочка) для объективной оценки биомеханики сосания у младенцев. С помощью машинного обучения (ROCKET-преобразование) разработана автоматическая классификация эффективных сосательных движений, достигшая высокой точности. Исследование показало, что через неделю после френотомии у большинства детей с уздечкой языка улучшились показатели внутриротового давления, что подтверждает клиническую применимость метода.
Управление по контролю за продуктами и лекарствами США (FDA) запустило пилотную программу TEMPO, которая позволяет компаниям в сфере цифрового здоровья выпускать продукты на основе генеративного искусственного интеллекта на рынок до получения официального разрешения на маркетинг. В рамках этой инициативы четыре устройства, включая продукты от компаний Cadence и Limbic, были приняты в программу. TEMPO представляет собой значимый сдвиг в регулировании ИИ-медицинских устройств: вместо традиционного предварительного одобрения FDA будет использовать постмаркетинговый надзор и сбор реальных клинических данных. Это позволяет ускорить доступ пациентов к инновационным технологиям, сохраняя при этом механизмы контроля безопасности. Программа отражает растущее признание регулятором необходимости адаптации к быстро развивающейся области генеративного ИИ в здравоохранении. Участие Cadence и Limbic, известных своими решениями в области поведенческого здоровья и психиатрии, подчеркивает фокус на клинически значимых применениях. Ожидается, что результаты пилота повлияют на будущие регуляторные рамки для ИИ-устройств в США.
Статья представляет собой критический обзор и практический анализ применения методов искусственного интеллекта для обнаружения вторжений в системах интернета медицинских вещей (IoMT). Авторы рассматривают растущую угрозу кибератак на медицинские устройства, подключенные к сети, и подчеркивают ограниченность традиционных сигнатурных методов обнаружения вторжений. В работе систематизированы современные подходы на основе машинного и глубокого обучения, включая нейронные сети, ансамблевые методы и обучение с подкреплением, применяемые для выявления аномалий в сетевом трафике медицинских устройств. Особое внимание уделяется практическим аспектам внедрения таких систем: требованиям к вычислительным ресурсам, задержкам, энергопотреблению и совместимости с существующей медицинской инфраструктурой. Авторы анализируют доступные наборы данных для обучения моделей, такие как WUSTL-EHMS и другие, и обсуждают проблемы несбалансированности классов и дрейфа концепций в реальных условиях. В статье также рассматриваются вопросы регулирования и стандартов безопасности для медицинских устройств, включая требования FDA и GDPR. Критический анализ выявляет разрыв между академическими исследованиями и реальным внедрением, предлагая рекомендации по повышению надежности и интерпретируемости моделей ИИ для клинической практики. Авторы заключают, что гибридные подходы, сочетающие обнаружение аномалий с объяснимым ИИ, являются наиболее перспективным направлением для защиты медицинских данных и пациентов.
Статья доктора Падмалакшми Джанешвар из IQVIA рассматривает эволюцию материовигиляции — мониторинга безопасности медицинских устройств — в условиях роста числа подключенных и цифровых устройств. Автор подчеркивает необходимость создания отдельных процессов и управления для материовигиляции, отмечая, что лишь 22% лидеров отрасли успешно масштабировали ИИ, что указывает на разрыв в исполнении.
FDA опубликовало дискуссионный документ о регулировании медицинских устройств с генеративным ИИ, запрашивая обратную связь по оценке рисков, предпродажной оценке и постпродажному мониторингу. Предлагается двухосевая система оценки рисков и подход к предпродажной оценке на основе компетенций, вдохновленный обучением врачей. Это важный шаг в формировании регуляторной базы для ИИ в медицине.
Статья инженера Medtronic посвящена проблемам интеграции сложных медицинских устройств (нейромодуляция, нейростимуляция) и важности валидации взаимодействий между компонентами системы. Автор выступает за раннее внедрение ИИ в инженерные рабочие процессы для обеспечения надёжности и аудируемости, однако основной фокус — на системной инженерии и целостности данных, а не на конкретных медицинских применениях ИИ.
Статья рассматривает применение больших языковых моделей (LLM) в разработке программного обеспечения как медицинского устройства (SaMD) для выявления расхождений между задокументированным прогрессом и фактической готовностью продукта. Авторы идентифицируют ключевую проблему: традиционные инструменты управления проектами (дашборды, бэклоги спринтов, отчёты о статусе) отражают состояние проекта, а не состояние продукта — требование может быть помечено как реализованное, даже если связанное с ним управление рисками не интегрировано полностью. Методология предполагает интеграцию LLM в среду разработки для анализа репозиториев кода, интерфейсов, зависимостей, истории коммитов, результатов тестирования и связанных рабочих элементов across множественных систем (управление требованиями, исходный код, файлы риск-менеджмента, тестовые фреймворки, CI/CD-пайплайны, agile-инструменты). Ключевой вывод: наиболее важный вклад LLM в регулируемую разработку ПО — не ускорение генерации кода, а помощь инженерным командам в понимании того, что фактически построено, что остаётся незавершённым и где реализация отклонилась от задокументированного замысла. Это особенно значимо для SaMD, где расхождения часто обнаруживаются на этапах системной интеграции или формальной верификации, когда исправления становятся наиболее дорогостоящими. Внедрение такого подхода может снизить комплаенс-риски и сократить затраты на разработку медицинских устройств.
Статья анализирует конфликт между стремлением разработчиков создавать самообучающиеся модели ИИ и регуляторными требованиями. Рассматривается сложность баланса между патентной защитой, требованиями FDA к стабильности моделей и соблюдением конфиденциальности данных согласно HIPAA.
Данная работа представляет собой систематический обзор применения технологий искусственного интеллекта (ИИ) в области глубокой стимуляции мозга (DBS) для терапии различных двигательных расстройств. Исследование фокусируется на интеграции алгоритмов машинного обучения в системы DBS для создания адаптивных нейромодуляций, которые подстраиваются под текущее состояние пациента в режиме реального времени. Авторы проводят комплексную оценку технологической готовности (TRA) существующих решений, анализируя переход от статических протоколов к интеллектуальным закрытым циклам (closed-loop systems). В статье рассматриваются методы обработки нейронных сигналов и возможности ИИ в прогнозировании симптомов, что позволяет минимизировать побочные эффекты и оптимизировать энергопотребление имплантируемых устройств. Результаты подчеркивают критическую важность перехода к персонализированной нейромодуляции на основе данных для улучшения долгосрочных клинических исходов. Работа служит важным ориентиром для разработчиков медицинских изделий и клиницистов, внедряющих высокотехнологичные решения в нейрохирургическую практику.
Данное исследование представляет собой анализ перспектив и барьеров внедрения цифровых систем доставки лекарств подкожного (SC) введения, интегрированных с мобильными приложениями. В ходе онлайн-опроса были опрошены 80 экспертов из фармацевтических, биотехнологических и цифровых компаний, работающих с комбинированными продуктами. Результаты показали, что 97,5% респондентов считают наличие цифровой связи критически важным для сбора данных реальной клинической практики (RWD), повышения приверженности пациентов лечению и упрощения использования устройств. Наибольший потенциал применения технологий выявлен в сферах онкологии и эндокринологии, при этом ценность цифровизации признается равной как для клинических исследований, так и для коммерческого использования. Основными препятствиями на пути внедрения остаются высокая стоимость разработки, вопросы безопасности данных, а также необходимость убеждения пациентов и плательщиков в эффективности решений. Для успешного продвижения таких продуктов компаниям необходимо сосредоточиться на генерации доказательств их внутренней и внешней ценности для получения поддержки руководства.
Исследование посвящено анализу коммуникаций FDA по вопросам безопасности кибертехнологий в медицинских устройствах за период с 2013 по 2025 год. Авторы применили метод систематического качественного контент-анализа для оценки частоты оповещений и степени серьезности выявленных уязвимостей. В ходе работы было установлено, что FDA выпустила 18 официальных сообщений о безопасности, связанных с кибервзломами медицинского оборудования. Ключевым результатом стало выявление того, что 94% обнаруженных уязвимостей классифицируются как высокорисковые, что может привести к несанкционированному удаленному доступу, сбоям в работе устройств и утечке конфиденциальных данных пациентов. Результаты демонстрируют устойчивый рост количества предупреждений со стороны регулятора, что свидетельствует об усложнении и частоте киберугроз в цифровой среде здравоохранения. Исследование подчеркивает критическую необходимость усиления стратегий кибербезопасности и тесного взаимодействия между производителями, провайдерами медицинских услуг и государственными регуляторами.
Данный материал представляет собой обзор из рассылки STAT AI Prognosis, посвященный регуляторным аспектам внедрения искусственного интеллекта в медицину. Основное внимание уделяется специфическим особенностям и «подводным камням» наиболее распространенного пути одобрения медицинских устройств в FDA. В статье анализируются механизмы сертификации алгоритмов, которые могут содержать скрытые недостатки или пробелы в прозрачности. Кроме того, рассматриваются вопросы работы алгоритмов прогнозирования сепсиса и другие актуальные проблемы применения машинного обучения в клинической практике. Материал важен для специалистов, занимающихся внедрением ИИ-решений, так как подсвечивает регуляторные риски и сложности процесса сертификации программного обеспечения как медицинского изделия (SaMD).
Статья рассматривает риски кибербезопасности подключенных медицинских устройств, которые часто игнорируются в пользу стандартных ИТ-решений. Автор предлагает метод оценки рисков, объединяющий формы MDS2 с данными MITRE ATT&CK и оценками CVSS 4.0 для приоритизации защиты клинических процессов.
В данной статье проводится критический анализ стратегий разработки и сертификации медицинских устройств на базе искусственного интеллекта. Исследование фокусируется на устройствах, получивших статус «прорывного» (breakthrough device designation) от FDA, и выявляет определенную рыночную тенденцию. Анализ показывает, что разработчики ИИ-решений всё чаще отдают предпочтение комплексным платформам, способным решать сразу несколько задач, вместо узкоспециализированных инструментов для одной функции. Это свидетельствует о сдвиге парадигмы от простых систем обнаружения патологий к многофункциональным клиническим помощникам. Статья подчеркивает важность понимания критериев регулятора для компаний, стремящихся внедрить инновационные ИИ-технологии в реальную клиническую практику. Данный тренд имеет решающее значение для понимания будущего рынка медицинского ИИ и стратегий его интеграции в здравоохранение.
Статья рассматривает роль человеческого фактора в безопасности медицинских устройств с ИИ, подчёркивая, что риски возникают не из-за алгоритмов, а из-за взаимодействия клиницистов с ИИ-выводами. Автор объясняет важность калибровки доверия, интеграции в рабочие процессы и коммуникации неопределённости для предотвращения ошибок, таких как автоматизированная предвзятость.
HL7 International запустил Caliper FHIR Accelerator — сообщество для улучшения обмена данными между медицинскими и персональными устройствами. Проект направлен на создание стандартизированной основы для интеграции данных устройств в реальном времени, что критически важно для развертывания продвинутой аналитики и ИИ в здравоохранении.
Компания MiniMed получила одобрение FDA на новый инсулиновый насос MiniMed Flex — самый компактный в линейке производителя. Устройство размером примерно с две сложенные друг на друга инсулиновые ампулы работает без встроенного экрана, управляясь преимущественно через смартфон пользователя. Насос оснащен алгоритмами SmartGuard для дозирования инсулина и функциями обнаружения приёма пищи — технологии машинного обучения, автоматически рассчитывающие потребность в инсулине на основе данных непрерывного мониторинга глюкозы. FDA одобрило использование устройства для пациентов с диабетом 1 типа в возрасте от 7 лет и с диабетом 2 типа от 18 лет. MiniMed Flex совместим с непрерывным монитором глюкозы Simplera Sync компании и новым сенсором Instinct от Abbott с 15-дневным сроком работы. Компания MiniMed отделилась от Medtronic в начале марта 2026 года, провела IPO 9 марта, собрав около 538 миллионов долларов, при этом Medtronic сохраняет 90% акций. Европейское одобрение для комбинации насоса 780G и сенсора Instinct также получено в этом месяце. Автоматизированные системы доставки инсулина с алгоритмами машинного обучения представляют собой важный шаг в персонализированном лечении диабета, позволяя пациентам меньше времени уделять управлению заболеванием.
Исследование Madduri и коллег представляет принципиально новую вычислительную framework для моделирования ко-адаптации между пользователями и декодерами в нейронных интерфейсах. Framework основан на теории управления и теории игр, что позволяет создавать систематический подход к проектированию замкнутых систем. Ключевое достижение — возможность предсказывать и формировать взаимодействия между человеком и машиной, что критически важно для персонализации нейронных интерфейсов. Методология включает математическое моделирование процесса обучения и адаптации, где пользователь и декодер одновременно адаптируются друг к другу в замкнутом контуре обратной связи. Практическая значимость исследования заключается в улучшении usability и точности нейронных интерфейсов, что напрямую влияет на эффективность медицинских применений — от протезирования до лечения неврологических расстройств. Framework может быть применен к различным типам нейронных интерфейсов, включая инвазивные и неинвазивные системы для пациентов с двигательными нарушениями, инсультом или травмами спинного мозга. Разработка открывает новые возможности для создания более интуитивных и эффективных медицинских устройств, управляемых мозгом.
Статья освещает панельное обсуждение на фестивале SXSW о применении искусственного интеллекта во FDA после массовых сокращений, связанных с инициативой DOGE, которые привели к потере 20% сотрудников агентства. В условиях дефицита экспертизы FDA внедряет ИИ-инструменты для ускорения обзоров медицинских устройств и препаратов. По словам экспертов, подразделение CDER (оценка и исследования лекарств) постепенно стабилизируется через 6-12 месяцев после пика сокращений, тогда как CBER (оценка биологических препаратов) находится в серьёзных трудностях. Центр CDRH (устройства и радиологическое здоровье) показал относительную устойчивость, включая оценку заявок Neuralink Илона Маска. FDA назначило первого главного ИИ-офицера — Джереми Уолша, и 70% сотрудников агентства получили доступ к генеративному ИИ-инструменту. Эксперты подчёркивают, что прозрачность взаимодействия между индустрией и регулятором критична для установления доверия к ИИ-системам. Статья иллюстрирует организационные вызовы внедрения ИИ в медицинское регулирование.
