Какие направления здравоохранения в Санкт-Петербурге уже используют технологии искусственного интеллекта?
В Санкт-Петербурге внедрение искусственного интеллекта в здравоохранение перешло из стадии пилотных проектов в фазу системной эксплуатации. Вот некоторые направления применения технологий ИИ в здравоохранении города. Более 50 медицинских организаций Санкт-Петербурга подключены к единой цифровой платформе, использующей шесть специализированных сервисов искусственного интеллекта. Алгоритмы берут на себя рутинную работу по анализу диагностических изображений: они автоматически находят подозрительные участки на снимках, сопоставляют текущие исследования с архивом для оценки динамики заболевания и значительно ускоряют подготовку описаний. Это позволяет разгрузить врачей-рентгенологов и повысить точность диагностики. Сегодня алгоритмы начинают анализировать данные функциональной диагностики, включая ЭКГ и видеоархивы колоноскопии. Внедрение таких систем поддержки принятия врачебных решений позволяет не только ускорить постановку диагноза, но и выровнять стандарт качества медицинской помощи во всех районах города.
Современные медицинские чат-боты и голосовые ассистенты вышли далеко за рамки простых автоответчиков, превратившись в полноценных диспетчеров первичного звена. Помимо записи на прием к специалисту и освобождения регистратуры от рутинных звонков, они выполняют функцию интеллектуального распределителя: в режиме диалога собирают анамнез по чек-листу, уточняют локализацию боли, измеренную температуру или динамику давления, а также проверяют наличие полиса ОМС в базе еще до начала разговора с врачом.
Но в каждом варианте применения ИИ нужно учитывать, что это инструмент поддержки. Он помогает врачу, выявляет подозрительные зоны, предлагает варианты, но окончательное решение о диагнозе и тактике лечения остаётся за специалистом.
Какие были сложности на пути внедрения ИИ-систем в Санкт-Петербурге?
На первом этапе внедрения технологий ИИ в практику работы медицинских организаций имелись два главных проблемных вопроса:
1) интеграция этих технологий с медицинскими информационными системами, 2) вопросы защиты информации (персональные денные и врачебная тайна). Кроме того: аппаратно-программный комплекс с технологий искусственного интеллекта должен быть зарегистрирован Росздравнадзором как медицинское изделие.
Какова главная роль искусственного интеллекта в исследовательских процессах Института экспериментальной медицины?
Искусственный интеллект используется, прежде всего, как средство ускорения научного поиска и повышения точности разработки новых терапевтических стратегий и препаратов. Он не заменяет экспериментальную науку, а работает с ней в тесной связке: алгоритмы позволяют сузить пространство поиска, повысить вероятность успеха и рационально использовать ресурсы, однако ключевым этапом остается биологическая валидация полученных результатов в лабораториях.
В каких конкретных направлениях молекулярного дизайна вы применяете машинное обучение?
Одно из наиболее значимых направлений — это поиск и дизайн лигандов для различных рецепторов. Мы анализируем большие массивы данных о взаимодействии «лиганд-рецептор» методами структурного моделирования. В частности, ведутся работы по поиску соединений для трансферринового рецептора 1 (TfR1) для адресной доставки противоопухолевых и противовирусных препаратов, а также для NMDA-рецепторов, где критически важно находить молекулы с высокой селективностью. Кроме того, ИИ применяется для генеративного дизайна антимикробных пептидов и таргетных препаратов против KRAS-позитивных опухолей.
Чем генеративный дизайн молекул принципиально отличается от классического виртуального скрининга?
Классический виртуальный скрининг перебирает уже существующие структуры. Генеративный дизайн позволяет алгоритмам создавать совершенно новые химические структуры, ранее не описанные в природе. Это особенно востребовано там, где нужны специфические свойства, например, при поиске новых последовательностей антимикробных пептидов, обладающих выраженной активностью против бактерий, но сниженной токсичностью для клеток хозяина.
Как именно искусственный интеллект помогает в борьбе с антибиотикорезистентностью?
С помощью алгоритмов мы ищем новые последовательности антимикробных пептидов, которые обладают высокой эффективностью против резистентных штаммов микроорганизмов. ИИ позволяет проектировать молекулы de novo, уходя от ограничений природных библиотек, и одновременно оптимизировать их структуру так, чтобы снизить цитотоксичность для организма пациента.
Насколько актуальны ИИ-подходы для разработки противовирусных препаратов с учетом изменчивости вирусов?
Это направление крайне актуально, поскольку скорость разработки становится критическим фактором. ИИ помогает моделировать взаимодействие вирусных белков с потенциальными ингибиторами и прогнозировать устойчивость будущих препаратов к мутациям вируса. Это позволяет заранее отбирать наиболее перспективные кандидаты, которые сохранят эффективность даже при изменении структуры вирусных мишеней.
Какую роль играет ИИ в геронтологических исследованиях Института?
Мы используем искусственный интеллект для анализа сложных биомедицинских данных, чтобы выявлять скрытые закономерности, связывающие молекулярные, клеточные и клинические параметры старения. Это позволяет формировать новые гипотезы о механизмах преждевременного старения и определять потенциальные терапевтические мишени для замедления возраст-ассоциированных патологий.
Помимо непосредственной науки, планируется ли внедрение ИИ в инфраструктуру Института?
Да, в перспективе рассматривается внедрение ИИ-алгоритмов в проектирование новых производственных площадок и лабораторных комплексов, включая виварии, с использованием подходов цифровых двойников. Это позволит моделировать технологические процессы, логистику потоков и эксплуатационные параметры еще на этапе проектирования, оценивая различные сценарии работы до начала строительства.
Как развитие цифровых моделей влияет на этическую сторону доклинических исследований?
Развитие цифровых моделей и «виртуальных двойников» биологических систем открывает возможности для частичной замены или существенного сокращения использования лабораторных животных за счет более точного предварительного прогнозирования эффективности и безопасности разрабатываемых соединений. Это полностью соответствует современным международным принципам 3R (Replacement, Reduction, Refinement), направленным на снижение, замещение и совершенствование использования животных в науке.
Как в Санкт-Петербурге могут быть использованы технологии ИИ для предотвращения развития эпидемий и мониторинга популяционного иммунитета?
Отдельным перспективным направлением является применение инструментов ИИ для прогнозирования эволюции респираторных вирусов на территории Санкт-Петербурга. Планируется формирование репрезентативных выборок пациентов на базе ведущих стационаров и клинических центров города с последующим комплексным анализом вирусных геномов, эпидемиологических характеристик и параметров популяционного иммунитета. Такой подход позволит не только отслеживать циркуляцию существующих вариантов вирусов гриппа, RSV, SARS-CoV-2 и других респираторных патогенов, но и выявлять ранние признаки появления генетических линий с повышенным эпидемическим потенциалом.
Ключевую роль в этой работе будет играть интеграция больших геномных данных с результатами серологических и иммунологических исследований. На основе методов машинного обучения и биоинформатического моделирования предполагается строить прогнозные модели, способные оценивать вероятность закрепления тех или иных мутаций в популяции, изменения антигенных свойств вирусов, а также риски снижения эффективности существующего популяционного иммунитета. Это создаст научную основу для более точного прогноза сезонной динамики респираторных инфекций, своевременного обновления диагностических панелей и выработки рекомендаций для систем эпидемиологического надзора и вакцинопрофилактики.