MSDR-Net, модель глубокого обучения с многоуровневыми остаточными блоками и модулями внимания к каналам, достигла 92,0% точности и AUC 0,921 в классификации опухолей позвоночника по МРТ, превзойдя шесть других архитектур при сохранении вычислительной эффективности.

Предложена концептуальная XAI Biomarker Translation Matrix, разделяющая доказательства объяснимости модели (E), биологические (B) и трансляционные (T) данные для корректной валидации кандидатных биомаркеров и терапевтических мишеней, выявленных методами explainable AI.

Исследование применило алгоритм SAMBA для описания профилей клеточного состава крови у 153 пациентов с протоковой аденокарциномой поджелудочной железы. Выделены четыре фенотипа с различной медианой общей выживаемости: истощённый (1,5 месяца), лимфопенический (4,5 месяца), T2-низкий (8,0 месяцев) и T2-высокий (10,0 месяцев).

Российские исследователи обобщили трёхлетний опыт применения дополненной реальности в хирургии. У пациентов с опухолями головы и шеи 3D-визуализация повлияла на выбор доступа в 35,7% случаев и сократила длительность операции до 110±10 мин против 130±10 мин без технологии. Периоперационных осложнений не зарегистрировано.

Авторы концептуализируют использование пациентами общих ИИ-ассистентов как «параллельный путь» — последовательность вопросов, ответов и действий, невидимую для лечащей команды и не зафиксированную в медицинской документации, но способную влиять на клинические решения.

Структурированные и количественные маммографические признаки улучшили внутривалидированную дискриминацию и внутрикатегориальную стратификацию риска по сравнению с одной только подкатегорией BI-RADS. AUC полной модели составила 0.841 (95% ДИ 0.809–0.877) против 0.770 (0.729–0.815) для BI-RADS alone.

Narrative-обзор описывает технические основы хирургического ИИ и его применение в торакальной онкологии, включая роботическую хирургию. Предоперационные приложения охватывают характеристику узлов, прогноз лимфогенного распространения и анатомическую реконструкцию; интраоперационные — сегментацию анатомии и распознавание фаз операции. Большинство данных ретроспективны и моноцентровые; внешняя валидация ограничена, доказательств улучшения исходов недостаточно.

Качественное исследование показало, что ИИ-алгоритм SHIELD-RT расширил вклад среднего медперсонала в принятие решений при лучевой терапии, заполнив «пробелы власти» — несоответствия между экспертизой персонала и структурной возможностью действовать. Для медсестёр алгоритм усилил прогностические способности, для лучевых терапевтов — придал легитимность эскалации опасений о пациенте, сохранив при этом надзор врачей.

Большие языковые модели (LLM) способны преобразовывать медицинские заметки онкологов в структурированные резюме на доступном языке. Пилотное исследование показало высокую точность (средний балл 26.7/30) и позитивный отклик пациентов и врачей, что поддерживает дальнейшую разработку этого подхода для масштабируемого обучения пациентов.

Разработана информационная платформа Onco-Guard AI, использующая ИИ для автоматизированного уточнения симптомов у онкопациентов между визитами и приоритизации оповещений с учётом загрузки врачей. В симуляционных испытаниях компонент MedCIA достиг покрытия значимых данных wCov@15=69.7, а модуль SICL — показателя безопасности 0.5590.