ИИ в России
В РФ разработают ИИ-платформу рекомендаций по женскому здоровью
Фонд содействия инновациям выделил ООО «АИ Лаб» 5 млн рублей на создание системы для персонализированного планирования и сопровождения беременности. Платформа будет анализировать медицинские данные, оценивать индивидуальные риски и формировать рекомендации, а часть вычислений планируется выполнять непосредственно на мобильном устройстве. На первом этапе разработчики создадут ядро для первого триместра, модуль оценки риска перинатальной депрессии, сканер медицинских документов и отчет для врача, затем систему расширят на весь период беременности. Завершить проект планируется в августе 2027 года.
В СамГМУ создали ИИ для оценки вероятности заболеваний по аускультации сердца и легких
Самарский ГМУ разработал программно-аппаратный комплекс, который анализирует записи аускультации с помощью машинного обучения и рассчитывает вероятность различных заболеваний. На проект по заказу ФГАУ «Цифровые индустриальные технологии» направили 48 млн рублей. Сейчас систему дорабатывают: разработчики намерены повысить точность классификации, научить ее распознавать посторонние шумы, объединять данные из разных точек аускультации и интегрировать ПО с медицинскими информационными системами. Завершить работы планируется в декабре 2026 года.
Московская область закупит 12 ИИ-платформ для цифровых проектов за 704,2 млн рублей
Московский областной центр информационно-коммуникационных технологий заключил два контракта на поставку вычислительного оборудования для работы с ИИ. Десять платформ для проектов в здравоохранении и госуправлении поставит «Хайтэк-Интеграция» за 577,5 млн рублей, еще две для здравоохранения и экономического развития – «Русская цифровая компания» за 126,7 млн рублей. Системы будут использоваться для обработки данных, обучения и запуска ИИ-моделей, их оснастят ускорителями NVIDIA H200 и H100 либо аналогами. Поставки должны завершиться до конца 2026 года.
Ученые из России сравнили стоимость LLM и специализированных моделей в диагностике
На этапе разработки большие языковые модели (LLM) оказались заметно быстрее: настройка и проверка YandexGPT-8B заняли около 8 часов против 340 часов для создания базовой Webiomed SC2.0. При этом по диагностической точности LLM уступила более мощной версии специализированной системы: правильный диагноз входил в тройку ответов в 67% случаев против 78%. При постоянной эксплуатации преимущество перешло к специализированным моделям: сервер с GPU для YandexGPT-8B авторы оценили примерно в 61,4 тысячи рублей в месяц против 3,8 тысячи рублей для специализированной модели. Поэтому исследователи предлагают использовать LLM прежде всего для быстрого создания прототипов, а при высокой постоянной нагрузке переходить к специализированным или гибридным решениям.
Исследования и инновации
ИИ-модели показали высокие результаты в определении выживаемости при НМРЛ
Исследователи из Медицинского центра Чикагского университета (США) протестировали ИИ-модели на данных 2 396 пациентов из шести стран с распространенным немелкоклеточным раком легкого, ранее получавших иммунотерапию. Показатель качества классификации для модели, использующей клинические данные и результаты анализов крови, составил 77%, а при добавлении данных визуализации и цифровой патологии вырос до 88%. Авторы считают, что такие системы могут помочь врачам точнее прогнозировать ответ на лечение и выживаемость пациентов.
30-секундная запись голоса позволяет определить возраст человека
Ученые из Института Вейцмана (Израиль) и Университета искусственного интеллекта (ОАЭ) разработали модель Voice Age и протестировали ее на данных 6 979 человек в возрасте 40–70 лет. Средняя ошибка при определении возраста составила 3,95 года для женщин и 4,41 года для мужчин. Добавление голосового показателя также повышало точность других моделей оценки возраста, а его отклонение от фактического возраста оказалось связано с ожирением, нарушением дыхания и снижением уровня кислорода во время сна.
Перспективы
Рынок виртуальных медицинских ИИ-ассистентов к 2031 году может вырасти до $12,3 млрд
По прогнозу аналитиков, объем рынка увеличится с $2,6 млрд в 2026 году при среднегодовом темпе роста 36,5%. Основными факторами называют дефицит медицинских работников, развитие телемедицины и внедрение ИИ для автоматизации рутинных процессов. Такие ассистенты могут записывать пациентов на прием, собирать первичную информацию о симптомах, напоминать о лечении и выполнять другие задачи, снижая административную нагрузку на персонал.
Риски и ограничения
Клиническая польза носимых ИИ-устройств для контроля приема лекарств пока не доказана
Исследователи из Китая проанализировали 17 работ и выяснили, что носимые устройства с ИИ уже способны достаточно точно распознавать прием лекарств, в отдельных исследованиях точность превышала 90%. Однако большинство работ оценивали технические характеристики алгоритмов, а не влияние на здоровье пациентов, проводились на небольших выборках и в контролируемых условиях. Ни одна из моделей не прошла внешнюю валидацию, а клинические показатели изучались только в двух исследованиях, поэтому пока неясно, насколько такие системы эффективны в реальной практике.
Подписывайтесь на наши каналы: в MAX – Vademecum и Vademecum Live, в Telegram – Vademecum и Vademecum Live.
