Неделя здравоохранения и ИИ: конференции, партнёрства и регулирование сходятся

Неделя в области медицинского ИИ оказалась насыщенной: в Балтиморе открылась конференция по этике, Johns Hopkins вступила в партнёрство с OpenEvidence по созданию клинического ИИ, ориентированного на человека, федеральное правительство запустило четыре программы ARPA-H для ускорения клинических испытаний, в воскресенье закрывается период комментариев FDA по генеративным ИИ-медицинским устройствам, а в Лондоне собрались двадцать лет инноваций в области открытия лекарств.

В Балтиморе открывается национальный саммит по этическому применению ИИ в общественном здравоохранении

14 октября в Балтиморе Национальная сеть институтов общественного здравоохранения (NNPHI) открыла AIxPH 2026, собрав специалистов в области общественного здравоохранения, технологов, специалистов по этике и политиков для трёхдневной дискуссии о том, как ИИ меняет практику здравоохранения на уровне населения.

Конференция организована вокруг четырёх ключевых тем: управление и подотчётность в области ИИ, эпидемиологический надзор и выявление вспышек, приложения для здравоохранения с учётом интересов сообщества и обеспечения равенства, а также защита конфиденциальности в системах с интенсивным использованием данных. Эти темы отражают реальные противоречия, возникшие по мере того, как агентства общественного здравоохранения начали внедрять прогностические инструменты: вопросы о том, кто контролирует модели, как можно использовать данные надзора, и укрепляет или корректирует ли распределение ресурсов на основе ИИ исторически сложившееся неравенство.

AIxPH — одно из первых мероприятий, специально предназначенных для специалистов в области общественного здравоохранения, а не для администраторов больниц или биомедицинских исследователей. Эпидемиология и здравоохранение на уровне сообщества работают с иными типами данных, структурами ответственности и допустимым уровнем риска, чем клиническая медицина, и формируемые на конференции рамки управления отражают эти различия.

OpenEvidence и Johns Hopkins Medicine ставят человека в центр клинического ИИ

13 октября OpenEvidence и Johns Hopkins Medicine объявили о сотрудничестве, направленном на интеграцию ИИ как в принятие клинических решений, так и в медицинское образование — с осознанным акцентом на сохранение роли врача в процессе принятия решений.

Партнёрство объединяет платформу синтеза доказательств OpenEvidence с клиническими протоколами Johns Hopkins, инструментами истории пациентов и институциональными лучшими практиками. Заявленная цель — не заменить профессиональное суждение врача, а быстрее находить релевантные данные, снижать когнитивную нагрузку при принятии ответственных решений и сигнализировать, когда состояние пациента отклоняется от стандартных рекомендаций.

Особую ценность сотрудничеству придаёт его двойная направленность. Оно одновременно стремится изменить подходы практикующих врачей сегодня и методы обучения студентов-медиков завтра. Учебные программы, не включающие рабочие процессы ИИ, готовят студентов к клинической среде, которая уже меняется. Встраивая инструменты ИИ в обучение наряду с клинической практикой, Johns Hopkins и OpenEvidence делают ставку на то, что наиболее устойчивый путь к хорошим результатам — это подготовка врачей, которые умеют как критически оценивать, так и эффективно использовать системы ИИ.

Министерство здравоохранения США рассчитывает на ИИ для устранения узкого места клинических испытаний

Министерство здравоохранения и социальных служб США через Агентство передовых исследовательских проектов в области здравоохранения (ARPA-H) объявило о четырёх программах ИИ, направленных на процесс клинических испытаний — область, где средние затраты на разработку превышают 2 миллиарда долларов на препарат, а показатели неудач составляют более 90 процентов.

Четыре инициативы охватывают различные проблемные точки жизненного цикла испытаний:

SURPASS фокусируется на дизайне испытаний, используя ИИ для моделирования результатов и оптимизации протоколов до включения первого пациента.

STACK занимается информационной инфраструктурой, создавая вычислительные системы, обеспечивающие более доступные и совместимые данные испытаний между площадками и спонсорами.

COMMONS расширяет набор пациентов, подбирая подходящих участников к испытаниям, с которыми они иначе никогда бы не столкнулись, — проблема, непропорционально затрагивающая сельские и малообеспеченные сообщества.

CINCH нацелен именно на онкологию, используя ИИ для подбора онкологических пациентов к подходящим испытаниям на основе молекулярных профилей, истории лечения и критериев отбора.

В совокупности программы отражают подход ARPA-H к медицинским исследованиям и разработкам: вместо финансирования отдельных методов лечения агентство финансирует инфраструктуру и методологию, определяющие возможность эффективного тестирования любого лечения. Клинические испытания — это единственное крупнейшее узкое место между научным открытием и доступностью для пациентов, и улучшения в скорости и инклюзивности, обеспечиваемые ИИ, могут иметь накопительный эффект для всей медицины.

FDA закрывает общественные комментарии по генеративным ИИ-медицинским устройствам в это воскресенье

Срок приёма публичных комментариев к дискуссионному документу Управления по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) от августа 2026 года о регулировании медицинских устройств на основе генеративного ИИ истекает 19 октября. Для тех, кто работает в области разработки медицинских устройств, клинической информатики или политики в сфере медицинского ИИ, окно закрывается.

В документе рассматривается, чем генеративный ИИ отличается от предыдущих категорий программного обеспечения как медицинского устройства (SaMD). Традиционные модели SaMD, как правило, фиксируются после обучения: регуляторы могут оценить конкретную версию, и она не меняется. Модели генеративного ИИ способны адаптироваться через непрерывное обучение, создавать новые результаты, которые явно не предусматривались при разработке, и вести себя по-разному с различными группами пациентов, что сложнее охарактеризовать при предрыночном тестировании.

FDA просит комментаторов помочь определить, как должны выглядеть предрыночные рамки для развивающихся систем, как должен работать пострыночный надзор при возможном изменении выходных данных модели со временем, и как обращаться с системами ИИ, сочетающими генеративные компоненты с традиционными диагностическими инструментами. По мере закрытия периода комментариев на этой неделе агентство движется к разработке предлагаемых правил — что делает текущее окно необычайно значимым для всех, кто заинтересован в том, как эти правила будут написаны.

Двадцать лет инноваций в открытии лекарств, теперь с поддержкой ИИ, в Лондоне

Конференция ELRIG по открытию лекарств отметила своё двадцатилетие 14–15 октября в лондонском ExCeL Centre, и ИИ был вплетён во всю программу, а не выделен в отдельное направление — свидетельство того, насколько основательно технология была усвоена современными фармацевтическими НИОКР.

Конференция объединяет исследователей в области биофизики нового поколения, мультиомики, микробиологии и трансляционной науки. В этом году открытие с поддержкой ИИ присутствовало на каждом этапе процесса: в идентификации мишеней с использованием крупномасштабных геномных данных, в дизайне и оптимизации молекул, в разработке анализов и в трансляции доклинических данных в испытания на людях.

Два десятилетия конференций по открытию лекарств прослеживали путь отрасли через комбинаторную химию, высокопроизводительный скрининг и вычислительный докинг — и теперь машинное обучение в масштабе. Двадцатилетний рубеж — полезная точка отсчёта для осознания того, насколько многое изменилось. Фундаментальная задача определения того, какие вмешательства безопасны и эффективны для людей, остаётся такой же сложной, как всегда. То, что меняет ИИ, — это скорость проверки гипотез и диапазон химического и биологического пространства, которое можно исследовать.