Исследователи представили NERVE (Network-Aware Representations of Brain Functional Connectivity via Bilinear Tokenization) — фреймворк для самоконтролируемого обучения представлений функциональных связей мозга. В отличие от стандартных MAE, которые обрабатывают матрицы FC как однородные структуры, NERVE разбивает их на блоки внутри- и межсетевых соединений, учитывая модульную организацию крупномасштабных нейросетей.
Ключевая инновация — билинейная факторизация, которая сохраняет идентичность сетей и снижает сложность модели с квадратичной до линейной. Фреймворк протестирован на трёх крупных когортах (ABCD, PNC, CCNP) для прогнозирования поведения и психопатологии. Результаты показывают, что NERVE превосходит структурно-агностические MAE и графовые методы, особенно при переносе между когортами.
#Ai #NERVE #Medicine #Science
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
💊 Два ИИ-ассистента для науки успешно справились с перепрофилированием лекарств
Во вторник Nature опубликовала две статьи об ИИ-системах, призванных помогать учёным выдвигать и проверять гипотезы. Первая — Co-Scientist от Google, работающая по принципу «учёный в цикле»: исследователи постоянно направляют систему своими суждениями. Вторая — от некоммерческой организации FutureHouse — пошла дальше и обучила ИИ самостоятельно анализировать биологические данные из определённых типов экспериментов.
Обе системы являются агентными: они работают в фоновом режиме, вызывая отдельные инструменты. Их главная задача — справиться с лавиной научной информации. «Комбинаторный синтез (выявление неочевидных связей между разрозненными областями) позволяет Robin (система FutureHouse) находить "низко висящие фрукты", которые эксперты упускают из-за разобщённости знаний», — поясняют разработчики. В тестах системы предлагали известные препараты для targeting путей в клетках при остром миелоидном лейкозе (Google) и макулярной дегенерации (FutureHouse).
Co-Scientist от Google базируется на Gemini. Система интерпретирует цели исследования, запускает поиск литературы, формирует гипотезы и оценивает их в «турнире» с помощью агентов Reflection и Evolution. Ключевые критерии — правдоподобие, новизна, проверяемость и безопасность. Доступ к научной литературе «предотвратил галлюцинации кажущихся новыми, но нереалистичных гипотез». Система модельно-независима и может переключаться на более производительные модели по мере их появления
#Ai #Science #Research #Experiment #Google #Medicine
Во вторник Nature опубликовала две статьи об ИИ-системах, призванных помогать учёным выдвигать и проверять гипотезы. Первая — Co-Scientist от Google, работающая по принципу «учёный в цикле»: исследователи постоянно направляют систему своими суждениями. Вторая — от некоммерческой организации FutureHouse — пошла дальше и обучила ИИ самостоятельно анализировать биологические данные из определённых типов экспериментов.
Обе системы являются агентными: они работают в фоновом режиме, вызывая отдельные инструменты. Их главная задача — справиться с лавиной научной информации. «Комбинаторный синтез (выявление неочевидных связей между разрозненными областями) позволяет Robin (система FutureHouse) находить "низко висящие фрукты", которые эксперты упускают из-за разобщённости знаний», — поясняют разработчики. В тестах системы предлагали известные препараты для targeting путей в клетках при остром миелоидном лейкозе (Google) и макулярной дегенерации (FutureHouse).
Co-Scientist от Google базируется на Gemini. Система интерпретирует цели исследования, запускает поиск литературы, формирует гипотезы и оценивает их в «турнире» с помощью агентов Reflection и Evolution. Ключевые критерии — правдоподобие, новизна, проверяемость и безопасность. Доступ к научной литературе «предотвратил галлюцинации кажущихся новыми, но нереалистичных гипотез». Система модельно-независима и может переключаться на более производительные модели по мере их появления
#Ai #Science #Research #Experiment #Google #Medicine
👏1
На прошедшей конференции Google I/O глава Google DeepMind Демис Хассабис с абсолютно невозмутимым лицом заявил, что компания надеется «переосмыслить процесс открытия лекарств с целью однажды решить проблему всех болезней». Это заявление прозвучало в финале ключевого выступления и вызвало неоднозначную реакцию.
Хассабис не привел конкретных сроков или деталей, но контекст очевиден: Google активно развивает AI-инструменты для науки, включая AlphaFold (предсказание структуры белков) и новый проект AlphaGenome. Идея состоит в том, чтобы с помощью ИИ ускорить разработку лекарств, анализируя геномные данные и моделируя взаимодействие молекул.
Однако эксперты напоминают: «решить все болезни» — это скорее вдохновляющая метафора, чем реалистичный план. Даже самые продвинутые AI-модели пока не способны охватить сложность человеческой биологии. Тем не менее, направление задано: Google делает ставку на то, что ИИ станет ключевым инструментом в медицине будущего.
#Ai #Medicine #Research #Google
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
Новый проект The Path, основанный известным коучем Тони Роббинсом и выходцами из приложения для медитации Calm, нацелен на создание более безопасного AI-терапевта. Стартап заявляет, что его модель набрала 95 баллов по бенчмарку безопасности ментального здоровья Vera-MH. Для сравнения: лучший результат среди массовых чат-ботов составляет всего 65 баллов.
The Path позиционируется как альтернатива существующим AI-ассистентам, которые часто дают непроверенные или потенциально опасные советы в чувствительной области психотерапии. Разработчики утверждают, что модель прошла дополнительное обучение на клинических данных и имеет встроенные механизмы фильтрации, предотвращающие вредоносные рекомендации.
Практическая значимость: если заявленные показатели подтвердятся независимыми аудитами, The Path может стать первым коммерчески viable AI-решением для начального скрининга и поддержки пациентов с легкими формами тревожности и депрессии. Однако эксперты напоминают, что ни один AI пока не заменяет живого психотерапевта.
#Ai #Medicine #Health #Calm #Startup #Business
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
🦴 AI-агенты оптимизируют рабочие процессы в радиологии
Многие медицинские организации сообщают, что традиционные системы листов ожидания полагаются на жесткие правила, игнорирующие критический контекст: специализацию радиолога, текущую загрузку, уровень усталости и сложность случая. Это приводит к «выборочному» назначению: радиологи берут более легкие и высокооплачиваемые исследования, избегая сложных, что вызывает задержки диагностики и рост затрат. Исследование 62 больниц и 2,2 млн исследований показало, что неэффективное назначение вызывает задержки до 17,7 минут для срочных случаев и дополнительные расходы в $2,1–4,2 млн на сеть больниц.
В новом посте AWS ML Blog представлено решение на базе Amazon Bedrock AgentCore и Strands Agents SDK. Сеть специализированных AI-агентов одновременно оценивает специализацию врача, загруженность, паттерны утомления, сложность случая, клиническую срочность и доступность. Система непрерывно обучается на исторических данных и адаптируется к изменяющимся условиям, минимизируя стимулы к «выборочному» назначению. Архитектура включает оркестратор интеллектуального листа ожидания, который получает триггеры из PACS и запросы от приложения, координируя работу нескольких агентов.
Практический результат: AI-агенты снижают задержки диагностики, автоматически подбирая нужного субспециалиста под конкретный случай с учетом реальной нагрузки. Radiology Partners уже сотрудничает с AWS для внедрения этой технологии как критически важного компонента рабочего процесса.
#AI #Radiology #AWS #AmazonBedrock #Medicine
Многие медицинские организации сообщают, что традиционные системы листов ожидания полагаются на жесткие правила, игнорирующие критический контекст: специализацию радиолога, текущую загрузку, уровень усталости и сложность случая. Это приводит к «выборочному» назначению: радиологи берут более легкие и высокооплачиваемые исследования, избегая сложных, что вызывает задержки диагностики и рост затрат. Исследование 62 больниц и 2,2 млн исследований показало, что неэффективное назначение вызывает задержки до 17,7 минут для срочных случаев и дополнительные расходы в $2,1–4,2 млн на сеть больниц.
В новом посте AWS ML Blog представлено решение на базе Amazon Bedrock AgentCore и Strands Agents SDK. Сеть специализированных AI-агентов одновременно оценивает специализацию врача, загруженность, паттерны утомления, сложность случая, клиническую срочность и доступность. Система непрерывно обучается на исторических данных и адаптируется к изменяющимся условиям, минимизируя стимулы к «выборочному» назначению. Архитектура включает оркестратор интеллектуального листа ожидания, который получает триггеры из PACS и запросы от приложения, координируя работу нескольких агентов.
Практический результат: AI-агенты снижают задержки диагностики, автоматически подбирая нужного субспециалиста под конкретный случай с учетом реальной нагрузки. Radiology Partners уже сотрудничает с AWS для внедрения этой технологии как критически важного компонента рабочего процесса.
#AI #Radiology #AWS #AmazonBedrock #Medicine
👍1
Французский медицинский стартап DESKi запустил HeartFocus Link — AI-решение для кардиологической визуализации, которое подключается к любому ультразвуковому аппарату на тележке через планшет и HDMI-кабель. Продукт уже получил одобрение FDA.
Ранее программное обеспечение HeartFocus работало только с портативными устройствами Butterfly Network. Теперь AI-гид по позиционированию датчика и захвату диагностических изображений сердца доступен для оборудования, которое уже есть в больницах и учебных центрах.
Система поддерживает 10 стандартных трансторакальных эхокардиографических проекций. 3D-наложение подсказок выводится прямо на экран планшета поверх живого УЗИ-изображения. Функция Auto Record автоматически сохраняет клипы при достижении заданного качества, а система оценки в реальном времени даёт объективную обратную связь стажёрам.
Запуск решает острую проблему нехватки сонографистов: спрос на УЗИ-исследования в США вырос на 55% (с 38,6 млн до 59,8 млн за 2011–2021 гг.), а число специалистов — лишь на 44%. Эхокардиографию проводят только 8% госпитализированных пациентов, хотя она снижает смертность. AI-инструменты позволяют неспециалистам получать качественные изображения после часов обучения вместо месяцев.
DESKi основана в 2016 году братьями Бертраном и Оливье Моаль. Компания привлекла $6 млн seed-раунда в 2025 году. FDA одобрило HeartFocus в апреле 2025 года с планом контролируемых изменений для обновления AI-алгоритмов без полного пересмотра регулятором.
#Tech #Ai #Healthcare #Medicine #DESKI #HeartFocus
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
💊 Исследование Google: как ИИ помогает пользователям разбираться в кожных заболеваниях
Google Research опубликовала серию исследований, посвящённых тому, как ИИ-инструменты влияют на способность людей понимать кожные заболевания. В центре внимания — не просто диагностика, а человеческий фактор: как пользователи взаимодействуют с ИИ и принимают решения на основе полученной информации.
В крупномасштабном исследовании, опубликованном в JAMA Dermatology, участвовали 2 345 человек. Участникам показывали клинические случаи кожных заболеваний (с изображениями и историей болезни) и предлагали определить состояние. Те, кто использовал ИИ-инструмент с каруселью из 3–7 возможных диагнозов, называли правильное состояние почти в три раза чаще (23%), чем те, кто полагался на обычный поиск (8%). В «идеальной» группе, где ИИ выдавал точные диагнозы дерматологов, точность достигала 36%.
Однако ключевая проблема — определение дальнейших действий. Исследователи намеренно сделали ИИ недирективным: он показывал возможные состояния и общую информацию о лечении, но не давал персонализированных рекомендаций. В результате пользователи лучше понимали, с чем столкнулись, но не всегда знали, что делать дальше. Это подтверждает, что для реальной пользы ИИ-инструментов необходимо учитывать не только точность модели, но и то, как люди интерпретируют её ответы.
#AI #GoogleResearch #Dermatology #Medicine #JAMA
Google Research опубликовала серию исследований, посвящённых тому, как ИИ-инструменты влияют на способность людей понимать кожные заболевания. В центре внимания — не просто диагностика, а человеческий фактор: как пользователи взаимодействуют с ИИ и принимают решения на основе полученной информации.
В крупномасштабном исследовании, опубликованном в JAMA Dermatology, участвовали 2 345 человек. Участникам показывали клинические случаи кожных заболеваний (с изображениями и историей болезни) и предлагали определить состояние. Те, кто использовал ИИ-инструмент с каруселью из 3–7 возможных диагнозов, называли правильное состояние почти в три раза чаще (23%), чем те, кто полагался на обычный поиск (8%). В «идеальной» группе, где ИИ выдавал точные диагнозы дерматологов, точность достигала 36%.
Однако ключевая проблема — определение дальнейших действий. Исследователи намеренно сделали ИИ недирективным: он показывал возможные состояния и общую информацию о лечении, но не давал персонализированных рекомендаций. В результате пользователи лучше понимали, с чем столкнулись, но не всегда знали, что делать дальше. Это подтверждает, что для реальной пользы ИИ-инструментов необходимо учитывать не только точность модели, но и то, как люди интерпретируют её ответы.
#AI #GoogleResearch #Dermatology #Medicine #JAMA
👍1
Исследователи Microsoft совместно с Broad Institute и Dana-Farber Cancer Institute представили новый подход к персонализации лечения рака — Project Ex Vivo. В основе работы лежит концепция «клеточного состояния» (cell state), которая объясняет, почему пациенты с одинаковыми мутациями по-разному реагируют на одни и те же препараты.
Команда под руководством Лорина Кроуфорда опубликовала статью в Nature Methods, демонстрирующую, как ИИ-модели могут анализировать поведение отдельных клеток и их взаимодействие с микроокружением. Традиционные методы классификации рака по локализации или мутациям часто не учитывают клеточное состояние — именно оно определяет чувствительность опухоли к лекарствам и скорость развития резистентности.
В панкреатическом раке, например, учёные выявили два ключевых клеточных состояния, но лабораторные модели обычно воспроизводят только одно из них. Это приводит к расхождению между результатами in vitro и реальной клинической картиной. Project Ex Vivo решает эту проблему, комбинируя вычислительные модели с образцами опухолей реальных пациентов. ИИ-инструменты позволяют проводить виртуальные эксперименты, предсказывая, как препарат изменит состояние клеток, и отбирать наиболее перспективные гипотезы до начала дорогостоящих лабораторных тестов.
Практическое значение: метод может улучшить подбор пациентов в клинические испытания и открыть путь к разработке препаратов, нацеленных не на мутацию, а на сдвиг клеточного состояния опухоли в более уязвимую форму.
#Ai #Tech #Medicine #Mircosoft #Research #ExVivo
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Компания Midjourney, известная своими ИИ-генераторами изображений, представила неожиданный проект - полноценный ультразвуковой сканер для всего тела. Устройство работает по принципу эхолокации дельфинов: кольцо подводных датчиков с полумиллионом микроэлементов излучает звуковые волны и измеряет их прохождение через ткани. Вычислительный кластер преобразует данные в 3D-изображение за 60 секунд.
Сканер создан в партнёрстве с Butterfly Network. По заявлению CEO Дэвида Хольца, технология в перспективе способна превзойти МРТ без радиации и магнитов. Пока просканировано около дюжины человек. Компания планирует развернуть 50 000 сканеров к 2031 году, а третье поколение устройства с полностью кастомным кремнием ожидается в 2028-м. На данный момент Midjourney фокусируется на «картах состава тела», не требующих одобрения FDA, но намерена постепенно получить разрешение на диагностическое применение.
Первый спа-салон с этим сканером откроется в Сан-Франциско к концу 2027 года. Хольц утверждает, что ранняя диагностика с помощью технологии может предотвратить «30% всех смертей и 50% расходов на здравоохранение».
#Midjourney #AI #ultrasound #medicine #technology
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
💰 Insilico и SK Biopharm заключили сделку по AI-открытию лекарств на $2.5 млрд
Insilico Medicine подписала соглашение с южнокорейской SK Biopharmaceuticals на сумму до $2.5 млрд. Сделка предусматривает использование AI-платформы Insilico для разработки кандидатов в лекарства в области онкологии, метаболических и иммунных заболеваний. Большая часть выплат приходится на этапы клинических испытаний и коммерциализации.
По условиям соглашения, Insilico получит авансовый платеж, а затем поэтапные выплаты за достижение целей по разработке и продажам. SK Biopharm получает эксклюзивные права на разработку и коммерциализацию препаратов на целевых рынках, включая Корею, Китай и Японию. Insilico сохраняет права на другие регионы.
Сделка отражает растущий интерес фармкомпаний к AI-платформам для ускорения доклинических исследований. Insilico уже имеет несколько собственных кандидатов в клинических испытаниях, включая препарат для лечения идиопатического легочного фиброза.
#Ai #Biotech #Medicine #Insilico #SKBiopharm
Insilico Medicine подписала соглашение с южнокорейской SK Biopharmaceuticals на сумму до $2.5 млрд. Сделка предусматривает использование AI-платформы Insilico для разработки кандидатов в лекарства в области онкологии, метаболических и иммунных заболеваний. Большая часть выплат приходится на этапы клинических испытаний и коммерциализации.
По условиям соглашения, Insilico получит авансовый платеж, а затем поэтапные выплаты за достижение целей по разработке и продажам. SK Biopharm получает эксклюзивные права на разработку и коммерциализацию препаратов на целевых рынках, включая Корею, Китай и Японию. Insilico сохраняет права на другие регионы.
Сделка отражает растущий интерес фармкомпаний к AI-платформам для ускорения доклинических исследований. Insilico уже имеет несколько собственных кандидатов в клинических испытаниях, включая препарат для лечения идиопатического легочного фиброза.
#Ai #Biotech #Medicine #Insilico #SKBiopharm
👍1
Канадская компания Kinova Robotics анонсировала новую медицинскую роботизированную руку KIMA, предназначенную для использования в хирургии и реабилитации. Устройство построено на базе проверенной платформы Kinova Gen3 и адаптировано под строгие медицинские стандарты.
KIMA оснащена семью степенями свободы, встроенными датчиками усилия и момента, а также системой обратной связи, позволяющей выполнять точные манипуляции. Робот поддерживает как автономные сценарии, так и управление через джойстик или хирургическую консоль. Благодаря лёгкой конструкции (около 8 кг) и компактным размерам, KIMA может быть интегрирована в существующие операционные без серьёзной перестройки пространства.
Устройство ориентировано на ассистирование при малоинвазивных операциях, позиционирование инструментов и проведение реабилитационных процедур. Kinova подчёркивает, что KIMA уже получила предварительные одобрения регулирующих органов для клинических испытаний в Канаде и Европе.
#Tech #Kinova #KIMA #Medicine #Robotics #Surgery #Robots
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Microsoft Research совместно с Centre for Population Genomics, Australian Genomics и Broad Institute представила Talos — открытый инструмент для автоматического итеративного ре-анализа геномных данных. Он повторно проверяет сохранённые данные секвенирования по мере обновления научных знаний и находит варианты с новыми клинически значимыми доказательствами.
В валидации на почти 1 100 пациентах Talos восстановил 90% диагнозов при всего 1,3 кандидатных вариантах на пациента для экспертной проверки. В проспективном исследовании 5 000 недиагностированных пациентов система выдала 241 новый диагноз (+5,1% к выходу), а между появлением подтверждающих данных и постановкой диагноза проходило в среднем 32 дня. При ежемесячных циклах аналитикам нужно было проверять лишь один новый вариант на 200 пациентов.
Инструмент использует два непрерывно обновляемых источника — PanelApp Australia (связи генов с заболеваниями) и ClinVar (патогенность вариантов), затем применяет алгоритм приоритизации для выявления вариантов, соответствующих критериям ACMG/AMP. Ключевые особенности: консервативный подход с минимальным числом ложноположительных срабатываний и возврат только тех вариантов, чьи доказательства изменились с прошлого цикла.
#AI #Talos #Genome #Medicine #MicrosoftResearch #BioInformation
Please open Telegram to view this post
VIEW IN TELEGRAM
Пользователь загрузил DICOM-снимки МРТ правого плеча (266 МБ) в Claude Code с моделью Opus 4.8 и попросил дать «второе мнение». Врач диагностировал частичный разрыв сухожилия подлопаточной мышцы Grade III (>50% ширины) и назначил ударно-волновую терапию и инъекции гомеопатического препарата Traumeel. ИИ-анализ после часа работы выдал противоположный результат: сухожилие интактно, никакого разрыва нет.
Для разрешения противоречия автор запустил повторный анализ с арбитражем — Claude создал несколько субагентов, каждый независимо изучал снимки и отчёты. Вердикт: «Умеренная вставная тендинопатия, дискретного разрыва не обнаружено». Пользователь отмечает, что GPT 5.5 Pro также указал на необоснованность назначенных процедур — ударно-волновая терапия без кальцификации противопоказана клиническими рекомендациями.
Кейс демонстрирует практическое применение Claude Code для анализа медицинских изображений: модель не просто описывает снимки, а запускает код, устанавливает пакеты, строит план и использует мультиагентный подход для перекрёстной проверки. Ограничение — модель не видит DICOM-метаданные и может пропускать тонкие паттерны, видимые только радиологу. Тем не менее, для пациентов это инструмент получения независимой оценки перед дорогостоящим лечением.
#AI #ClaudeCode #Anthropic #Medicine #Agents #Healthcare
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
🔬 Deep learning выявил скрытый предиктор внезапной сердечной смерти
Исследователи из Университета Джонса Хопкинса и EnChannel Medical обучили модель глубокого обучения на тысячах записей электрокардиограмм (ЭКГ) и данных о смертности. Результаты опубликованы в Nature. Модель идентифицировала ранее неизвестную группу высокого риска внезапной сердечной смерти и обнаружила новые признаки на ЭКГ, которые могут предсказывать риск.
Внезапная сердечная смерть ежегодно уносит сотни тысяч жизней, часто поражая внешне здоровых людей без предупреждения. Имплантируемые дефибрилляторы могут купировать смертельные аритмии, но решение об их установке зависит от точности прогноза риска. Текущие клинические инструменты пропускают большинство пациентов, которые в итоге умирают, и маркируют многих, кто никогда не получит пользы от устройства. Модель Obermeyer и коллег, обученная на популяционных данных, может изменить эту ситуацию.
#Ai #HealthCare #DeepLearning #Medicine #Obermeyer
Исследователи из Университета Джонса Хопкинса и EnChannel Medical обучили модель глубокого обучения на тысячах записей электрокардиограмм (ЭКГ) и данных о смертности. Результаты опубликованы в Nature. Модель идентифицировала ранее неизвестную группу высокого риска внезапной сердечной смерти и обнаружила новые признаки на ЭКГ, которые могут предсказывать риск.
Внезапная сердечная смерть ежегодно уносит сотни тысяч жизней, часто поражая внешне здоровых людей без предупреждения. Имплантируемые дефибрилляторы могут купировать смертельные аритмии, но решение об их установке зависит от точности прогноза риска. Текущие клинические инструменты пропускают большинство пациентов, которые в итоге умирают, и маркируют многих, кто никогда не получит пользы от устройства. Модель Obermeyer и коллег, обученная на популяционных данных, может изменить эту ситуацию.
#Ai #HealthCare #DeepLearning #Medicine #Obermeyer
❤🔥1
Anthropic объявила о запуске внутренних программ по открытию лекарств для заболеваний, которые крупные фармацевтические компании считают нерыночными. Компания сосредоточится на ранней доклинической разработке, заявив, что это соответствует её некоммерческой миссии и позволит на практике улучшить ИИ-модели для всей индустрии. Анонс прозвучал на мероприятии, посвящённом новому научному инструменту Claude Science.
В ходе презентации также привели примеры ускорения исследований: исследователь из UCSF с помощью Claude Science за минуты выявил вирусное загрязнение, которое его команда пропускала целый год. Кроме того, Claude проанализировал 100 редких генетических заболеваний менее чем за час и отобрал 32 кандидата для вычислительного скрининга.
Глава Novartis Вас Нарасимхан отметил, что вывод лекарства на рынок сейчас занимает около 12 лет. ИИ способен сократить информационные и операционные задержки (около 40% времени) до 7–8 лет, а также удвоить долю успешных кандидатов с 8% до 16%. Даже такие «скромные» улучшения, по его словам, могут кардинально изменить отрасль, где крупные компании тратят $150–200 млрд в год на R&D.
#AI #Anthropic #Medicine #Drugdiscovery #ClaudeScience #BioTech
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡1🔥1💯1
Исследователи из Калифорнийского университета в Сан-Диего впервые успешно применили телеуправляемых гуманоидных роботов для проведения хирургических операций. Результаты preclinical испытания опубликованы в журнале Nature. В одном случае робот работал в паре с хирургом-человеком, во втором — два гуманоида действовали совместно. Обе операции (холецистэктомия) прошли успешно на крупных животных.
В отличие от специализированных систем вроде da Vinci от Intuitive Surgical, гуманоидные роботы универсальны: они могут выполнять разные процедуры и задачи в операционной без привязки к одному помещению. Как отметил профессор Michael Yip, это потенциально снижает стоимость и упрощает развёртывание — от сельских больниц до космоса. Телеоперация через гуманоида показала точность, сопоставимую с профильными роботами.
Пока технология требует доработки: роботов приходилось несколько раз калибровать во время операции, а время процедуры превышало обычное. Однако авторы напоминают, что первые лапароскопические операции с роботами занимали 6 часов — сейчас это 30 минут. Исследование — proof-of-concept, открывающий путь к массовому внедрению гуманоидов в хирургию.
#Tech #Robotics #Surgery #Robots #Medicine #Nature
Please open Telegram to view this post
VIEW IN TELEGRAM
Исследователи из Университета Мансуры (Египет) провели первое сравнительное исследование пяти ведущих языковых моделей (ChatGPT 4.1, ChatGPT 5, Gemini 2.5 Pro, Claude Sonnet 4 и DeepSeek R1) на предмет их соответствия клиническим рекомендациям по лечению анапластического рака щитовидной железы (ATC). Работа опубликована в Scientific Reports.
Методология включала 70 клинических вопросов разной сложности, разработанных на основе трех международных гайдлайнов (ATA, NCCN, ESMO). Три эксперта-хирурга независимо оценивали ответы моделей по шкале от 1 до 5 по четырем критериям: точность, полнота, ясность и релевантность. Gemini 2.5 Pro показал наивысшую медианную точность (4.5), за ним следует DeepSeek R1 (4.4). ChatGPT 4.1 показал наихудший результат (4.0). ChatGPT 5 и Claude Sonnet 4 заняли промежуточное положение (4.2).
Статистически значимые различия между моделями были зафиксированы по всем четырем метрикам. Наибольший разброс наблюдался в домене хирургического лечения, где Gemini 2.5 Pro достиг медианы 4.7. Интересно, что все модели генерировали развернутые ответы на все вопросы, ни разу не воспользовавшись опцией «я не знаю», хотя промпт это явно разрешал. Анализ чувствительности, исключивший ChatGPT 5 из-за отсутствия ослепления, подтвердил иерархию производительности.
Авторы подчеркивают, что ни одна из текущих LLM не является достаточно надежной для самостоятельного клинического использования. Модели должны применяться строго как вспомогательные инструменты под контролем эксперта, особенно в хирургических вопросах, где вариативность ответов максимальна.
#Ai #LLM #Medicine #Oncology #ClinicalGuidelines
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🤔1
💊 Как ИИ сокращает сроки открытия лекарств в Китае
Insilico Medicine, используя ИИ в сочетании с лабораторными исследованиями, сократила время вывода кандидатов на стадию доклинических испытаний примерно до одного года. Об этом заявил CEO Алекс Жаворонков. Самая быстрая программа компании достигла номинации кандидата за девять месяцев, типичный срок — около 13 месяцев, тогда как традиционные подходы занимают около 4,5 лет.
Компания применяет генеративный ИИ для поиска биологических мишеней, дизайна молекул и отбора соединений. Затраты на синтез и тестирование — от 60 до 200 молекул. С 2021 года Insilico получила 31 доклинического кандидата, 13 программ получили разрешение на начало исследований на людях. Лабораторные эксперименты по‑прежнему обязательны для подтверждения активности.
Жаворонков связывает ускорение с китайской научной инфраструктурой, операционными расходами и регуляторикой. Pfizer, например, отмечает, что клинические разработки в Китае идут в три раза быстрее и вдвое дешевле, чем в Европе. В 2025 году Китай ввёл 30‑дневный ускоренный обзор заявок на инновационные препараты. Insilico заключила альянсы с Eli Lilly и Takeda, а также анонсировала партнёрство с Bora Pharmaceuticals на сумму до $2,5 млрд.
#AI #Pharmacy #Medicine #MedicalDiscovery #InsilicoMedicine
Insilico Medicine, используя ИИ в сочетании с лабораторными исследованиями, сократила время вывода кандидатов на стадию доклинических испытаний примерно до одного года. Об этом заявил CEO Алекс Жаворонков. Самая быстрая программа компании достигла номинации кандидата за девять месяцев, типичный срок — около 13 месяцев, тогда как традиционные подходы занимают около 4,5 лет.
Компания применяет генеративный ИИ для поиска биологических мишеней, дизайна молекул и отбора соединений. Затраты на синтез и тестирование — от 60 до 200 молекул. С 2021 года Insilico получила 31 доклинического кандидата, 13 программ получили разрешение на начало исследований на людях. Лабораторные эксперименты по‑прежнему обязательны для подтверждения активности.
Жаворонков связывает ускорение с китайской научной инфраструктурой, операционными расходами и регуляторикой. Pfizer, например, отмечает, что клинические разработки в Китае идут в три раза быстрее и вдвое дешевле, чем в Европе. В 2025 году Китай ввёл 30‑дневный ускоренный обзор заявок на инновационные препараты. Insilico заключила альянсы с Eli Lilly и Takeda, а также анонсировала партнёрство с Bora Pharmaceuticals на сумму до $2,5 млрд.
#AI #Pharmacy #Medicine #MedicalDiscovery #InsilicoMedicine
👍1🔥1
🔬 Исследование рисков больших языковых моделей в медицине
Междисциплинарная команда исследователей из Центра цифрового здоровья Else Kröner Fresenius (EKFZ) при Дрезденском техническом университете совместно с коллегами из Германии и США опубликовала в Nature систематический обзор рисков использования больших языковых моделей (LLM) в клинической практике. Анализ охватывает области медицинского AI, кибербезопасности, регуляторики, этики и поведенческой психологии.
Авторы выделяют три категории рисков. Первая - угрозы безопасности: манипуляция обучающими данными (data poisoning), prompt-инъекции со скрытыми инструкциями, способные привести к ошибочным диагнозам, а также уязвимости IT-инфраструктуры. Вторая - внутренние риски моделей: галлюцинации с правдоподобной, но неверной информацией, а также чрезмерная подстройка под ожидания пользователя. Третья - риски взаимодействия человека и AI: чрезмерное доверие к уверенным ответам модели (automation bias) и усиление существующих убеждений врача.
Исследователи отмечают, что внедрение LLM в клиниках опережает создание систем надзора. Многие модели не размещены локально, что создает вопросы контроля данных, а неформальное использование AI (shadow use) уже происходит без официальных регламентов. Для снижения рисков авторы предлагают создание локальных команд надзора и централизованных Security Operations Centers для AI, а также адаптацию регуляторных механизмов к динамично обновляющимся системам.
#Ai #Medicine #Science #Research #Nature
Междисциплинарная команда исследователей из Центра цифрового здоровья Else Kröner Fresenius (EKFZ) при Дрезденском техническом университете совместно с коллегами из Германии и США опубликовала в Nature систематический обзор рисков использования больших языковых моделей (LLM) в клинической практике. Анализ охватывает области медицинского AI, кибербезопасности, регуляторики, этики и поведенческой психологии.
Авторы выделяют три категории рисков. Первая - угрозы безопасности: манипуляция обучающими данными (data poisoning), prompt-инъекции со скрытыми инструкциями, способные привести к ошибочным диагнозам, а также уязвимости IT-инфраструктуры. Вторая - внутренние риски моделей: галлюцинации с правдоподобной, но неверной информацией, а также чрезмерная подстройка под ожидания пользователя. Третья - риски взаимодействия человека и AI: чрезмерное доверие к уверенным ответам модели (automation bias) и усиление существующих убеждений врача.
Исследователи отмечают, что внедрение LLM в клиниках опережает создание систем надзора. Многие модели не размещены локально, что создает вопросы контроля данных, а неформальное использование AI (shadow use) уже происходит без официальных регламентов. Для снижения рисков авторы предлагают создание локальных команд надзора и централизованных Security Operations Centers для AI, а также адаптацию регуляторных механизмов к динамично обновляющимся системам.
#Ai #Medicine #Science #Research #Nature
👍1🔥1
🧑🔬 Google Research: как ИИ-агенты учатся ставить опыты в лабораториях
Google Research представила три проекта, приближающих автономные «мокрые» лаборатории: агенты не только генерируют гипотезы, но и сами запускают эксперименты, анализируют результаты и корректируют стратегию.
Первый - фреймворк VERID на базе открытого PyLabRobot: семантический цифровой двойник рабочей станции с живым 3D-состоянием. Он отслеживает геометрию роборуки, объёмы лунок и остатки наконечников, прогоняет протоколы в виртуальном dry run и блокирует физически невозможные команды до их отправки роботу. В кейсах агент сам исправлял смешивание реагентов и восстанавливался после сбоя ридера, а в self-play кампании более чем в пять раз повысил точность реконструкции смесей красителей.
Второй проект - аптамеры как «песочница» для замкнутого цикла design-test-analyze длиной 7-10 дней. За три раунда ИИ-дизайн поднял долю подтверждённых попаданий до 33,5% для миоглобина и 42,1% для α-тромбина. Отдельно показательно, что агенты сами распознали артефакт с G-квадруплексами и переписали правила дизайна, вернув специфичность.
Третий - de novo дизайн белковых биндеров к FAP: точечное «вырезание» эпитопа ускорило цикл фолдинга более чем в восемь раз, а связка «человек + агент» почти удвоила in-silico hit rate по сравнению с работой учёного в одиночку.
🎨 qvabo.studio/tg · картинки и видео
#AI #Google #Research #Biology #Agents #Medicine
Google Research представила три проекта, приближающих автономные «мокрые» лаборатории: агенты не только генерируют гипотезы, но и сами запускают эксперименты, анализируют результаты и корректируют стратегию.
Первый - фреймворк VERID на базе открытого PyLabRobot: семантический цифровой двойник рабочей станции с живым 3D-состоянием. Он отслеживает геометрию роборуки, объёмы лунок и остатки наконечников, прогоняет протоколы в виртуальном dry run и блокирует физически невозможные команды до их отправки роботу. В кейсах агент сам исправлял смешивание реагентов и восстанавливался после сбоя ридера, а в self-play кампании более чем в пять раз повысил точность реконструкции смесей красителей.
Второй проект - аптамеры как «песочница» для замкнутого цикла design-test-analyze длиной 7-10 дней. За три раунда ИИ-дизайн поднял долю подтверждённых попаданий до 33,5% для миоглобина и 42,1% для α-тромбина. Отдельно показательно, что агенты сами распознали артефакт с G-квадруплексами и переписали правила дизайна, вернув специфичность.
Третий - de novo дизайн белковых биндеров к FAP: точечное «вырезание» эпитопа ускорило цикл фолдинга более чем в восемь раз, а связка «человек + агент» почти удвоила in-silico hit rate по сравнению с работой учёного в одиночку.
🎨 qvabo.studio/tg · картинки и видео
#AI #Google #Research #Biology #Agents #Medicine
👍1👏1