Бум генеративного ИИ привел к конкурентной гонке за лучшую ИИ-систему между крупнейшими технологиями компаниями, такими как OpenAI, Google и Meta. Ключом к непрерывной борьбе за то, чтобы создать самый правдоподобный ИИ стал размер, разнообразие и качество данных для машинного обучения. Очень быстро техно-гиганты осознали, что данных никогда не бывает достаточно, если мы ведем речь о создании, скажем, больших языковых моделей и тем более – мультимодальных ИИ-систем.

В The New York Times вышла статья с громким названием «Как технологические гиганты срезают углы для сбора данных для ИИ» (How Tech Giants Cut Corners to Harvest Data for A.I.). Авторами материала стали 5 ведущих технических репортеров.

➡️ Основной вывод, который был сделан в результате журналистского расследования, состоит в том, что крупнейшие американские технологические компании игнорируют этические аспекты, авторское право и даже скорее всего нарушают законы для создания своих больших мульти-модальных и языковых моделей.

➡️ Например,Google и Meta, похоже, использовали данные из открытого Интернета, насчитывающие до 3 трлн. слов,: из Википедия и Reddit, поисковые запросы людей и их посты в социальных сетях, не спрашивая на это разрешение авторов этих материалов и вступая в конфликт с законами о конфиденциальности и собственными политиками использования пользовательского контента. А Мета обсуждала идею покупки издательства Simon & Schuster, чтобы получить доступ к текстам, защищенным авторскими правами, вплоть до готовности столкнуться с судебными исками. Это казалось проще и быстрее, чем договариваться с авторами книг, музыкальных произведений или новостного контента.

➡️ При этом авторы выделают еще одну серьезную проблему. Дело в том, что даже если техно-гиганты соберут и используют вообще всю доступную информацию, добытую правдами и неправдами – ее все равно будет недостаточно. В этой связи разработчики таких систем пытаются расширить границы и масштабы данных для обучения ИИ – они все более широко изучают и используют синтетические данные, созданные самими ИИ-моделями.

➡️ Иными словами, теперь ИИ учится не на том, что создал человек – а на том, что создал сам ИИ. Учитывая галлюцинации и огромные скорости работы современных ИИ-моделей, объем таких сгенерированных данных может стать колоссальным и очень сильно повлиять на качество работы ИИ, что в конечном итоге действительно заставляет задуматься о том – контролируется ли процесс бесконечного улучшения ИИ достаточно или нет? https://www.nytimes.com/2024/04/06/technology/tech-giants-harvest-data-artificial-intelligence.html

Здравоохранение обозначено в национальной стратегии как приоритетная отрасль для разработок и внедрения информационных систем на основе ИИ.

Собрали все поручения Президента и Правительства по внедрению искусственного интеллекта в здравоохранении в одном материале здесь:➡️ https://webiomed.ru/blog/porucheniia-prezidenta-po-vnedreniiu-ii/

На рынке биотеха произошло поистине знаковое событие - стартап Xaira Therapeutics привлек порядка 1 млрд. долл. инвестиций на внедрение искусственного интеллекта для создания новых лекарств

Вот уже несколько лет технологические компании прорабатывают идею о том, что применение искусственного интеллекта может помочь в сокращении неудачных разработок с одновременным ускорением исследовательского цикла.

Фармацевтический рынок является одним из крупнейших мировых рынков со стабильным ростом спроса и огромной конкуренцией. В среднем затраты на разработку инновационного лекарственного препарата в мире составляет от 802 млн. $ для малых молекул до 1,318 млрд. $ для биопрепаратов.

В чем тактика, как такое рекордное инвестирование удалось получить?

Подробнее в нашем материале здесь: https://webiomed.ru/blog/novyi-trend-investirovaniia/

К концу этого года в каждом регионе должно быть внедрено по три медицинских изделия с искусственным интеллектом (МИ с ИИ).

На что стоит обратить внимание при выборе решения - комментарий от Директора по развитию Webiomed Александра Гусева в материале портала "Медвестник":

1.Внедрять в клинике целесообразнее решения, у которых есть опыт использования. Так можно избежать «сырых» продуктов, доведение которых до «рабочего состояния» может занять годы.

2.Стоит обратить внимание на продукты, разработчики которых открыто публикуют в научной литературе сведения о своих наработках, в частности, данные, которые подтверждают валидацию моделей машинного обучения и алгоритмов ИИ. Так можно подстраховать врачей от частых ошибок ИИ-системы.

3.Желательно отдавать предпочтение продуктам от разработчиков с сертификатом соответствия системе менеджмента качества (СМК) международному стандарту ISO 13485. Такой документ удостоверяет, что ИИ-систему разрабатывают по выверенному технологическому процессу, постоянно контролируют и повышают качество работы.

Статья здесь: https://medvestnik.ru/content/cards/Kak-vybrat-medicinskoe-izdelie-s-iskusstvennym-intellektom.html?utm_source=main&utm_medium=center-main-left

На основе различных источников, нашего опыта и знаний мы систематизировали и сформировали краткий глоссарий, включающий в себя понятия и определения, используемые при разработке платформы Webiomed на основе технологий искусственного интеллекта.

Подробнее в нашем материале здесь: https://webiomed.ru/blog/terminy-i-opredeleniia-ii/

Большие языковые модели (Large Language Models, LLM) произвели революцию в обработке естественного языка. Такие модели, как GPT-4 и PaLM 2, занимают сегодня центральное место в инновациях ИИ в медицине.

Перспективные ниши для применения LLM в медицине это:

✔️ Применение в цифровых сервисах для пациентов для анализа лабораторных результатов, описания заболеваний, а также для интерпретации заметок врача, формирования персонализированных рекомендации по поводу здоровья, прогнозирования состояния здоровья, оценки симптомов, чат-боты и т.д

✔️ Применения LLM в медицинском образовании. Высокие результаты GPT-4 и Med-PaLM 2 в медицинских тестированиях позволяют предположить, что LLM могут стать полезным инструментом обучения для студентов, которые в настоящее время показывают более низкие результаты в таких тестах.

✔️ Применение данной технологии для ускорения и сокращения стоимости клинических исследований. Это может снизить бремя критической оценки, составления отчетов об исследованиях, что составляет значительную часть рабочей нагрузки исследователей.

➡️ Вышла наша публикация "Перспективы применения больших языковых моделей в здравоохранении" в журнале "Национальное здравоохранение", авторы: Анна Андрейченко (Руководитель направления ИИ) и Александр Гусев (Директор по развитию Webiomed). Скачать статью можно здесь: https://webiomed.ru/publikacii/perspektivy-primeneniia-bolshikh-iazykovykh-modelei-v-zdravookhranenii/

Рынок телемедицины в глобальном масштабе претерпевает один из самых драматических этапов своего становления и развития. Буквально в течение последних недель было объявлено о закрытии крупнейших мировых телемедицинских проектов, в которые суммарно были инвестированы не один миллиард долларов.

Прогнозы относительно будущего телемедицины в нашем материале здесь: ➡️ https://webiomed.ru/blog/telemeditsina-nachalo-kontsa-ili-neizbezhnoe-otrezvlenie/

📍 Обновили список зарегистрированных медицинских изделий, использующих технологии ИИ и имеющих действующее регистрационное удостоверение (РУ) Росздравнадзора, материал здесь:➡️https://webiomed.ru/blog/zaregistrirovannye-meditsinskie-izdeliia-ai/

Тренды развития искусственного интеллекта и цифровых технологий до 2030 г.

Аналитики компании SBS Consulting отмечают, что ключевыми технологиями ИИ, имеющими наибольшую перспективу, являются генеративный ИИ, компьютерное зрение и предиктивная аналитика, которые используются как самостоятельно, так и в дополнение к другим цифровым технологиям, существенно повышая их эффективность.

Согласно исследованию о ключевых трендах развития технологии искусственного интеллекта в России и за рубежом, рынок предиктивной аналитики будет расти приблизительно равными темпами в 4-5 раз вплоть до 2030 г. Самым важным рынком для инструментов предиктивной аналитики останется здравоохранение.

Из Российских компании сектора здравоохранения эксперты выделили платформу прогнозной аналитики Webiomed. Отчет здесь: https://www.sbs-consulting.ru/about/issledovaniya-i-analitika/iskusstvennyy-intellekt-trendy-razvitiya-do-2030-g/

В журнале «Врач и информационные технологии» опубликовано исследование, согласно которому компания «К-Скай» (разработчик платформы Webiomed) заняла 1 место по полученным патентам в сфере технологий искусственного интеллекта для здравоохранения среди других российских организаций.

Информационную базу исследования составили документы, опубликованные национальными патентными ведомствами мира за период 2000–2023 гг. в БД Orbit Intelligence. Этот информационный ресурс, созданный компанией Questel, представляет собой платформу, аккумулирующую более 55 млн патентных документов. С БД Orbit Intelligence работают 95 патентных ведомств всех регионов мира.

Подробнее здесь: ➡️ https://webiomed.ru/novosti/lider-po-patentam-v-oblasti-ii/

Сегодня в Комитете Госдумы РФ по охране здоровья прошло заседание Экспертного совета по вопросам современного управления и цифровизации в сфере здравоохранения.

Участники обсудили вопросы влияния цифровой медицины на кадровые проблемы национальной системы здравоохранения.

➡️ Заседание провел председатель Комитета Госдумы по охране здоровья Бадма Николаевич Башанкаев, с приветственным словом выступили: председатель Национальной ассоциации управленцев сферы здравоохранения, Заместитель руководителя Экспертного совета по вопросам современного управления и цифровизации в сфере здравоохранения, член Общественной палаты РФ Муслим Ильясович Муслимов и заместитель Министра здравоохранения РФ Татьяна Владимировна Семенова.

➡️ Директор по развитию Webiomed Александр Гусев принял участие в мероприятии. В своем докладе он рассказал о перспективах применения систем поддержки принятия врачебных решений (СППВР) в медицинской практике и отметил ряд положительных эффектов применения таких решений - это более углубленная и персонализированная оценка здоровья пациента, автоматический контроль соблюдения клинических рекомендаций и требований Минздрава РФ. https://webiomed.ru/novosti/zasedanii-komiteta-po-okhrane-zdorovia-gd/

Результаты большого клинического исследования относительно связи генетических факторов риска, образа жизни и вероятности смерти (опубликовано в BMJ)

В исследование были включены свыше 350 тыс. человек, за которыми проводилось наблюдение с 2006 по 2021 г. В результате выяснилось, что у пациентов с генетически предопределенными факторами риска вероятность смерти на 21% выше, чем у пациентов с «хорошими генами».

Если пациенты из группы высокого генетического риска корректируют свой образ жизни, включая отказ от курения, сокращение употребления алкоголя, здоровое питание и более активное поведение – то они могут на 62% снизить влияние своей генетики на здоровье, что в конечном счете дает им дополнительные 5 лет жизни. https://www.theguardian.com/science/2024/apr/30/healthy-lifestyle-may-offset-genetics-by-60-and-add-five-years-to-life-study-says

НЕ ВМЕСТО, А ВМЕСТЕ: ПОТЕНЦИАЛ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РОССИЙСКОМ ЗДРАВООХРАНЕНИИ

В первый день работы ПМЭФ, 5 июня, в конгресс-центре, зона E (Пространство «Здоровое общество») эксперты обсудят применение ИИ в медицине: какие задачи сегодня решает ИИ, перспективы использования технологии в будущем, как сформировать доверие к этой технологии и др.

➡️Модерирует дискуссию Директор ЦНИИОИЗ Минздрава РФ Ольга Кобякова.

➡️ На мероприятии выступит Директор по развитию Webiomed Александр Гусев.

Подробнее здесь: ➡️ https://forumspb.com/programme/starting-day/125683/

Наша статья о разработке модели прогнозирования госпитализаций опубликована в одном из ведущих международных научных журналах в области медицинской информатики

➡️ Результаты нашей разработки модели машинного обучения для оценки риска госпитализации пациентов с ишемической болезнью сердца (ИБС) были опубликованы в одном из самых авторитетных мировых журналов по цифровому здравоохранению - International journal of medical informatics, входящим в 1й квартиль (Q1) базы данных Web of Science.

При разработки модели были использованы обезличенные данные из электронных медицинских карт более 49 тыс. пациентов из 11 регионов Российской Федерации, получавших медицинскую помощь в период с 1998 по 2022 год, были отобраны значимые предикторы. Для модели проведена внешняя валидация, по итогу получены след. показатели чувствительность 75.7%, специфичность 82.1%, что показывает качество работы модели в условиях реального клинического применения. ➡️https://webiomed.ru/novosti/razrabotke-modeli-prognozirovaniia-gospitalizatsii/