Искусственный интеллект в медицине

Интеграция искусственного интеллекта (ИИ) в медицину знаменует собой технологический прорыв, сопоставимый по значимости с фундаментальными открытиями прошлого. Технологии ИИ перестают быть экспериментальными и становятся реальным инструментом в клинической практике, административном управлении и научных исследованиях. В России этот процесс активно поддерживается на государственном уровне, что способствует разработке и внедрению национальных цифровых платформ здравоохранения. Данная статья предлагает структурированный обзор текущего состояния, ключевых областей применения, существующих рисков и будущих векторов развития ИИ в медицинской отрасли.

Знакомство с основными понятиями 

Для понимания возможностей ИИ в медицине необходимо определить базовые понятия.

• Искусственный интеллект (ИИ) — это обширная область информатики, сфокусированная на создании систем, способных выполнять задачи, требующие человеческого интеллекта, такие как анализ данных, прогнозирование и выявление скрытых закономерностей.
• Машинное обучение (МО) — это подраздел ИИ, в рамках которого алгоритмы обучаются на больших объемах данных (например, изображениях, текстах, сигналах) для выполнения конкретных задач без жесткого программирования правил.
• Нейронные сети — один из методов машинного обучения, архитектура которого имитирует работу нервной системы человека. Многослойные, или «глубокие», нейронные сети (глубокое обучение) особенно эффективны для выявления сложных, высокоуровневых признаков в данных.

Как же ИИ обучают выполнять задачи? Представьте,что 100 человек попросили написать цифру 9 и загрузили каждую картинку в нейросеть. ИИ анализирует каждое изображение и пытается выстроить закономерности, что данное распределение пикселей соответствует цифре 9. Зная правильный ответ, нейросеть обучается распознавать те или иные изображения и делать вывод о вероятности того или иного варианта.

Одной из особенностей современных ИИ-алгоритмов является их работа по принципу «черного ящика» (Black box). Зачастую даже разработчикам сложно в полной мере интерпретировать, на основании каких именно закономерностей система пришла к определенному выводу, так как ИИ оперирует не категоричными суждениями, а вероятностями.

История развития ИИ

Развитие медицинского ИИ прошло несколько ключевых этапов:

• 1960–1970-е годы: появление первых экспертных систем, предназначенных для помощи в диагностике на основе введенных симптомов.
• 1990-е – начало 2000-х: активное развитие нейронных сетей, телемедицинских технологий и методов удаленного мониторинга (например, передача ЭКГ по телефону) на фоне роста доступных данных и вычислительных мощностей.
• 2000-2010е годы: стали развиваться глубокие нейронные сети, методы машинного обучения, GRlD-компьютинг ( прообраз облачных технологий). 
• После 2010 года: взрывной рост производительности компьютерных систем привел к расцвету глубокого обучения. ИИ начал активно применяться для анализа медицинских изображений, предиктивной аналитики и поддержки принятия клинических решений, а носимые устройства (Apple Watch, Fitbit) интегрировали функции мониторинга здоровья в повседневную жизнь.

Ключевые области применения в клинической практике

Сегодня ИИ-технологии находят применение на всех этапах оказания медицинской помощи — от диагностики до реабилитации.

Диагностика и системы поддержки принятия врачебных решений (СППВР)

Анализ медицинских изображений — одна из самых развитых областей применения ИИ. Алгоритмы компьютерного зрения с высокой точностью выявляют патологии на рентгеновских снимках, изображениях компьютерной и магнито-резонансной терапии

• Примеры в России: ИИ-сервис Botkin.ai для анализа томограмм и решение Visionlabs в проекте «МосМедИИ» демонстрируют точность до 95%. Внедрение таких систем в РФ повышает точность выявления патологий до 20% и сокращает время диагностического процесса до 40%. С 2023 года в Москве скрининговая маммография с использованием ИИ включена в систему ОМС.
• Международный опыт: Система IBM Watson успешно применяется в онкологии и кардиологии для анализа УЗИ, рентгенограмм и других данных с целью выявления стеноза аортального клапана и других патологий. В 2025 году была представлена модель ИИ, способная с высокой точностью прогнозировать риск развития ишемической болезни сердца на 10 лет вперед, что открывает новые возможности для ранней профилактики.

ИИ также используется для 

• диагностики рака кожи по фотографиям (FotoFinder AI)
• выявления биомаркеров глаукомы (модели LR-RF  и  LASSO)
• анализа рисков ОРВИ и пневмонии (проект СберМедИИ)

Примечательны случаи, когда чат-боты, такие как ChatGPT, помогали в постановке редких диагнозов после многочисленных безуспешных консультаций со специалистами, например, аутоиммунной гемолитической анемии у собаки и синдрома фиксированного спинного мозга у ребенка. Исследования обнаружили, что ChatGPT отвечает на медицинские вопросы лучше, чем врачи на форуме Reddit/AsDocs, в 78% случаев

Персонализированная терапия и фармакология

ИИ способствует переходу к персонализированной медицине, разрабатывая индивидуальные планы лечения на основе генетической информации, анамнеза и данных о предыдущей терапии.

• Медицинская сортировка: ИИ от Enlitic анализирует данные пациента, а затем направляет их к подходящему врачу. 
• Диагностика: компания Babylon Health разработала ИИ, который представляет информацию о здоровье на основе симптомов пациента и предсказывает, как изменения в геноме могут влиять на организм.
• Дозирование препаратов: для расчета оптимальной дозы лекарств применяется метод параболического персонализированного дозирования (ППД). ППД не зависит от механизма развития заболевания и показаний к применению, поэтому его используют в трансплантологии, для лечения рака, инфекционных заболеваний, проведении гемодиализа и сердечно-сосудистых патологий, когда реакция пациента может быть разной и требует тщательной корректировки с помощью оптимизированных входных данных. 

Роботизированная хирургия

Роботы-хирурги являются высокоточными ассистентами, а не автономными хирургами. Они незаменимы в микрохирургии, где требуется многократное повторение точных движений, поскольку не подвержены усталости. Новейшие разработки, такие как микроскопические роботы-крабы, предназначены для проведения малоинвазивных вмешательств.

Применение ИИ в управлении здравоохранением: опыт Москвы

Искусственный интеллект оптимизирует не только клинические, но и административные процессы.

• Единая цифровая платформа здравоохранения (ЕМИАС): внедряемая в Москве с 2011 года, платформа охватывает все городские медучреждения. Она включает:
  • Онлайн-запись к врачу: сервис с интеллектуальными функциями, который собирает первичный анамнез и передает его врачу.
  • Электронная медицинская карта (ЭМК): содержит миллиарды структурированных данных, которые анализирует ИИ-агент, предоставляя врачу краткую выжимку по истории болезни пациента.
  • СППВР «Топ-3»: на основе жалоб и анамнеза ИИ предлагает три наиболее вероятных предварительных диагноза, помогая врачам общей практики.
• Телемедицина: пандемия COVID-19 ускорила внедрение телемедицинских консультаций, которые проводятся на базе специальной онлайн-платформы и регулируются федеральным законодательством.
• Голосовые ассистенты и автоматизированные системы электронных медицинских карт, такие как решения Центра речевых технологий и Webiomed, оптимизируют документооборот. Прогнозная аналитика системы Qventus позволяет эффективнее управлять загрузкой больниц и их ресурсами.
• Дашборды для мониторинга: руководители стационаров используют дашборды, которые в реальном времени анализируют ключевые метрики эффективности работы больниц (например, время ожидания в приемном отделении), преобразуя потоки данных в информацию для принятия управленческих решений. Метрики представляют собой критерии, по которым можно оценить эффективность работы приемного отделения, качество оказания медицинской помощи и соблюдение стандартов диагностики и лечения. По сути это комбинация показателей, представленных в различных разрезах и визуализированных графически. Ранее подобные метрики собирались зачастую вручную, используя выгрузки из разных информационных систем, то есть обширный объем информации стекался из разных источников, сейчас — на единой защищенной онлайн-платформе собраны все виды метрик работы столичного здравоохранения. 

Этические, правовые и практические вызовы

Широкое внедрение ИИ порождает ряд сложных вопросов, требующих немедленного решения.

ИИ-врач: комплементарность или конкуренция?

Большинство экспертов сходятся во мнении, что ИИ должен дополнять, а не заменять врача. ИИ превосходно справляется с анализом больших данных и выявлением паттернов, но только человек-врач способен к эмпатии, пониманию контекста и принятию решений с учетом эмоциональных и социальных факторов. Опросы показывают, что до 80% пациентов предпочитают, чтобы ИИ использовался в паре с врачом, а не вместо него.

Ключевые риски и ограничения:

1. Ответственность за ошибки: кто несет ответственность за неверный диагноз, поставленный ИИ — разработчик, клиника или врач, доверившийся алгоритму?.
2. Проблема «черного ящика»: непрозрачность алгоритмов затрудняет верификацию выводов ИИ и подрывает доверие пациентов.
3. Безопасность данных и киберугрозы: медицинские данные являются крайне чувствительными. Существуют риски утечек, а также атак типа «отравление данных» (внесение искажений в обучающие выборки) и «состязательных атак» (подача измененных данных для получения ложного результата), которые могут привести к фатальным последствиям для пациентов.
4. Смещение фокуса с человека: когда ИИ даёт рекомендации, врач может перестать мыслить критически и начать «просто следовать алгоритму», снижая качество индивидуального подхода.
5. Качество данных и предвзятость алгоритмов: неполные или нерепрезентативные данные для обучения могут приводить к системным ошибкам и дискриминации определенных групп пациентов.
6. Правовое регулирование: в России правовая база для ИИ только формируется. Отсутствие стандартов сертификации ИИ-решений (в отличие от системы FDA в США) и единых баз обезличенных данных замедляет безопасное внедрение технологий. В феврале 2025 года был утвержден кодекс этики в сфере ИИ в медицине, что является важным шагом в этом направлении.
7. Неравенство доступа: ИИ-сервисы стоят дорого и требуют инфраструктуры. Бедные регионы и страны отстают ещё сильнее, усиливая глобальное медицинское неравенство.

Будущее нейросетей в медицине: перспективы до 2030 года

К 2030 году ИИ станет неотъемлемой частью новой экосистемы здравоохранения. Ожидается, что объем российского рынка ИИ-решений в медицине достигнет 78 млрд рублей.

Геномика

Рынок ИИ в геномике, по прогнозам, вырастет с $484,1 млн в 2022 году до $12,5 млрд к 2032 году. ИИ ускоряет секвенирование генома, анализ генетических вариаций и разработку новых лекарств, что является основой для развития точной медицины. Среди ведущих участников — Deep Genomics, Data4Cure, Freenome, Illumina, Sophia Genetics и BenevolentAI. Компании активно развиваются за счёт стратегических партнёрств, слияний и внедрения ИИ в геномные процессы. 

Клинические исследования

ИИ трансформирует клинические исследования, обеспечивая:

• Быстрый набор пациентов — алгоритмы анализируют медицинские и генетические данные, подбирая участников под конкретные протоколы, что сокращает сроки и повышает точность отбора.
• Эффективное управление данными — ИИ автоматически обрабатывает большие массивы информации в режиме реального времени, снижая ошибки и обеспечивая целостность данных.
• Прогнозная аналитика — модели предсказывают результаты лечения и побочные эффекты, позволяя адаптировать исследования на ранних стадиях.
• Оптимизация дизайна исследований — прогноз поведения пациентов и эффективности препаратов помогает сделать испытания более результативными.
• Выявление нежелательных явлений — системы оперативно фиксируют потенциальные риски для участников, повышая безопасность. 

Реабилитация

ИИ персонализирует реабилитационные программы, анализируя данные о прогрессе пациента и корректируя нагрузки. Умные тренажеры и экзоскелеты с ИИ-системами уже активно применяются для более эффективного восстановления после травм и операций.

Прогнозы для России

К 2030 году прогнозируется, что ИИ будет обрабатывать 100% данных КТ, МРТ и рентгена, а генеративные нейросети смогут сократить время на подготовку медицинской документации до 90%. 

Ключевые направления развития

1. Автоматизация анализа медицинских изображений
По прогнозам MTS AI, к 2030 году ИИ будет обрабатывать 100% данных КТ, МРТ и рентген-снимков. Это исключит влияние человеческого фактора, повысит точность и позволит ставить диагнозы в течение минут.

2. Нейросети для медицинской документации
Системы вроде GenAI смогут автоматически формировать эпикризы, протоколы и выписки, сокращая время их подготовки до 90%. Это разгрузит врачей, снизит риск ошибок и увеличит время, которое можно посвятить пациентам.

3. Интеграция с геномикой
Компания Genotek уже разрабатывает алгоритмы анализа генетических данных для подбора персонализированной терапии. К 2030 году подобные решения станут стандартом в онкологии, кардиологии и лечении редких заболеваний.

Заключение

Искусственный интеллект обладает потенциалом для кардинального повышения качества и доступности медицинской помощи. От автоматизации рутинных задач и сверхточной диагностики до персонализации лечения и оптимизации управления — его возможности обширны. Однако для успешной и безопасной интеграции этих технологий необходимо создание прозрачной нормативно-правовой базы, решение этических дилемм и сохранение центральной роли врача в принятии окончательных клинических решений. Будущее медицины — не в замене человека машиной, а в их эффективном партнерстве во благо пациента.

Литература

1.   Гусев А. В., Добриднюк С. Л. Искусственный интеллект в медицине и здравоохранении //Информационное общество. 2017. №4–5. с. 78–93.doi: 10.1606-1330/e

2. Вертипорох П. Искусственный интеллект в медицине: методы применения ИИ с примерами технологий, будущее медицины и здравоохранения 2024г// Официальный сайт российского интернет-издания “ Vc.ru”. (дата обращения: 15.02. 2024.).  Доступно по ссылке: https://vc.ru/future/1030796-iskusstvennyi-intellekt-v-medicine-metody-primeneniya-ii-s-primerami-tehnologii-budushee-mediciny-zdravoohraneniya-2024.

3.  Löf M., Maddison R. Implementation of digital technologies in healthcare to support patients with chronic diseases // Nature Medicine. 2025. Т.31, №7. с. 2093–2094. 

4.  Стройков С. Искусственный интеллект в здравоохранении РФ: тренды, вызовы и перспективы // Официальный сайт еженедельного журнала “tWeek”. (дата обращения: 13.05.2025.). Доступно по ссылке: https://www.itweek.ru/ai/article/detail.php?ID=232187.

5.Faizullabhoy M., Wani G. Artificial Intelligence in Genomics Market by Component (Software), Technology (Machine Learning), Functionality (Genome Sequencing), Application (Drug Discovery), End User (Pharma & Biotech Companies): Global Forecast 2023–2032 // Global Market Insights. 2023. Индификатор отчета: GMI6051. (дата обращения: 06.2023.). Доступно по ссылке: https://www.gminsights.com/. 

6. Свечкарева И.Р., Гусев А.В.,Колбин А.С. Перспективы искусственного интеллекта в доклинических и клинических исследованиях// Клиническая фармакология и терапия. 2025. 34(1).с.14-19. doi:10.32756/0869-5490-2025-1-14-19. 

7. Официальный сайт  сервиса для управления репутацией в интернете и бизнес-профилем в деловом СМИ «РБК Компании»  (дата обращения: 12.12. 2024.). Доступно по ссылке: https://companies.rbc.ru/news/1CY9ly4t3e/ii-v-meditsinskoj-reabilitatsii-ot-diagnostiki-do-vosstanovleniya/.

8. Официальный сайт IT- компании “PROFI-SOFT”.  (дата обращения: 27.08.2025.). Доступно по ссылке:https://profi-soft.kz/.

9. Официальный сайт онлайн-университета “Skypro”. (дата обращения: 27.08.2025.). Доступно по ссылке: https://sky.pro/wiki/profession/.

10. Официальный сайт российской ежедневной деловой газеты “«Ведомости.Город» ( дата обращения: 7.07.2025.). Доступно по ссылке: vedomosti.ru/gorod/smartcity/articles/operatsiya-tsifrovizatsiya-kak-ii-menyaet-sistemu-zdravoohraneniya-moskvi.

11. Проценко Л. Дашборд поможет руководителям московских стационаров анализировать эффективность работы отделений экстренной помощи // Российская газета. 31.05.2024. Доступно по ссылке: https://rg.ru/2024/05/31/reg-cfo/dashbord-pomozhet-rukovoditeliam-moskovskih-stacionarov-analizirovat-effektivnost-raboty-otdelenij-ekstrennoj-pomoshchi.html.

12. Пахуридзе М. Д. Развитие телемедицинских технологий: виртуальный врач // Московская медицина.  2023. № 4.с.72-75. Doi : не нашла

13. Вавкина Е. А. Правовые рамки безопасности искусственного интеллекта в России: угрозы, взломы и наказания // Аграрное и земельное право. 2025. № 4. с. 330-333. Doi: 10.47643/1815-1329_2025_4_330.

14. Горбачева Т. А. Искусственный интеллект: риски и проблемы внедрения в Российской Федерации // Innovative economy: information, analysis, prognoses. 2025. № 1. р. 96 -105. doi: 10.47576/2949-1894.2025.1.1.014.

15. Искусственный интеллект в пилотном проекте Сбера почти вдвое снизил смертность от пневмонии // Newslab.ru. 26.05.2021.Доступно по ссылке: https://newslab.ru/news/1038557.

16. Zarrinpar A., Lee D.K., Silva A., et al. Individualizing liver transplant immunosuppression using a phenotypic personalized medicine platform // Science Translational Medicine. 2016. No 8.  P. 333. doi:10.1126/scitranslmed.aac5954.