Новые сообщения в профилях


⛵
Ладожский тест‑драйв: приключение на Кошкинском фарватере!


С 29 по 31 мая в живописном загородном яхт-клубе «Кошкинский фарватер» уже в четвёртый раз прошло главное весеннее событие для любителей активного отдыха на воде — «Ладожский тест-драйв».

Ладожский тест‑драйв»- незабываемое событие для всех любителей яхтинга!
🌊
🧭


Это отличная возможность:
испытать ходовые качества разных яхт в реальных условиях Ладоги;
отработать манёвры на сложном участке фарватера;
обменяться опытом с единомышленниками;
насладиться красотой ладожских пейзажей и свежим ветром больших вод.

На мероприятии были представлены различные модели катеров от нескольких производителей: «Триера», Vboats, KFboats, Albakore, Searene Yachts, СПЭВ, Victory, Berkut, River Brothers, «Салют», КАЗ «Север» и многие другие

На территория яхт-клуба : веревочный парк, конный клуб, спортивные и детские площадки, а также была представлена уникальная возможность покататься на досках SUP!

В Ладожском тест-драйве приняли участие катер "Великолепный" и Алексей Баронов и катер "Хемуль" от компании "Невская судоверфь"

Спасибо всем, кто стал частью этого события. До новых встреч на воде!
💙


📍
Место: Кошкинский фарватер, Ладожское озеро
🛥
Формат: тест‑драйвы яхт, практические тренировки, обмен опытом, неформальное общение у костра.


Indite написал в профиле ВЕЛИКОЛЕПНЫЙ.
При бронировании прогулки через сервис Indite https://indite.dev/dbtech-ecommerce/1/,
Зарегистрированный пользователь повышается в правах до уровня Indite Premium, что позволяет участвовать в реферальной программе, получая 20% от последующих заказов рефералов.

ИИ здорового человека

TechnoLab

visibility
22 Дек 2019
indite.ru
img-2a9304f48a6414c3-4449763682965927



Несмотря на хайп, спекуляции и пугающие прогнозы, мало кто из специалистов сомневается: искусственный интеллект действительно изменит мир. А вот кто выиграет от перемен и какую цену придется за них заплатить — пока открытые вопросы.


История показывает, что технологические прорывы вместе с возможностями почти всегда приносят кризисы, заставляя общество заново искать баланс. Но есть сфера, в которой польза технологического прогресса на протяжении десятилетий выглядит почти бесспорной. Это медицина.


ForkLog разобрался, как уже сегодня применение искусственного интеллекта ускоряет создание новых препаратов, оптимизирует лабораторные процессы, повышает точность диагностики и меняет подходы к лечению заболеваний.

Разработка препаратов​


Большинство лекарств работает за счет взаимодействия с белками-рецепторами — молекулярными структурами, которые регулируют работу клеток и участвуют практически во всех процессах организма.


Системы искусственного интеллекта способны анализировать структуру белков-рецепторов и предсказывать, какие соединения смогут взаимодействовать с ними наиболее эффективно и с минимальными побочными эффектами. Благодаря этому задачи, которые раньше требовали многих лет лабораторных исследований, все чаще удается решать за месяцы.


По оценкам экспертов Всемирной организации здравоохранения (ВОЗ), в ближайшие годы большинство новых фармацевтических препаратов так или иначе будет разрабатываться с использованием ИИ.

AlphaFold и Isomorphic Labs​


В 2024 году Нобелевскую премию по химии получили Дэвид Бейкер, Демис Хассабис и Джон Джампер. Двое последних работают в Google DeepMind, их наградили за разработку методов предсказания структуры белков, включая AlphaFold, основанный на машинном обучении.


В 2018 году AlphaFold заняла первое место в «конкурсе» молекулярного прогнозирования Critical Assessment of Structure Prediction (CASP), продемонстрировав эффективность в самых сложных категориях. Через два года, на следующем CASP, победила новая версия — AlphaFold 2.


В 2021 году Google DeepMind выложила в открытый доступ код AlphaFold2 и базу предсказанных белковых структур. Примерно тогда же Хассабис основал Isomorphic Labs — дочернюю компанию Alphabet, которая развивает ИИ для разработки лекарств.


В 2024 году Isomorphic Labs заключила партнерства с Eli Lilly и Novartis. Сделки предусматривали финансирование ИИ-исследований компании на сумму до $1,7 млрд и до $1,2 млрд соответственно. В 2026 году Isomorphic Labs также объявила о партнерстве с Johnson & Johnson.


В феврале 2026 года Isomorphic Labs представила универсальную среду разработки медикаментов Drug Design Engine (IsoDDE), построенную на технологиях AlphaFold.


Сейчас Isomorphic Labs работает над решениями в области онкологии и иммунологии. Несмотря на ускорение разработок при помощи ИИ, проекты пока остаются на стадии доклинических исследований. Компания рассчитывает начать первые испытания на людях в ближайшие годы.

Exscientia и Recursion Pharmaceuticals​


Основанная в 2012 году Exscientia стала одной из первых компаний, системно применивших машинное обучение для разработки медикаментов.


В 2020 году препарат DSP-1181 для терапии при ОКР стал первым созданным с применением ИИ продуктом, вышедшим на стадию клинических исследований. Разработку вели совместно с японской фармацевтической компанией Sumitomo Dainippon Pharma, которая взяла на себя синтез и лабораторные тесты, опираясь на теоретические результаты Exscientia.


К 2023 году у компании были готовы 8 молекул-кандидатов, разработанных «существенно быстрее» среднего по индустрии.


В 2024 году компания Recursion Pharmaceuticals выкупила Exscientia в рамках сделки на $688 млн. Часть исследовательских программ закрыли.


К тому моменту несколько препаратов дошли до второй стадии клинических испытаний — проверки эффективности и побочных эффектов на группе из 100–300 пациентов.


Слияние с Recursion Pharmaceuticals позволило использовать ИИ-системы Exscientia в комбинации с автоматизированным лабораторным комплексом для тестирования. Кроме того, Recursion построила собственный ИИ-суперкомпьютер BioHive-2 на NVIDIA H100 для обучения специализированных моделей.


Компания также поучаствовала в разработке открытой генеративной модели Boltz-2, предназначенной для прогнозирования трехмерной структуры белков.

К 2025 году Recursion Pharmaceuticals сконцентрировала усилия на четырех программах в области онкологии и двух, связанных с редкими заболеваниями. Несколько препаратов уже находятся на переходном этапе между первой и второй фазами испытаний:

  • REC-4881 для терапии врожденного аденоматического полипоза — заболевания, повышающего риск колоректального рака;
  • REC-617 — для лечения при злокачественных опухолях яичников;
  • REC-1245 для борьбы с лимфомой и другими формами злокачественных опухолей.

Препарат REC-3565, предназначенный для лечения хронического лимфолейкоза, проходит первую стадию клинических испытаний.

Insilico Medicine​


Основанная в 2014 году Insilico Medicine — другой значимый игрок в ИИ-разработке медицинских препаратов.


В 2017 году Insilico Medicine внесли в топ-5 проектов по уровню социального влияния по версии Nvidia.


Компания использует искусственный интеллект на всех этапах цикла разработки:

  • система PandaOmics отвечает за поиск биологических «целей» — молекул, которые нужно «отключить» или отрегулировать в рамках терапии;
  • Chemistry42 обеспечивает генеративный дизайн подходящих соединений;
  • InClinico оптимизирует прогнозирование клинических испытаний.

Одно из ранних ИИ-достижений Insilico Medicine — препарат Rentosertib (ISM001-055), связанный с лечением фиброза. Разработка заняла 18 месяцев от обнаружения цели ИИ-системой до получения молекулы-кандидата. По состоянию на 2025 год Rentosertib проходит вторую фазу клинических испытаний.


Кроме того, в 2024 году разработанный ИИ иммуномодулирующий препарат ISM3312 для COVID-19 и других вирусных инфекций прошел первую фазу испытаний. ISM3091, связанный с терапией раковых заболеваний, допустили к тестам на пациентах.

Диагностика и исследования​


По оценкам специалистов, около 90% всей медицинской информации представлено изображениями вроде рентгеновских снимков и томограмм. Эти данные критически важны в диагностике, однако их анализ — трудоемкая и нетривиальная задача.


Методы машинного обучения, в особенности сверточные нейронные сети, хорошо подходят для распознавания сложных визуальных паттернов. Аналогично человеческому зрению, такие системы способны различать контрастные края, формы и текстуры на изображении. Это позволяет с высокой уверенностью выявлять опухоли, кровотечения и другие аномалии.


Для обучения ИИ-моделей доступны заведомо качественные данные — массивы задокументированных снимков с комментариями экспертов.


В 2024 году исследователи из Гарвардской медицинской школы представили ИИ-модель Chief, способную выявлять несколько форм рака. По данным разработчиков, решение корректно обнаруживало признаки заболевания на цифровых изображениях в 94% случаев.


В 2025 году Управление по контролю качества пищевых продуктов и лекарственных средств США (FDA) присвоило статус «прорывного устройства» модели Damo Panda от Damo Academy — исследовательского подразделения корпорации Alibaba.


По данным разработчиков, система способна распознавать признаки рака поджелудочной железы на томограммах еще до проявления симптомов, что особенно важно для этой формы заболевания.


В 2026 году существенным прорывом в ИИ-диагностике стала система REDMOD, разработанная американской некоммерческой организацией Mayo Clinic.


Модель, также предназначенная для выявления рака поджелудочной железы, обошла специалистов в диагностике заболевания на ранних стадиях. Согласно заявлениям исследователей, система находила патологические изменения на томограммах в среднем за 475 дней до постановки диагноза.

Инициативы Google​


Google выступает одним из ключевых провайдеров ИИ для медицинской диагностики и исследований.


Компания предлагает линейку открытых моделей для анализа медицинских текстов, изображений и аудио MedGemma на базе Gemma 3.


Через Health AI Developer Foundations разработчикам доступны открытые наборы весов и ИИ-инструменты.


Google сотрудничает с рядом клиник и исследовательских организаций, фокусируясь на развитии фундаментальных технологий.


В 2019 году компания презентовала модель для выявления и прогнозирования рака легких. Модель проявила себя наравне или лучше в сравнении с группой из шести сертифицированных радиологов.


В 2020 году в рамках совместной работы с Northwestern Medicine исследователи продемонстрировали систему для анализа маммограмм, способную выявлять рак на уровне профильного специалиста.


В 2024 году Google Cloud и немецкая фарма-компания Bayer объявили о запуске платформы для скрининга рентгенограмм. Система анализирует историю снимков и данные из истории болезни, формируя предположения о возможных патологиях.

Роботы-рентгенологи NVIDIA и GE HealthCare​


Технологический гигант Nvidia и американская медтех-компания GE HealthCare, производящая оборудование для рентгеноскопии, разрабатывают собственную ИИ-систему для автономного получения изображений.


В отличие от моделей, которые анализируют уже готовые снимки, это решение должно снизить рутинную нагрузку на специалистов и сделать диагностику более стандартизированной.


На первом этапе система будет работать с рентгенограммами и ультразвуковыми изображениями.


Также GE HealthCare планирует использовать NVIDIA Isaac for Healthcare — платформу для разработки автономных медицинских систем, включая хирургических роботов.

Диагностическая платформа PathAI​


Основанная в 2016 году компания PathAI разработала «цифровую платформу патологий» AISight Dx, предназначенную для первичной диагностики в клинических условиях.


Система предлагает среду для работы с медицинскими изображениями с возможностью подключать сторонние алгоритмы для анализа данных.


Заявлена поддержка набора CE-IVD-сертифицированных решений на основе ИИ, в частности — «плагины» для онкологической диагностики:

  • DeepDx Prostate позволяет автоматически подсвечивать ткани на изображении и выделять потенциально важные для диагностики участки;
  • Histotype Px Colorectal на основе снимков строит прогнозы протекания заболевания, оценивает целесообразность химиотерапии и предлагает терапевтические рекомендации;
  • Visiopharm выявляет и подсчитывает биомаркеры для различных форм рака.

На платформе есть собственные функции для автоматического анализа изображений, помощи в формировании диагноза и написания отчетов, но они пока предназначены «исключительно для исследовательских целей» и не допускаются для применения в клиническом контексте.


AISight Dx также предлагает встроенные вспомогательные ИИ-инструменты:

  • ArtifactDetect — для поиска артефактов сканирования и других ошибок на изображениях;
  • Case Priority — для приоритезации клинических кейсов на основе анализа тканей;
  • AIM-Tumor Cellularity — для оценки клеточного состава опухолей.

В 2022 году решение получило одобрение американского FDA по форме 510(k) и европейский знак качества CE, свидетельствующий о безопасности изделия для потребителей и окружающей среды.


В 2025 году PathAI объявила о партнерстве с онкологическим центром Мофитт во Флориде, США, для внедрения AISight Dx в процессы диагностирования. В 2026 году компания заключила схожее соглашение с медицинским университетом Цюриха (University Hospital Zurich).


В мае 2026 года швейцарская фармакологическая компания Roche объявила о приобретении PathAI в рамках сделки стоимостью свыше $750 млн.

Проблемы и ограничения​


Как и в других отраслях, применение ИИ в медицине обостряет системные проблемы и порождает новые.


ИИ-ассистенты, особенно на основе LLM, не застрахованы от галлюцинаций.


В исследовательской работе Google о модели Med-Gemini нашлась ошибка: модель «выдумала» несуществующую область мозга под названием базилярные ядра.


Галлюцинация образовалась на основе двух реальных анатомических имен: базальных ядер и базилярной артерии. Разработчики сослались на опечатку, однако несколько специалистов назвали инцидент тревожным примером рисков внедрения ИИ-ассистентов в медицине.


Исследователи из Стэнфордского университета обнаружили в ИИ-моделях способность убедительно диагностировать заболевания по медицинским снимкам без доступа к самим снимкам.


Одна из проанализированных систем «вслепую» показала высокие результаты в тесте по рентгенологии. Модели GPT-5, Gemini 3 Pro и Claude Opus 4.5 «уверенно описывали визуальные детали» на несуществующих изображениях.


Согласно опубликованному в июне того же года исследованию, в медицинском контексте в 7,1% случаев ответы GPT-4 на вопросы пациентов оказывались некорректными и могли бы привести к значительному вреду. В одном случае из 156 ошибка влекла риск для жизни.


По данным 2025 года, инструменты для автоматического составления документации по результатам диалога с пациентом вносили ошибки в 70% клинических заметок. Модели добавляли в транскрипцию разговора ложные факты, пропускали тезисы и путали понятия.


Помимо того, что LLM выдумывают органы, им свойственна непрозрачность логики, что затрудняет анализ человеком того, каким образом получены те или иные выводы.


Нехватка репрезентативности в датасетах может формировать предубеждения и привязку к ложным закономерностям в обученных на них моделях.


Кроме того, типичные для ИИ-ассистентов проблемы когнитивной зависимости пользователей и приватности данных только обостряются в контексте здравоохранения.


Специалисты ВОЗ относят применение искусственного интеллекта в медицине к области высокого риска.


В рамках европейского закона AI Act с августа 2026 года ИИ-системы этой категории будут обязаны соответствовать ряду специальных требований, связанных с управлением рисками, отчетностью и контролем со стороны человека.


Несмотря на сложности и потенциальные риски внедрения, в ВОЗ положительно оценивают перспективы искусственного интеллекта в медицине при условии должных правил и контроля со стороны государственных ведомств.


В американском FDA тоже оптимистично отзываются о перспективах медицинского ИИ, хотя признают существующее регулирование устаревшим. Формально в США подобные системы относят к ПО в категории Software as a Medical Device.


В 2025 году FDA опубликовало набор рекомендаций, относящихся к жизненному циклу ИИ-продуктов, управлению рисками и маркетингу.
 

интеллектуальный помощник

cat > /var/www/indite_dev_usr/data/www/indite.dev/qwen_proxy.php << 'PROXY_EOF' 'Метод не разрешен']); } function verifyUserById($userId) { if (!$userId || $userId <= 0) return false; try { require_once XF_PATH . '/src/XF.php'; \XF::start(XF_PATH); $app = \XF::app(); $app->setup(); $user = \XF::em()->find('XF:User', (int)$userId); return $user !== null && $user->user_state === 'valid'; } catch (\Throwable $e) { return false; } } function checkAuthViaCookie() { try { require_once XF_PATH . '/src/XF.php'; \XF::start(XF_PATH); $app = \XF::app(); $app->setup(); $visitor = \XF::visitor(); $userId = $visitor->user_id ? (int)$visitor->user_id : 0; return ['is_logged_in' => $userId > 0, 'user_id' => $userId, 'username' => $visitor->username ?: '', 'method' => 'cookie']; } catch (\Throwable $e) { return ['is_logged_in' => false, 'user_id' => 0, 'username' => '', 'method' => 'cookie_failed']; } } $rawInput = file_get_contents('php://input'); $input = json_decode($rawInput, true); if (json_last_error() !== JSON_ERROR_NONE) { http_response_code(400); sendJson(['error' => 'Некорректный JSON']); } $userMessage = trim($input['message'] ?? ''); $imageData = $input['image_data'] ?? null; $imageMime = $input['image_mime'] ?? 'image/jpeg'; $mode = $input['mode'] ?? 'text'; $history = $input['history'] ?? []; $domUserId = $input['user_id'] ?? null; $seed = isset($input['seed']) ? (int)$input['seed'] : null; $auth = checkAuthViaCookie(); if (!$auth['is_logged_in'] && $domUserId && $domUserId > 0 && verifyUserById($domUserId)) { $auth['is_logged_in'] = true; $auth['user_id'] = (int)$domUserId; $auth['method'] = 'dom'; } $generateKeywords = ['нарисуй','нарисовать','сгенерируй','сгенерировать','создай изображен','создать изображен','изобрази','покажи картинк','создай картинку','make an image','generate image','draw','paint','create an image','иллюстрац','рису','нарис','сгенери','созда']; $videoKeywords = ['создай видео','сгенерируй видео','анимируй','анимация','видео','video','animation','animate','сделай видео','покажи видео','оживи','оживить','анимируй картинку','оживи картинку','оживи фото']; $msgLower = mb_strtolower($userMessage); $looksLikeVideo = false; $looksLikeImage = false; foreach ($videoKeywords as $kw) { if (mb_strpos($msgLower, $kw) !== false) { $looksLikeVideo = true; break; } } if (!$looksLikeVideo) { foreach ($generateKeywords as $kw) { if (mb_strpos($msgLower, $kw) !== false) { $looksLikeImage = true; break; } } } // Приоритет: видео > генерация картинки > анализ фото > текст if ($looksLikeVideo) { $mode = 'video'; } elseif ($looksLikeImage) { $mode = 'generate'; } elseif ($mode === 'text' && $imageData) { $mode = 'vision'; } if (!$auth['is_logged_in'] && in_array($mode, ['vision', 'generate', 'video'])) { http_response_code(403); sendJson(['error' => 'auth_required', 'message' => 'Для использования этой функции необходимо зарегистрироваться на Indite.']); } if (empty($userMessage) && $mode !== 'generate' && $mode !== 'video') { http_response_code(400); sendJson(['error' => 'Сообщение пустое']); } if (mb_strlen($userMessage) > 4000) { http_response_code(400); sendJson(['error' => 'Сообщение слишком длинное']); } $negEnc = urlencode(POLLINATIONS_NEG); // === ВИДЕО: мгновенно отдаём 3 URL (БЕЗ проверок!) === if ($mode === 'video') { $enc = urlencode($userMessage); $base = $seed !== null ? $seed : rand(1, 999999); $urls = []; for ($i = 0; $i < 3; $i++) { $urls[] = 'https://image.pollinations.ai/prompt/' . $enc . '?width=1024&height=1024&seed=' . ($base + $i * 777) . '&nologo=true&model=' . POLLINATIONS_MODEL . '&enhance=true&negative_prompt=' . $negEnc . '&referrer=indite.dev'; } sendJson([ 'choices' => [['message' => ['content' => '🎬 Создаю видео: "' . $userMessage . '"']]], '_video_urls' => $urls, '_video_mode' => 'kenburns', '_auth' => $auth, '_mode' => 'video', '_auto_detected' => true, '_source' => 'pollinations' ]); } // === ГЕНЕРАЦИЯ КАРТИНКИ: мгновенно, с enhance === if ($mode === 'generate') { $enc = urlencode($userMessage); $s = $seed !== null ? $seed : rand(1, 999999); $url = 'https://image.pollinations.ai/prompt/' . $enc . '?width=1024&height=1024&seed=' . $s . '&nologo=true&model=' . POLLINATIONS_MODEL . '&enhance=true&negative_prompt=' . $negEnc . '&referrer=indite.dev'; sendJson([ 'choices' => [['message' => ['content' => '🎨 Изображение: "' . $userMessage . '"']]], '_image_url' => $url, '_seed' => $s, '_auth' => $auth, '_mode' => 'generate', '_auto_detected' => true, '_source' => 'pollinations' ]); } // === TEXT / VISION === function callOpenRouter($requestData) { $ch = curl_init(); curl_setopt_array($ch, [ CURLOPT_RETURNTRANSFER => true, CURLOPT_POST => true, CURLOPT_URL => OPENROUTER_API_URL, CURLOPT_TIMEOUT => 90, CURLOPT_CONNECTTIMEOUT => 15, CURLOPT_HTTPHEADER => ['Content-Type: application/json', 'Authorization: Bearer ' . OPENROUTER_API_KEY, 'HTTP-Referer: ' . SITE_DOMAIN, 'X-Title: ' . SITE_NAME] ]); curl_setopt($ch, CURLOPT_POSTFIELDS, json_encode($requestData, JSON_UNESCAPED_UNICODE)); $response = curl_exec($ch); $httpCode = curl_getinfo($ch, CURLINFO_HTTP_CODE); curl_close($ch); return ['response' => $response, 'httpCode' => $httpCode]; } $messages = []; if ($mode === 'vision' && $imageData) { $content = []; foreach ($history as $msg) { if (($msg['role'] ?? '') === 'user' && !empty($msg['content'])) $content[] = ['type' => 'text', 'text' => 'Previous: ' . $msg['content']]; } $content[] = ['type' => 'text', 'text' => $userMessage ?: 'Опиши это изображение подробно на русском языке.']; $content[] = ['type' => 'image_url', 'image_url' => ['url' => 'data:' . $imageMime . ';base64,' . $imageData]]; $messages[] = ['role' => 'user', 'content' => $content]; $requestData = ['model' => VISION_MODEL, 'messages' => $messages, 'max_tokens' => 1024]; } else { $systemPrompt = 'Ты — дружелюбный и компетентный интеллектуальный помощник на медиахостинге Indite. Отвечай на русском языке, кратко и по делу. Не выдумывай факты.'; $messages[] = ['role' => 'system', 'content' => $systemPrompt]; $recentHistory = array_slice($history, -10); foreach ($recentHistory as $msg) { $role = $msg['role'] ?? 'user'; $content = $msg['content'] ?? ''; if (in_array($role, ['user', 'assistant']) && !empty($content)) $messages[] = ['role' => $role, 'content' => $content]; } $messages[] = ['role' => 'user', 'content' => $userMessage]; $requestData = ['model' => TEXT_MODEL, 'messages' => $messages, 'temperature' => 0.7, 'max_tokens' => 1024]; } $result = callOpenRouter($requestData); if ($result['httpCode'] !== 200) { $requestData['model'] = ($mode === 'vision') ? VISION_FALLBACK : TEXT_FALLBACK; $result = callOpenRouter($requestData); } if ($result['httpCode'] !== 200) { http_response_code($result['httpCode'] ?: 502); sendJson(['choices' => [['message' => ['content' => '⚠️ Не удалось получить ответ от AI-сервиса. Попробуйте ещё раз.']]], '_auth' => $auth, '_mode' => $mode]); } $parsed = json_decode($result['response'], true); if (!is_array($parsed) || !isset($parsed['choices'])) { sendJson(['choices' => [['message' => ['content' => '⚠️ Сервис вернул некорректный ответ.']]], '_auth' => $auth, '_mode' => $mode]); } $parsed['_auth'] = $auth; $parsed['_mode'] = $mode; $parsed['_auto_detected'] = $looksLikeImage || $looksLikeVideo; $parsed['_model_used'] = $requestData['model']; sendJson($parsed); ?> PROXY_EOF chown indite_dev_usr:indite_dev_usr /var/www/indite_dev_usr/data/www/indite.dev/qwen_proxy.php chmod 644 /var/www/indite_dev_usr/data/www/indite.dev/qwen_proxy.php php -l /var/www/indite_dev_usr/data/www/indite.dev/qwen_proxy.php echo "✅ Прокси v12 — точная генерация + мгновенное видео"