Дональд Трамп объявил о финансировании и строительстве дата-центров в США.

По его словам это обеспечит США лидерство в сфере искусственного интеллекта, поспособствует реиндустриализации государства, создаст сотни тысяч рабочих мест и предоставит стратегические ресурсы для защиты нацбезопасности. https://vc.ru/ai/1767208-openai-oracle-i-softbank-sozdali-kompaniyu-stargate-dlya-stroitelstva-data-centrov-v-ssha-s-nachalnymi-investiciyami-v-100-mlrd

Российский рынок решений в области искусственного интеллекта (ИИ) в здравоохранении еще только формируется. Директор по развитию Webiomed Александр Гусев полагает, что объем рынка по итогам 2024 года достиг 1,3–1,5 млрд руб.

Самое популярное направление – это анализ медицинских изображений с помощью ИИ. Из порядка 65 специализированных компаний, создающих различные ИИ системы для здравоохранения в России, 35% работают в сфере анализа изображений

Один из драйверов развития рынка в будущем- это большое количество цифровых данных, накопленных в здравоохранении РФ.

С точки зрения технологий и научных данных ИИ действительно способен в будущем дать существенный положительный эффект для повышения ожидаемой продолжительности жизни, ранней диагностики и профилактики заболеваний, в особенности сердечно-сосудистых и онкологических.
https://www.kommersant.ru/doc/7444887

Для создания соответствующих ИИ-систем обязательным этапом является проведение машинного обучения, для которого нужны большие наборы данных.

Хотя ИИ-системы обучаются на обезличенных медицинских данных, тем не менее их сбор, подготовка и затем использование создают довольно серьезные риски, связанные с утечкой и раскрытием персональной информации.

Поэтому обеспечение надежных и доверенных мер обезличивания медицинских данных, исключающих какие-либо вероятности обратного их превращения из обезличенных в персональные данные – является крайне актуальной и очень непростой технической, организационной задачей.

Про важность надежной защиты данных и про подходы в обезличивании в нашем материале: https://webiomed.ru/blog/obezlichivanie-meditsinskikh-dannykh-vazhnost-i-podkhody/

Исследователи из Университета Пирея в Греции опубликовали исследование, где описываются многочисленные преимущества, которыми обладают ЭМК с интегрированным ИИ.

Изучив опубликованные данные, мы выделили 5 ключевых направлений для применения ИИ в медицинских картах.

https://webiomed.ru/blog/elektronnykh-medkart-s-ii/

Сегодня на ИТМ ИИ состоялся круглый стол, на котором выступил директор по развитию Webiomed Александр Гусев.

В своем докладе Александр рассказал об опыте внедрения СППВР для анализа ЭМК на основе искусственного интеллекта в субъектах РФ, об оценке эффективности технологии, представил обобщенный анализ реализованных командой Webiomed проектов, поделился выводами исходя из опыта применения решения в регионах.

Полностью сессию "Внедрение ИИ и СППВР в систему оказания медицинской помощи субъектов РФ. Практические аспекты. Технологии. Эффективность. ч.1." можно посмотреть здесь: https://vkvideo.ru/video-25135276_456239077?t=40m4s

В 2024 году лидерами среди поставщиков систем помощи в принятии врачебных решений на основе ИИ в сфере госзакупок в России называли 3 компании. Это «К-Скай» ( разработчик платформы Webiomed), «Платформа Третье мнение» и «Медицинские скрининг системы» ( Цельс). https://pharmmedprom.ru/news/mediki-nazvali-10-napravlenii-gde-nuzhni-izdeliya-s-ii/

🤖 Тема искусственного интеллекта и современных специализированных нейросетей является номером один на сегодняшний день.

И я рад, что в Петрозаводске живут и работают люди, которые находятся на острие прогресса, и которые могут об этом рассказать понятным живым языком.

👉 Смотрите и слушайте новый подкаст про ИИ в сфере медицины от карельской компании «К-Скай» с директором по развитию платформы прогнозной аналитики Webiomed Александром Гусевым. Александр Владимирович является кандидатом технических наук, ведущим Российским экспертом по цифровому здравоохранению и ИИ в здравоохранении, а также автором более 200 научных публикаций.

Этот подкаст приурочен ко Дню российской науки и организован совместно с федеральным проектом «Цифровая Россия».

Ссылка на HD-версию подкаста в VK Видео

#деньнауки #моялюбимаянаука #цифроваяроссия
#цифроваякарелия

Делимся презентациями наших докладов на ИТМ_ИИ_2025:

Запись выступлений можно посмотреть в VK видео: https://vkvideo.ru/@webiomed?_ads_group_id=77859052

Записи трансляции ИТМ_ИИ_2025 здесь: https://vkvideo.ru/@itmportal/uploaded

Скотт Готтлиб (Scott Gottlieb), бывший директор FDA (2017-2019) опубликовал в JAMA Health Forum заметку, в которой предложил исключить системы поддержки принятия врачебных решений (clinical decision support, CDS), интегрированные в электронные медицинские карты и использующие технологии искусственного интеллекта, из критериев отнесения к программным медицинским изделиям (Software as a medical device, SaMD).

Рассуждая о текущем регуляторном подходе и его изначальном замысле, Готтлиб говорит о том, что отнесение СППВР к медизделиям создает риски, что разработчики систем ведения ЭМК либо будут обманывать регулятора, притворяясь что внутри ЭМК нет никакой аналитической обработки данных, либо действительно будут блокировать встраивание ИИ-помощников в свои решения. В результате риск, что врачи не получат доступ к ценной аналитике медицинских данных и пропустят опасного пациента – выше, чем риски ошибки ИИ-решения.

Готтлиб формирует следующее предложение: «Если ИИ-инструменты предназначены для предоставления врачам дополнительной клинической информации, но при этом не предоставляют из себя автономные ИИ-агенты для вынесения решения о постановке диагноза или назначении лечения, они не должны подвергаться предварительной регистрации в качестве мед.изделия. FDA должно разрешить разработчикам выходить такие решения на рынок, если они соответствуют требованиям FDA в отношении разработки и проверке безопасности. FDA, опираясь на данные реальной клинической практики в рамках пострегистрационного мониторинга, может убедится, что они действительно повышают качество принятия медицинских решений. Технологии ИИ обладают врожденной способностью синтезировать сложную информацию и предоставлять расширенную аналитику и рекомендации, которые без использования ИИ останутся незамеченными врачами. Эта способность сама по себе не должна классифицировать их как медицинские изделия». https://jamanetwork.com/journals/jama-health-forum/fullarticle/2830189

Группа из 117 ученых из 50 стран мира, получившая название «Консорциум FUTURE-AI» (the FUTURE-AI Consortium), опубликовала в BMJ руководство по надежному и применимому искусственному интеллекту в здравоохранении (FUTURE-AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare), состоящее из шести принципов:

F. Справедливость (Fairness). ИИ должен одинаково эффективно работать для всех категорий граждан и исключать дискриминацию или предвзятость. Поскольку на практике достичь этого сложно, разработчики должны постоянно выявлять предубеждения в ИИ-системах и оперативно устранять их, сводить их к минимуму в максимально возможной степени.

U. Универсальность (Universality). Инструмент ИИ должен быть доступен для широкого распространения за пределами контролируемой среды, в которой он был создан, должен сохранять корректность работы при обработке данных новых пациентов или применении в новых, ранее неизвестных ему, условиях (новых клиниках, регионах и тд).

T. Прослеживаемость (Traceability). ИИ-система должна содержать встроенные механизмы документирования и мониторинга работы на всех этапах жизненного цикла. Должна быть обеспечена прозрачность и подотчетность за счет сбора подробной информации о работе алгоритмов ИИ.

U. Удобство использования (Usability). Принцип удобства использования гласит, что конечные пользователи должны иметь возможность использовать инструмент искусственного интеллекта для эффективного и безопасного достижения клинических целей в реальной практике. Разработчики должны постоянно трудиться над выявлением и устранением ошибок, над поиском более простых для пользователя сценариев применения технологий ИИ. ИИ-системы должны улучшать эффективность работы врача и приводить к улучшению результатов лечения с минимизацией риска причинения вреда.

R. Надежность (Robustness). ИИ-системы должны быть готовы к обработке ранее неизвестных данных и других аномалий и изменений, характерных реальной клинической практики. Даже если ИИ-система встретила такие данные, это не должно приводить к ошибкам в работе или неверным рекомендациям.

E. Объяснимость (Explainability). Модели машинного обучения должны создаваться так, чтобы конечный пользователь мог понимать – почему модель пришла к тому или иному выводы, а также иметь информацию об ограничениях и реальных возможностей моделей – чтобы решить, можно ли доверять ИИ-системе.

Руководство охватывает весь жизненный цикл ИИ, от проектирования и разработки до проверки и развертывания, обеспечивая соответствие реальным потребностям и этическим требованиям. https://www.bmj.com/content/388/bmj-2024-081554

В отчете Американской медицинской ассоциации (AMA) отмечается растущий энтузиазм и интерес врачей к использованию искусственного интеллекта (ИИ).

Исследование AMA также показало, что 35% врачей больше воодушевлены, чем обеспокоены использованием искусственного интеллекта в здравоохранении, а 25% считают обратное (по сравнению с 30% и 29%, соответственно, в отчете AMA годом ранее).

68% врачей заявили, что на их рабочих местах уже используется искусственный интеллект, по сравнению с 38 процентами в отчете за предыдущий год.

https://www.medscape.com/viewarticle/doctors-warm-ai-future-healthcare-ama-survey-finds-2025a10003zm?form=fpf

В журнале Infectious Diseases and Therapy вышла статья о потенциале применения больших языковых моделей (LLM) в части назначения антибиотиков.

Основные выводы исследователей:

Технологии действительно обладают большим потенциалом для улучшения лечения инфекционных заболеваний, однако назначение антибиотиков на основе рекомендаций -моделей является довольно сложной задачей для врача и сопряжено с высоким риском ошибки.

Есть огромная разница между использованием для помощи в научной работе и написании статей и назначением антибиотиков в реальной клинической практике, где есть прямой риск причинить вред здоровью пациента из-за галлюцинаций моделей -модели склонны постоянно менять свои рекомендации даже на одни и те же запросы и ситуации, что делает мониторинг их безопасности довольно сложной технической задачей и только усугубляет применение LLM как системы поддержки принятия врачебных решений.

Авторы делают заключение о том, что применение LLM в подборе антибиотиков и лечении инфекционных заболеваний следует вести с крайней осторожностью и с контролируемым подходом. Применение технологий LLM "под капотом" СППВР является по мнению ученых - довольно рискованной затеей.

https://link.springer.com/article/10.1007/s40121-025-01114-5

В преддверии 23 февраля поздравили наших коллег мужчин с наступающим праздником😃

Пусть ваша жизнь будет наполнена смелыми победами, а работа приносит только радость и удовлетворение!

Вы — настоящая опора нашей команды!