ИИ проводит виртуальные клинические испытания, диагностирует 14 патологий сразу и предсказывает вспышки с помощью спутников

Виртуальные клинические испытания: BioinvestGPT и QuantHealth открывают новую эру

На протяжении десятилетий клинические испытания лекарств требовали многих лет, миллиардов долларов и тысяч добровольцев. Два стартапа — BioinvestGPT и QuantHealth — стремятся изменить это уравнение с помощью виртуальных испытаний на основе искусственного интеллекта.

BioinvestGPT разработала механизм создания «синтетических контрольных групп»: модели виртуальных пациентов, построенные на основе электронных медицинских карт, которые могут заменять часть реальных участников. QuantHealth, в свою очередь, предлагает платформу для моделирования клинических результатов, позволяющую фармацевтическим компаниям сократить число необходимых участников и продолжительность исследования до перехода к испытаниям на людях.

Эта тенденция получает постепенную нормативную поддержку: FDA выпустило руководства, признающие роль синтетических данных в разработке лекарств, хотя политика продолжает формироваться. Оптимизация клинических испытаний может сократить время вывода нового препарата на рынок на несколько лет.

Коалиция «Virtual Biology Initiative» привлекла 1,8 млрд долларов

Группа исследовательских институтов, правительств и частных инвесторов объявила о создании Virtual Biology Initiative — коалиции, цель которой — формирование масштабных биологических баз данных для обучения моделей ИИ в области разработки лекарств и изучения болезней.

Коалиция объявила о первоначальных обязательствах на сумму 1,8 млрд долларов, при участии биотехнологических компаний, академических больниц и государственных фондов США, Великобритании и Германии. Ключевая идея — создать «биологический интернет», где обезличенные медицинские данные миллионов пациентов будут доступны для исследований с соблюдением согласия и конфиденциальности.

Эксперты отмечают, что главная проблема — не финансирование, а управление: как организовать совместное использование данных между странами, учреждениями и системами, которые порой конкурируют. Коалиция объявила о создании независимого комитета по управлению уже в этом году.

Бурная неделя в FDA: множество разрешений в радиологии

FDA выдало на этой неделе серию разрешений 510(k) для инструментов ИИ в области радиологии. В числе одобренных — системы раннего обнаружения лёгочной эмболии, автоматического сканирования находок на рентгеновских снимках грудной клетки и быстрого анализа МРТ головного мозга.

Эти одобрения продолжают тенденцию, начавшуюся в 2018 году: FDA одобрило уже более 950 инструментов ИИ в медицине, причём большинство сосредоточено в области визуализации. Темп одобрений резко возрос в 2024–2025 годах, в среднем составляя около 15–20 инструментов в месяц. Периодически звучит критика: путь 510(k) — не требующий полноценных клинических испытаний — может допускать на рынок недостаточно проверенные инструменты. FDA недавно обновило требования к показателям эффективности, однако дискуссия продолжается.

Aidoc диагностирует 14 патологий в одной КТ брюшной полости

Израильская компания Aidoc, специализирующаяся на ИИ для радиологии, объявила о новой системе, позволяющей сканировать одну КТ брюшной полости и одновременно выявлять 14 различных патологий — от аневризм и опухолей до раннего рака поджелудочной железы.

Этот многопатологический подход отличается от привычного: прежде каждый инструмент ИИ концентрировался на одном заболевании. По словам Aidoc, объединение позволяет рентгенологу получить целостную картину, не переключаясь между разными системами, и расставлять находки по степени важности.

Одновременно Aidoc объявила о создании Diagnostic AI Consortium — консорциума крупных больниц США и Европы для постоянной валидации и совершенствования инструментов. Цель — сформировать клинический банк данных, обеспечивающий непрерывное улучшение производительности модели на разнообразных популяциях.

Google предсказывает вспышки болезней со спутников с точностью на 18%+ выше

Исследовательская группа Google опубликовала новую работу, показывающую, как можно комбинировать спутниковые данные — температуру, влажность, плотность населения по ночному освещению и индексы растительности — для прогнозирования вспышек болезней, таких как малярия, денге и холера.

Модель, известная как PDFM (Pandemic Disease Forecasting Model), достигла улучшения точности прогнозирования примерно на 18% по сравнению с прежними методами. Эксперименты проводились на исторических данных о вспышках в 40 странах, преимущественно в Юго-Восточной Азии и Африке к югу от Сахары.

Преимущество подхода — он не зависит от местной системы отчётности, которая нередко бывает медленной, неполной или предвзятой. С другой стороны, существуют опасения релативно конфиденциальности данных и независимости стран, изученных без их полного участия. Google объявила о развитии проекта в партнёрстве с Всемирной организацией здравоохранения.