СМИ: Переговоры Ирана и США проходят очно после встреч с пакистанцами

Власти Кремля теряют поддержку своего электората: эффект накопленных кризисов - ВЗГЛЯД

Ученые нашли новую причину гипертонии

Психологи назвали кулинарию лучшим способом борьбы со стрессом

Все новости

© 2004 - 2024 Все права защищены.

Это интересно

Главная
Это интересно

ИИ научился выявлять болезни до появления симптомов — исследование

11 апреля 2026

19:12

Исследование показало, что медицинский искусственный интеллект может выявлять заболевания еще до появления симптомов.

Как передает Vesti.az, об этом говорится в статье, опубликованной в журнале Intelligent Medicine.

Авторы отмечают, что развитие ИИ в медицине смещается от диагностики к анализу динамики состояния организма во времени. Объединяя данные геномики, медицинских карт, визуализации и носимых устройств, алгоритмы способны фиксировать критические изменения, предшествующие развитию болезни.

В основе подхода лежит теория динамические сетевые биомаркеры (DNB), позволяющая выявлять нестабильность в биологических системах. По данным исследований, этот метод может обнаруживать ранние признаки заболеваний, включая изменения экспрессии генов до появления симптомов гриппа или переход клеток в злокачественное состояние с точностью более 80%.

Дополнительно используется метод индивидуальный анализ сетей (iENA), который позволяет оценивать риски на основе данных одного пациента без необходимости сравнения с контрольными группами. Это открывает возможности для персонализированного мониторинга в реальном времени.

Отмечается, что сочетание физиологических знаний с технологиями глубокого обучения уже дало значительные результаты. В частности, гибридные модели позволили более чем на 50% сократить ошибку прогнозирования уровня глюкозы при диабете 1 типа.

ИИ также применяется в анализе медицинских изображений и электронных карт, повышая точность диагностики и позволяя прогнозировать развитие заболеваний, включая диабет и гипертонию. Отдельные модели способны создавать так называемые «цифровые двойники» пациентов для тестирования лечения.

При этом ученые подчеркивают, что искусственный интеллект должен дополнять врачей, а не заменять их, выступая инструментом раннего предупреждения.

Среди проблем называются неоднородность и неполнота данных, ограниченная способность алгоритмов выявлять причинно-следственные связи, а также эффект «черного ящика», снижающий доверие специалистов. Кроме того, сохраняются вопросы защиты данных и возможной предвзятости алгоритмов.

Авторы отмечают, что дальнейшее развитие технологии потребует интеграции различных типов медицинских данных и проведения масштабных клинических испытаний.