ainews
Создать
Войти
Google Research представил PhotoScan — нейросеть, которая по обычному фото со смартфона оценивает состав тела (процент жира, распределение висцерального жира) и предсказывает инсулинорезистентность почти так же точно, как клинический DXA-сканер, но дешевле и доступнее. Обучена на 35 тысячах записей UK Biobank, валидирована на 677 взрослых. Точность выше, чем у BIA-датчиков в умных часах.
Google Research представила AMIE (Video) — AI-систему на основе Gemini и Project Astra, которая проводит клинические консультации по видеосвязи в реальном времени. В рандомизированном исследовании с 300 живыми сессиями и 30 врачами-терапевтами система показала экспертный уровень: считывает невербальные сигналы, направляет пациента через физический осмотр и рассуждает диагностически. Используется трёхагентная архитектура, где один агент поддерживает беседу, второй анализирует аудио и видео, третий проводит глубокое клиническое рассуждение — всё параллельно, без задержек в диалоге.
Разработчик выпустил Python-библиотеку oncothresh для оценки онкологических AI-моделей не по общим метрикам (AUC, ICC), а в конкретных клинических пороговых точках — где модель решает, назначать биопсию или нет. Включает no-code веб-дашборд для врачей без навыков программирования.
MIT выяснил: AI-помощники в диагностике кожных болезней повышают точность у новичков, но за счёт слепого доверия — особенно объяснениям больших языковых моделей. Врачи же работают лучше без пояснений вообще, просто с предсказанием модели. Проблема: самые неопытные пользователи, которым AI нужнее всего, чаще всего попадают в ловушку ошибок.
В 1975 году исследователи MIT начали оцифровывать ЭКГ и делиться ими с коллегами — на магнитных лентах, по почте. Это превратилось в PhysioNet — глобальную платформу с сотнями баз медданных, 15 000 цитирований в год и пользователями из 180+ стран. Сегодня это один из крупнейших источников клинических данных для AI и исследований.
Исследователи обнаружили, что визуально-языковые модели (VLM) при генерации рентгенологических заключений получают высокие оценки на метриках, но при этом удаляют важные клинические термины и добавляют шаблонные фразы без диагностической ценности. Проблема в том, что существующие метрики оценки поощряют повторяющиеся безопасные формулировки вместо клинически полезных отчётов.
