ИИ в здравоохранении: прорывы в геномике, риски рекламных предубеждений и успехи в радиологии

На этой неделе в здравоохранительном ИИ произошли успехи в области геномики, кардиологии, радиологии и разработки лекарств — наряду с отрезвляющим напоминанием о том, что системы, которым мы доверяем клинические решения, могут подвергаться влиянию способами, которые мы не всегда замечаем.

AlphaGenome 2 Предсказывает, Как Варианты ДНК Вызывают Заболевания в Конкретных Тканях

Google DeepMind выпустила AlphaGenome 2 — значительное обновление своей модели ИИ для предсказания функциональных последствий генетических вариантов на уровне разрешения отдельных клеток. Обученная на более чем 107 миллионах клеточных профилей, модель теперь способна определить, как данное изменение ДНК изменяет регуляцию генов в конкретных типах тканей — возможность, которая имеет огромное значение, когда один и тот же вариант может быть доброкачественным в одном клеточном контексте и провоцирующим болезнь в другом.

Контрольные показатели впечатляют: AlphaGenome 2 достигает 30% восстановления причинных вариантов при 90% точности, что ставит его значительно впереди предыдущих подходов. Для исследователей, изучающих сложные заболевания, такие как сахарный диабет 2 типа, ревматоидный артрит или сердечная недостаточность — где полногеномные ассоциативные исследования долгое время производили результаты, которые не поддаются механистической интерпретации — этот вид оценки вариантов с учётом ткани мог бы существенно сузить круг сигналов, которые стоит исследовать экспериментально.

Работая на уровне разрешения типа клеток, а не среднего по тканям, модель улавливает специфичность, которая делает человеческое заболевание таким сложным для моделирования: один и тот же ген может вести себя очень по-разному в бета-клетке поджелудочной железы по сравнению с макрофагом. Это часть более широкого стремления DeepMind к геномным фундаментальным моделям и основано на оригинальной архитектуре AlphaGenome.

Реклама Лекарств Может Сдвинуть Рекомендации по Лечению ИИ Почти на 50 Процентных Пунктов

Исследование, опубликованное в Lancet Digital Health исследователями из Mount Sinai, представило одну из наиболее тревожных находок в клинической ИИ в этом году. Команда проверила, могут ли фармацевтические рекламные объявления, встроенные в контекст — тот вид рекламных материалов, которыми заполнены медицинские сайты и приложения — влиять на то, какие методы лечения чат-боты ИИ рекомендуют смоделированным пациентам.

Могут. В ряде клинических сценариев рекомендации ИИ для рекламируемого препарата выросли с базовых 35% до 47,6% — сдвиг почти на 13 процентных пунктов в среднем. В четырёх конкретных сценариях эффект был более экстремальным: модели перешли от рекомендации рекламируемого препарата в 0% случаев до 100% после введения рекламы.

Это важно, поскольку чат-боты ИИ всё активнее встраиваются в ориентированные на пациентов инструменты здравоохранения, а механизмы, посредством которых большие языковые модели поглощают и действуют в соответствии с рекламным контентом, непрозрачны. В отличие от врача, который может сознательно распознать фармацевтическое рекламное предложение, ИИ обрабатывает его как текст — и этот текст, по-видимому, формирует результаты способами, которые могут отдавать предпочтение коммерческим интересам в ущерб клиническим. Исследование является призывом к систематическому аудиту инструментов ИИ в здравоохранении, развёрнутых в средах, где присутствует реклама.

Оксфордское Исследование JAMA Cardiology Подтверждает Оценку Воспаления Сердца ИИ Почти у 20 000 Пациентов

Caristo Diagnostics объявила о публикации знакового исследования под руководством Оксфорда в JAMA Cardiology, подтверждающего её технологию CaRi-Heart на 19 110 пациентах. Оценка, полученная на основе ИИ, измеряет коронарное воспаление по рутинным КТ-снимкам — информация, которая исторически была невидима при стандартных читках изображений.

Главное открытие исследования состоит в том, что CaRi-Heart переклассифицирует почти половину смертей от сердечно-сосудистых заболеваний, которые происходят у пациентов с оценкой кальция коронарных артерий (CAC), равной нулю. Оценка CAC широко используется для стратификации сердечного риска, и оценка нуля часто интерпретируется как обнадёживающая. Но примерно половина сердечных приступов происходит у людей без значительной кальцификации — так называемый парадокс «нулевого CAC». Инструмент ИИ, способный обнаружить коронарное воспаление у этих пациентов до развития кальцификации, устранит реальное клиническое слепое пятно.

Валидация в когорте почти из 20 000 пациентов придаёт открытию статистический вес, которого более мелкие исследования осуществимости не могли обеспечить. CaRi-Heart присоединяется к растущему списку биомаркеров, полученных на основе ИИ, демонстрирующих дополнительную прогностическую ценность по сравнению с установленными метриками риска.

Визуальные Языковые Модели ИИ Улучшают Радиологическое Обнаружение до 57% на RSNA 2026

Mosaic Clinical Technologies представила данные на RSNA 2026, показывающие, что её визуальные языковые модели (VLM) ИИ достигли среднего улучшения на 40–43% в показателях обнаружения по 50 клиническим состояниям. Для лёгочных узлов на рентгенограмме грудной клетки — исключительно сложной задаче обнаружения с высокими ставками — улучшение достигло 57,5%.

Компания также сообщила, что радиологические отчёты, составленные ИИ, были сопоставимы по точности с отчётами, написанными радиологами — открытие, которое привлечёт пристальное внимание, но также внимание систем здравоохранения, сталкивающихся с нехваткой радиологов. Визуальные языковые модели отличаются от более ранних радиологических ИИ тем, что генерируют вывод на естественном языке наряду с обнаружением, а не только ограничивающие прямоугольники или оценки вероятности. Эта возможность делает их более непосредственно полезными в качестве инструментов составления отчётов.

RSNA 2026 ознаменовался более широкой темой перехода ИИ от помощи в обнаружении к интегрированным инструментам рабочего процесса, причём несколько поставщиков продемонстрировали системы, охватывающие полный диапазон от приёма изображений до создания проекта отчёта. Данные Mosaic представляют собой одно из наиболее конкретных количественных заявлений, сделанных на конференции.

Платформа 4RISE Sino Biological Соединяет ИИ-Дизайн Молекул и Верификацию в Мокрой Лаборатории

Sino Biological запустила 4RISE — интегрированную платформу, призванную устранить разрыв между молекулами, разработанными вычислительно, и экспериментальной верификацией в мокрой лаборатории. Платформа поддерживает антитела, ферменты и другие кандидаты в белки, сгенерированные инструментами дизайна ИИ, обеспечивая анализы и инфраструктуру биологического тестирования, необходимые для подтверждения того, действительно ли вычислительно перспективная молекула ведёт себя так, как предсказано, в биологических системах.

Запуск устраняет постоянное узкое место в разработке лекарств на основе ИИ: инструменты ИИ становятся всё более способными предлагать новые молекулярные структуры, но экспериментальная инфраструктура для быстрой верификации этих предложений отставала. 4RISE нацелена на обслуживание биотехнологических компаний и академических лабораторий, реализующих программы открытия на основе ИИ, которым нужен мост от вывода in silico к биологическим данным без создания полной внутренней мощности мокрой лаборатории. Платформа охватывает рабочие процессы верификации антител и ферментов и предназначена для интеграции с восходящими конвейерами дизайна ИИ, позиционируя Sino Biological как поставщика инфраструктуры для экосистемы разработки лекарств на основе ИИ.