1. Назад
2. Главные новости
3. Актуальное интервью
4. Олег Эргашев: В Институте экспериментальной медицины ведутся научные исследования мирового уровня с использованием технологий искусственного интеллекта

Олег Эргашев: В Институте экспериментальной медицины ведутся научные исследования мирового уровня с использованием технологий искусственного интеллекта

Интервью с доктором медицинских наук, профессором, директором Института экспериментальной медицины О.Н. Эргашевым

 

- Олег Николаевич, 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.