ИИ в здравоохранении: что он умеет сегодня, где даёт сбой и как его регулируют

Что ИИ умеет в здравоохранении сегодня?

Искусственный интеллект (ИИ) в здравоохранении охватывает множество технологий — от программ анализа изображений внутри томографа до универсальных чат-ботов, отвечающих на вопросы о здоровье. Согласно приведённым ниже данным, по состоянию на 3 ноября 2026 года самые убедительные результаты показывают узкие инструменты, которые выполняют одну чётко определённую задачу и были для неё проверены и разрешены, а самые слабые — универсальные чат-боты, дающие советы непосредственно пациентам.

Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) ведёт публичный список медицинских устройств с ИИ, допущенных к продаже в США ^[1]. Подсчёт по этому списку, который FDA отмечает как актуальный на 4 сентября 2026 года, даёт 1614 записей, из них 1230 — в радиологии, 154 — в кардиологии и 73 — в неврологии ^[1]. FDA сообщает, что эти устройства соответствовали применимым требованиям для выхода на рынок, включая целевую проверку безопасности и эффективности ^[1].

Всемирная организация здравоохранения (ВОЗ) делит применение новых генеративных моделей на пять областей: диагностика и клиническая помощь, использование самими пациентами, например для поиска информации о симптомах, канцелярская и административная работа, например документирование приёмов, медицинское и сестринское образование, а также научные исследования и разработка лекарств ^[2].

Это общая информация, а не медицинская консультация. Решения о собственном здоровье следует принимать вместе с квалифицированным врачом.

Как ИИ используется в медицинской визуализации?

Если судить по числу разрешённых продуктов, именно в визуализации ИИ закрепился прочнее всего: на радиологию приходится около трёх четвертей записей в списке FDA ^[1].

Скрининг рака молочной железы

Самые известные рандомизированные данные получены в исследовании MASAI в рамках национальной программы скрининга Швеции, проводившемся в четырёх центрах на юго-западе страны ^[3]. В нём 105934 женщины были случайным образом распределены на скрининг с поддержкой ИИ или стандартное двойное прочтение двумя рентгенологами ^[3]. ИИ-система Transpara распределяла обследования на одинарное или двойное прочтение и выделяла подозрительные находки ^[3].

В группе с поддержкой ИИ было выявлено 338 случаев рака (6,4 на 1000) против 262 (5,0 на 1000) при стандартном прочтении, соотношение 1,29 ^[3]. Доля ложноположительных результатов практически не изменилась (соотношение 1,01), а рентгенологи выполнили 61248 прочтений снимков вместо 109692, то есть на 44,2% меньше ^[3]. Авторы пришли к выводу, что ИИ способствует раннему выявлению клинически значимого рака молочной железы ^[3]. Эта публикация касалась вторичных исходов; в опубликованной аннотации она описана как предусмотренный протоколом анализ повторных вызовов, выявляемости, ложноположительных результатов и нагрузки ^[3].

Первичный исход исследования — частота интервальных раков (раков, диагностированных между раундами скрининга и не выявленных при нём) — был опубликован в The Lancet в 2026 году ^[9]. Частота интервальных раков составила 1,55 на 1000 участниц при поддержке ИИ и 1,76 на 1000 при стандартном прочтении; соотношение 0,88 удовлетворило критерию не меньшей эффективности, принятому в исследовании; чувствительность составила 80,5% против 73,8%, а специфичность — 98,5% в обеих группах ^[9]. Авторы написали, что скрининг с поддержкой ИИ может рассматриваться для внедрения в клиническую практику ^[9].

Офтальмологический скрининг

ИИ вышел и за пределы радиологических отделений. В список FDA входит IDx-DR — офтальмологическое устройство с датой разрешения 11 апреля 2018 года, а также его более поздние версии и конкуренты, например EyeArt ^[1]. База данных De Novo FDA классифицирует IDx-DR как устройство для выявления диабетической ретинопатии, разрешённое в эту дату ^[10].

Где ИИ в здравоохранении потерпел неудачу?

Не каждый широко внедрённый инструмент работает так, как обещано. Самое явное предупреждение исходит от больничных прогностических моделей, которые оценивают такие риски, как сепсис — угрожающая жизни реакция организма на инфекцию.

В 2021 году исследователи Michigan Medicine провели внешнюю валидацию Epic Sepsis Model — широко внедрённого проприетарного инструмента — на 27697 пациентах и 38455 госпитализациях ^[4]. Модель достигла площади под кривой (AUC — мера того, насколько хорошо модель отделяет случаи от не-случаев, где 0,5 соответствует случайности, а 1,0 — идеалу) 0,63 ^[4]. При своём пороге срабатывания она не выявила 1709 пациентов с сепсисом — 67% от общего числа, — при этом генерируя оповещения для 18% всех госпитализаций ^[4]. Авторы заключили, что модель плохо различает случаи и плохо откалибрована, а её широкое применение вызывает опасения относительно лечения сепсиса в масштабах всей страны ^[4].

Авторы также сообщили, что эти показатели оказались существенно хуже данных, заявленных разработчиком модели ^[4], — а это показывает, что результаты, приводимые разработчиком, не гарантируют такой же работы в других условиях. ВОЗ также рекомендует для масштабных внедрений проводить независимые аудиты после выпуска и оценки воздействия с разбивкой результатов по характеристикам пользователей, таким как возраст, раса или инвалидность ^[2].

Могут ли ИИ-чат-боты давать надёжные медицинские советы?

На бенчмарках медицинских знаний большие языковые модели теперь показывают результаты, соответствующие уровню сдачи американского медицинского лицензионного экзамена (USMLE), но это не означает, что они помогают людям принимать правильные решения о собственных симптомах ^[5]. Рандомизированное исследование с предварительной регистрацией, опубликованное в Nature Medicine 9 февраля 2026 года, проверило это напрямую ^[5].

Исследователи Оксфордского университета и их коллеги предложили 1298 взрослым жителям Великобритании один из десяти медицинских сценариев, составленных на основе клинических сводок NICE (Clinical Knowledge Summaries) и разработанных совместно с врачами общей практики и реаниматологами ^[5]. Участники использовали GPT-4o, Llama 3 или Command R+, а в контрольной группе — любые ресурсы, которыми обычно пользовались, в основном поиск в интернете ^[5].

• Сами модели в среднем определяли значимые заболевания в 94,9% случаев, а правильный порядок действий (маршрутизацию) — в 56,3% ^[5].
• Люди, пользовавшиеся моделями, определяли значимые заболевания менее чем в 34,5% случаев, а правильную маршрутизацию — менее чем в 44,2% ^[5].
• Контрольная группа значительно лучше определяла значимые заболевания, чем группы с чат-ботами ^[5].

Авторы связали неудачи с самим взаимодействием: пользователи часто опускали ключевые подробности, например локализацию или тяжесть симптомов, не включали верные подсказки в итоговый ответ и получали противоречивые советы; в сценарии с кровоизлиянием в мозг (субарахноидальным кровоизлиянием) одному пользователю посоветовали прилечь в тёмной комнате, а другому, с почти идентичными симптомами, — обратиться за неотложной помощью ^[5]. Авторы пришли к выводу, что ни одна из протестированных моделей не готова к применению в непосредственной помощи пациентам, и призвали к систематическому тестированию с реальными пользователями перед публичным внедрением ^[5].

NIST, американское агентство по стандартам, предупреждает о том же в общем виде: сфабрикованная (выдуманная) сводка информации о пациенте может привести врачей к ошибочным диагнозам или лечению ^[6].

Как ИИ помогает медицинским исследованиям и разработке лекарств?

ИИ используется не только в клинике, но и в лаборатории. Нобелевскую премию по химии 2024 года разделили Дэвид Бейкер — за вычислительное конструирование белков — и Демис Хассабис и Джон Джампер из Google DeepMind — за предсказание структуры белков ^[7]. Шведская королевская академия наук сообщила, что их ИИ-модель AlphaFold2, представленная в 2020 году, использовалась для предсказания структуры практически всех 200 млн белков, известных исследователям, и ею воспользовались более двух миллионов человек из 190 стран ^[7].

Академия отметила, что структура белка определяет его функцию, и привела примеры применения, такие как изучение устойчивости к антибиотикам и получение изображений ферментов, способных разлагать пластик ^[7]. ВОЗ называет научные исследования и разработку лекарств, включая поиск новых соединений, среди основных областей применения генеративных моделей в здравоохранении ^[2].

Каковы главные риски ИИ в здравоохранении?

Уже продемонстрированные преимущества

• Более высокая выявляемость рака при скрининге без роста числа ложноположительных результатов и меньшая нагрузка на специалистов, читающих снимки, в крупном рандомизированном исследовании ^[3].
• Более 1600 разрешённых устройств с ИИ в списке FDA, которые, по словам ведомства, соответствовали требованиям для выхода на рынок ^[1].
• Предсказание структуры белков, которым воспользовались более двух миллионов человек из 190 стран, отмеченное Нобелевской премией по химии 2024 года ^[7].
• Не худшая частота интервальных раков и более высокая чувствительность в первичном анализе того же скринингового исследования ^[9].

Риски, выявленные ВОЗ и другими

• Ошибочные ответы. ВОЗ предупреждает, что большие мультимодальные модели могут выдавать ложные, неточные, предвзятые или неполные утверждения, способные навредить людям, принимающим решения о здоровье ^[2].
• Предвзятость. Модели могут обучаться на некачественных или предвзятых данных, в том числе с перекосом по расе, этнической принадлежности, полу, гендерной идентичности или возрасту ^[2].
• Предвзятость автоматизации. Врачи и пациенты могут не замечать ошибок или перекладывать на систему трудные решения ^[2].
• Слабые результаты в реальных условиях. Инструменты могут работать хуже за пределами среды, в которой их разработали, как показала модель сепсиса ^[4].
• Конфиденциальность. Исследователи Стэнфорда выяснили, что шесть ведущих разработчиков чат-ботов по умолчанию используют данные из чатов пользователей для обучения своих моделей, и предупредили о том, что пользователи делятся биометрическими и медицинскими данными ^[8].
• Безопасность и доступ. ВОЗ также указывает на риски кибербезопасности для информации о пациентах и неравный доступ к самым эффективным системам ^[2].

Как регулируется ИИ в здравоохранении?

Регулирование зависит от того, что делает программа. В США ИИ, подпадающий под определение медицинского устройства, проходит проверку FDA перед выходом на рынок, и ведомство публикует выявленные им разрешённые устройства ^[1]. FDA отмечает, что его список не является исчерпывающим, поскольку устройства выявляются в основном по терминам, связанным с ИИ, в сводках разрешений ^[1]. Ведомство также сообщает, что изучит способы выявлять и помечать устройства, использующие базовые модели, в том числе большие языковые модели (LLM) ^[1].

Универсальных чат-ботов, которыми люди пользуются для вопросов о здоровье, в этом списке нет: он охватывает устройства, допущенные к продаже ^[1]. ВОЗ рекомендует правительствам поручить существующему или новому регулирующему органу оценивать и одобрять большие мультимодальные модели, предназначенные для использования в здравоохранении, насколько позволяют ресурсы, и с помощью законов добиваться, чтобы такие системы соответствовали этическим стандартам и стандартам в области прав человека ^[2].

ВОЗ также призывает разработчиков привлекать пациентов и медицинских работников с ранних этапов проектирования и создавать модели для чётко определённых задач с необходимой точностью и надёжностью ^[2]. Правила различаются по странам и часто меняются; актуальные требования уточняйте у национального регулятора лекарственных средств или медицинских изделий.

Как пациентам безопасно пользоваться ИИ-инструментами для здоровья?

1. Воспринимайте ответы чат-бота как отправную точку, а не диагноз. В оксфордском исследовании люди, пользовавшиеся чат-ботами, определяли значимые заболевания не лучше контрольной группы ^[5].
2. Если всё же пользуетесь чат-ботом, давайте полную информацию, в том числе где проявляются симптомы, насколько они сильны и как часто возникают; недостающие подробности были главной причиной неудач ^[5].
3. При неотложных симптомах обращайтесь за срочной помощью, а не к чат-боту; исследование выявило противоположные советы в почти идентичных сценариях кровоизлияния в мозг ^[5].
4. Защищайте свои медицинские данные. Не вводите медицинские документы, позволяющие вас идентифицировать, в потребительские чат-боты, разработчики которых обычно по умолчанию используют данные из чатов для обучения ^[8].
5. Спрашивайте своего врача, использовался ли при вашем лечении ИИ-инструмент и как проверялись его результаты, учитывая предупреждение ВОЗ о предвзятости автоматизации ^[2].

Что ждёт ИИ в здравоохранении дальше?

Ежегодное число разрешений растёт: подсчёт по списку FDA даёт 226 записей с датами решений в 2023 году, 235 — в 2024 году и 335 — в 2025 году ^[1]. FDA также сообщает, что изучит способы выявлять и помечать устройства, включающие базовые модели, в том числе LLM ^[1].

Что пока неясно

• Долгосрочные результаты скрининга с ИИ. Опубликованные анализы MASAI охватывают выявляемость, ложноположительные результаты, нагрузку ^[3], интервальные раки, чувствительность и специфичность ^[9]; смертность от рака молочной железы не входила в число исходов, о которых они сообщают.
• Можно ли сделать чат-боты безопасными для непосредственных советов пациентам. Оксфордские авторы пришли к выводу, что ни одна из протестированных моделей не готова и что требуется тестирование с пользователями ^[5].
• Как инструменты работают в разных больницах и группах населения — ВОЗ хочет, чтобы это измерялось с помощью независимых аудитов ^[2], а исследование сепсиса показывает, что считать это само собой разумеющимся нельзя ^[4].

Общая картина на 3 ноября 2026 года: ИИ — доказанный помощник в конкретных, проверенных задачах под профессиональным контролем и недоказанная замена врача.