Наука

Движение против боли 157 систематических обзоров, 2736 рандомизированных контролируемых испытаний и 221 279 участников. Исследователи из Университета Аделаиды свели всё это в одну работу. Это самый полный на сегодня разбор того, помогает ли физическая активность при боли. Важно понимать формат. Новый эксперимент не ставили: это «обзор обзоров» с мета-мета-анализом, где каждая исходная работа сама уже обобщала целую серию испытаний. Что-то вроде консилиума из консилиумов вместо мнения одного врача. Итог: упражнения связаны со снижением и острой, и хронической боли — при остеоартрите, мигрени, неврологических и воспалительных заболеваниях, при боли, связанной с раком. В среднем боль уменьшалась примерно на 1,1 балла по шкале от 0 до 10. Помогали самые разные форматы: аэробные нагрузки, силовые тренировки, йога, пилатес и тайцзи. Неожиданный момент: «больше» не значит «лучше». Короткие программы невысокой интенсивности давали даже более сильное облегчение, а ощутимую пользу приносили и программы, где на упражнения уходило меньше двух часов в неделю. Возможный механизм ведущий автор Бен Сингх объясняет так. При нагрузке организм выделяет эндорфины и серотонин — они приглушают ощущение боли и повышают терпимость к ней. Кроме того, упражнения успокаивают воспаление, меняют реакцию мозга на болевые сигналы и улучшают настроение. Хроническая боль есть примерно у каждого пятого взрослого в мире. При этом движение обычно советуют расплывчато — «оставайтесь активными», — тогда как лекарства назначают с точной дозировкой. Авторы хотят, чтобы упражнения стали полноценной частью комплексного лечения боли, а врачи получили чёткие ориентиры: какие нагрузки, кому, насколько интенсивные и как долго. И одна оговорка, которую легко пропустить. Эффект упражнений оказался примерно на 60% больше среднего эффекта популярных обезболивающих в других исследованиях хронической боли. Но эти цифры взяты из разных работ — напрямую «таблетку» и «тренировку» никто не сравнивал. Поэтому делать вывод, что упражнения лучше лекарств при какой-то конкретной болезни, нельзя. @vselennayaplus

Осталась неделя до дедлайна #ERC. Все очень плохо: из двух текстов, которые надо подать (более общий и более технический) я закончил первый, во втором только наброски пока. Пишу с утра до ночи, но работы еще какое-то огромное количество. После разных экспериментов построил такой воркфлоу в чатгпт: у меня есть проект с 5 чатами разной тематики с разными моделями: общая концепция (6 Astra High), бюджет (5.6 Sol High), оборудование (5.6 Sol High), написание текста (5.6 Sol Max) и рецензент (6 Astra High). Я пишу черновик, передаю чатгпт на улучшение и правки языка, читаю результат, правлю, возращаю обратно...и т.д. Когда возникают вопросы по науке, перехожу в другой чат. Потом черновик отдаю на рецензию в еще один чат, у которого нет доступа к информации остальных чатов и прошу написать рецензию отдельным большим промптом. Первая рецензия была совершенно разгромной, он сказал, что не порекомендует меня на продолжение. При этом указал на реальную лажу. Мне пришло переписать с нуля большую часть текста. После 6 циклов рецензий (у рецензента нет доступа к истории, так что он каждый раз подходит с нуля) начал получать сперва в меру положительные отзывы, а последний был однозначной рекомендацией. Самое сложное в этом: количество переделок. Обычно я пишу основу текста и дальше уже переделываю только детали. И как получится — так получится. Тут же рецензии указывают на реальные косяки с логикой, так что приходится переписывать практически с нуля. Что могу сказать по итогу этого упражнения с ИИ: он все еще жесть тупой местами! Сам он пишет полную фигню, нормальный текст рождается только из моего черновика + много циклов очень аккуратной вычитки и правок. Если не обратить внимание, он регулярно не выдерживает баланс между деталями и общей картиной (погружаясь в очень специфические детали в ответ на мои комментарии). Короче, это одновременно и очень круто (без ИИ я бы не осилил в жизни), и очень непривычно — приходится учиться буквально на лету, переделывать мышление и подход к созданию текста. Уф!

Раковина, которая помнит XVIII век Чтобы узнать, какой была вода на Большом Барьерном рифе двести с лишним лет назад, учёным хватило одной раковины. Правда, в ней пришлось просверлить 784 крошечных отверстия. Раковина длиной 58 см принадлежала гигантской тридакне — крупнейшему из ныне живущих двустворчатых моллюсков (бывают до 1,2 м и тяжелее 200 кг). Её нашли в лагуне островов Джиигурру, они же группа Лизард, на севере рифа. Радиоуглерод показал: моллюск жил примерно с 1785 по 1827 год, на излёте Малого ледникового периода. Тридакна, по сути, ведёт дневник. Смена дня и ночи оставляет в раковине микроскопические суточные линии, смена сезонов — широкие годовые полосы, как кольца у дерева. Линии работают как даты, а «текст» пишет морская вода: от неё зависит химия каждого слоя. Учёные насчитали почти 10 900 суточных линий — около 30 лет жизни. В порошке из отверстий измерили изотопы: кислород выдаёт температуру воды, углерод — подсказки про осадки. Привязав их к линиям роста, команда получила помесячную картину рифа до индустриального потепления. Сравнение с замерами в той же лагуне за 1995–2015 годы показало, что в среднем вода была холоднее на 0,6–0,9 °C. Лето — на 0,9–1,2 °C прохладнее, а зимы почти такие же, как сейчас. Ещё в записи видны смена влажных и сухих сезонов и циклы в 2–3 года, похожие на местные Эль-Ниньо и Ла-Нинья. В конце 1700-х чаще бывали тёплые и сухие эпизоды, в начале 1800-х — прохладные и влажные, включая самые сильные за всю запись. Зачем всё это? Подробные доиндустриальные климатические записи в основном получены в Северном полушарии и высоких широтах, а тропические моря Южного изучены слабо. Тридакны живут по всему тропическому Индо-Тихоокеанскому региону и могут закрыть этот пробел. @vselennayaplus

В Канзасе построят крупнейшую в мире систему хранения энергии в углеродных блоках Канзасское биохимическое предприятие Pratt Energy планирует использовать тепловую батарею емкостью на 5,8 6 ГВт·ч для круглосуточного снабжения своего завода по производству этанола. Проект, за реализацию которого отвечает компания Antora Energy, должен стать после завершения одной из самых крупных систем накопления энергии в мире и одной из самых дешевых — стоимость материала для блоков аккумулирования тепла всего $1 за кВт*ч, что в 50 раз дешевле, чем у литий-ионных батарей. https://hightech.plus/2026/10/07/v-kanzase-postroyat-krupneishuyu-v-mire-sistemu-hraneniya-energii-v-uglerodnih-blokah

6 лет без аварий: как SpaceX защищает Starlink от столкновений на орбите. В тексте будет часто встречаться слово эфемериды. Если вы с не знакомы, то это по сути прогноз по траектории — заранее просчитанные координаты и скорость объекта на определённые моменты времени. Всё из того же выступления Майкла Николса про Starlink есть ещё несколько интересных моментов. Сперва про проблематику. Главный риск для группировки Starlink не космический мусор, а непредсказуемые корректировки орбиты других аппаратов. Мусор легче отслеживать и закладывать в план коррекции, а вот большая часть операторов проводит коррекции орбиты без предупреждения, или учёта Starlink, или без оповещения по эфемеридам после своих манёвров. Это всё как хаотичный трафик на дороге. Как это решают? - Вопрос коммуникации. Связь со всеми аппаратами стараются поддерживать 24/7, чтобы уточнять данные в реальном времени и обновлять эфемериды по каждому раз в час (манёвры обновляют отдельно). Это впечатляющий и обновляемый массив данных. Практически все коррекции Starlink проводят в автоматическом режиме — более 1000 в день для всей группировки. В этом году уже 300 тысяч. - Они также проводит маневры уклонения (ducking): при опасном сближении они разворачивают аппарат в нужную сторону, чтобы уменьшить площадь поперечного сечения спутника в плоскости потенциального столкновения — это дополнительно снижает вероятность столкновения. Для тех, кто запутался, вспомните, как в толпе поворачиваете тело в нужную сторону, чтобы меньше с людьми толкаться. Принцип тот же. - SpaceX используют инженерные камеры и стартрекеры на своих аппаратах для мониторинга пространства вокруг — сейчас на орбите 30 тысяч таких камер. Это полноценная мониторинговая служба низкой орбиты. Они уже мониторят 17000 объектов и примерно 90% спутников на орбите, которые могут её корректировать. Поскольку SpaceX не телепаты и не могут предугадывать решения других операторов, то вынуждены всё мониторить сами. - Они начали открывать доступ к системе Stargaze — сейчас в списке более 100 операторов, которые могут сами мониторить эфемериды спутников Starlink и загружать туда же свои данные. SpaceX видят такой системе и обмене данных первый шаг к решению общей проблемы. По мере роста числа группировок — именно обмен данными будет играть критическую роль. - Помимо рукотворных объектов, другим важным фактором является космическая погода и атмосферное сопротивление. Сама орбита детерминистична, но солнечная активность может влиять на плотность остаточной атмосферы (был пример до 5x за пару часов), а это влияет на заранее просчитанную орбиту аппарата. Шутка ли, что вся группировка Starlink чуть ли не один из самых точных инструментов на орбите по анализу плотности остаточной атмосферы Земли и изменений в ней. И всё это в реальном времени. А потом? К утилизации аппаратов подходят тоже интересно. В случае планового сценария, им требуется несколько недель, чтобы затормозить до нужной скорости. А если аппарат умер, то регуляторы закладывают 5 и даже 25 лет. Хотя естественный сход происходит за месяцы. Но куда интереснее вычисляют срок для утилизации. По сути, у них есть большая статистическая модель по всем приборам для разных поколений Старлинков. И по ним они предсказывают степень надёжности железа — как отдельных компонентов, так и целой пачки. Если начинаются отказы для какого-то компоненты на нескольких аппаратов, то они могут превентивно свести всю пачку. Благодаря этому подходу сейчас на орбите всего несколько мёртвых спутников Starlink, хотя до этого было несколько десятков. Ещё интересно, что понимая срок жизни аппаратов первых поколений, они заранее снизили их орбиту с 550 до 500км, чтобы в случае чего они быстрее сходили сами. Также by design Старлинки должны безопасно сгорать в атмосфере, но они считают отметки для всех компонентов на разной высоте. Но это критично для нештатного схода, когда какие-то обломки могут долететь до поверхности. Поэтому сводят над океаном в нужных зонах.

🌟 MIT CSAIL опубликовала модель разметки анатомии на рентгеновских снимках MIT вместе с коллегами из Массачусетской больницы общего профиля и Гарвардской медицинской школы сделала модель FleXray, которая находит и выделяет на снимке 60 анатомических структур, от рёбер и позвонков до костей таза и конечностей. Модель работает с разными областями тела, стандартными и косыми проекциями, кадрами рентгеноскопии во время операций, снимками взрослых и детей. На размеченных структурах можно автоматически делать измерения, например угла искривления позвоночника при сколиозе, или сопоставлять кадры рентгеноскопии с трёхмерной КТ для навигации во время вмешательств.

Патологии модель не ищет, только анатомию, и правую сторону от левой не отличает.

Внутри свёрточная сеть U-Net, снимок перед обработкой приводится к размеру 256 на 256 пикселей. Для максимального качества пять таких сетей работают ансамблем. 🟡Тесты На восьми наборах реальных снимков с разметкой FleXray набрала в среднем 0,875 по коэффициенту Dice, который показывает, насколько выделенная область совпадает с эталонной, от 0 до 1. Универсальные PAXray, TotalSegmentator2D и FluoroSAM она обошла на семи наборах из восьми. Сети nnU-Net, которые обучали отдельно под каждый набор, набрали в среднем 0,914. В оценке сколиоза средняя ошибка в угле искривления составила 5,13 градуса против 6,38 у TotalSegmentator2D. При совмещении кадров рентгеноскопии с КТ медианная ошибка снизилась с 335 до 1,2 мм.

Попробовать FleXray можно в браузерной демоверсии, которая работает локально через WebGPU.

📌Лицензирование: CC-BY-NC-4.0 🟡Страница проекта 🟡Модель 🟡Arxiv 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #CV #Medical #Segmentation #FleXray

Эволюционный тупик утопии С позиции эволюционной кибернетики любая изолированная система стремится к гомеостазу – рассмотрим на примере сериала «Полдень», который недавно вышел в Okko. Модель Земли конца XXIII века здесь представлена как полностью сбалансированная социальная макросистема, ликвидировавшая внутренние кризисы. Но её стабильность нарушается обратным вектором: возвращением из космоса собственного агента-прогрессора, который после контакта со сверхцивилизацией Странников гипотетически стал носителем чужой разрушительной программы. Земная Комиссия демонстрирует классический «синдром предтеч» — иррациональный страх перед более могущественным разумом. Это показывает, насколько хрупким может быть идеальный мир. Чтобы выжить и защитить себя, общество вынуждено включить жесткий контроль и силу — а это полностью перечеркивает все его принципы и ценности.

История Red Queen Bio: как с помощью AI они борются с биоугрозой, созданной этим же AI У WSJ вышла статья про компанию Red Queen Bio. Она набрала уже $36 млн инвестиций, а среди инвесторов у них OpenAI. И занимаются интересным делом: пытаются c помощью AI разработать средства от биоугроз, которые может породить AI. А один из основателей там — Николай Ерошенко. И после этого уже точно захотелось поковыряться в их истории. 🌸 Давайте начнем с предыстории. Red Queen Bio родилась из другой компании — HelixNano. И вот у прародительницы два основателя — Николай Ерошенко и Ханну Раяниеми. Николай Ерошенко (слева) — биоинженер. Он с 2008 года учился в Гарварде, занимался там генетикой, защищал диссертацию по этой теме. Правда, как он оказался в США, мне найти не удалось. Ханну Раяниеми (справа) к биологии не имел отношения, он математик. А еще писатель-фантаст. Он, кстати, в своих книгах описывает атаки биологическим оружием и борьбу с ними. А интерес к биологии у него появился тогда, когда его мать умерла от рака. Так он стал изучать эту тему — ему захотелось привнести разработки из лабораторий в массовое использование. Ерошенко и Раяниеми объединились и запустили HelixNano. Изначально они занимались тем, что пытались создать лекарство от рака. Если совсем грубо, то они разрабатывали технологии программирования клетки, чтобы она вырабатывала нужные вещества. Они хотели сделать платформу, с помощью которой можно было бы бороться с разными болезнями. В 2017-м HelixNano попала в Y Combinator. А в 2020-м стали искать средство от ковида. Оказалось, что их технологию можно довольно быстро переориентировать и на эти цели. Тогда борьбой с ковидом активно занимался и Сэм Альтман. Ерошенко и Раяниеми общались тогда с ним по этой теме. 🌸 А потом из HelixNano выросла Red Queen Bio. В ноябре прошлого года она привлекла seed-раунд на $15 млн, где лид-инвестором выступила OpenAI. А сейчас насобирали уже $36 млн Как пишет WSJ, Red Queen — это отсылка к королеве из «Алисы в Стране чудес». Она говорила Алисе, что нужно бежать изо всех сил, чтобы оставаться на месте. Вот и этим ребятам нужно бежать изо всех сил, чтобы адаптироваться к изменениям. Главное опасение в том, что рано или поздно с помощью AI могут замутить какой-нибудь новый вирус. Компании, вроде OpenAI и Anthropic, периодически фиксируют в запросах интерес к этой теме. Вот Red Queen Bio, собственно, и готовится отразить атаку. Они с помощью AI разрабатывают антитела для разных вирусов. В следующем году у них запланированы клинические испытания на людях антител для борьбы с птичьим гриппом и другими вирусами этой группы. Но в пайплайне у них сильно больше опасных для человечества вирусов. Они разрабатывают антитела для одного вируса, загружают их в свою модель. Та совершенствуется и начинает разрабатывать антитела еще эффективнее. Это если прям кратко. И основатели Red Queen Bio надеются, что в случае чего им удастся быстро разработать антитела для нового вируса с помощью своей модели. Но у них есть и еще одно направление. Они сотрудничают с OpenAI и изучают, как чат-боты реагируют на разные опасные запросы о вирусах, биооружии и так далее. Ну, будем надеяться, что у них все получится! @TheEdinorogBlog — тот самый канал про стартапы🦄