Уже в ближайшей перспективе речь идет не только о записи к врачу, но и о регулярном наблюдении по данным носимых устройств, о персонализированных приглашениях на профилактические обследования и диспансеризацию, подобранные с учетом возраста, факторов риска и истории здоровья. Такой подход постепенно переводит медицину из режима «пришел, когда заболел» в режим раннего выявления и сопровождения.
Если же человеку необходимо глубокое обследование, ИИ становится частью диагностического контура. Сегодня электронные помощники врача чаще всего работают как отдельные сервисы, например в лучевой диагностике, но в дальнейшем они будут передавать свои результаты более высокоуровневым системам, которые смогут учитывать сразу несколько источников информации: изображения, медицинские документы, лабораторные данные и клинический контекст. Пациент не увидит эту сложную технологическую архитектуру, но почувствует главное: путь от входа в поликлинику до обследования и заключения станет короче и понятнее.
Трансформацию через призму клиентского опыта также описывает Марина Велданова.
Сегодня ИИ может подобрать врача, быстро выстроить нужный маршрут, сократить время ожидания и уменьшить число ненужных визитов. Для клиник это не только рост удовлетворенности пациентов, но и повышение операционной эффективности — меньше лишних посещений, быстрее обработка запросов, точнее распределение ресурсов.
Когда медицинская организация, исследовательская среда и цифровая инфраструктура существуют отдельно, внедрение инноваций почти неизбежно тормозится. В единой цифровой среде клинические данные быстрее превращаются в новые знания, а знания — в практические инструменты. Виктор Гомболевский поясняет: «Создание фабрик данных, использование мультиагентных архитектур и повторное применение обученных моделей действительно сокращают сроки разработки и валидации ИИ-решений. Но при этом лучшей проверкой по-прежнему остается экспертная оценка врача с многолетним клиническим опытом».
Такой подход укладывается и в логику государственной политики: развивать ИИ активно, но контролируемо — с учетом требований к безопасности данных и доказательности. Поэтому принципиально важно разделять научные исследования с применением ИИ, и масштабное внедрение в практику, где требования к надежности моделей значительно выше.
В качестве примера инфраструктурной базы Виктор Гомболевский называет Центральный архив медицинских изображений: «Он обеспечивает агрегирование, упорядочивание и унифицированное хранение медицинских данных из разнородных источников в масштабе региона». Это делает возможным быстрый анализ больших массивов данных и тестирование новых решений на репрезентативных выборках.
При этом в России уже идет масштабирование ИИ-сервисов: по данным 2025 года 85 субъектов внедрили не менее трех таких решений, а к 2030 году каждый регион должен применять не менее 12 ИИ-сервисов в здравоохранении. В систему ОМС уже интегрированы ИИ-решения для флюорографии, маммографии и компьютерной томографии грудной клетки.
Какие технологии пациент действительно заметит
Ожиданий вокруг ИИ много, но медицина остается консервативной, и это объяснимо, поскольку главный принцип врачей — не навредить. Именно поэтому важно различать разработки на стадии эксперимента и решения, которые готовы к внедрению в работу.
Виктор Гомболевский выделяет главный технологический тренд: «мультимодальный анализ, то есть совместная обработка изображений, текстов, сигналов и других медицинских данных». По его словам, компьютерное зрение, особенно в лучевой диагностике, перестает быть конечной точкой, становясь частью более сложных систем, которые смогут не только находить отклонения на снимке, но и связывать их с историей болезни, анализами и прогнозом риска для конкретного пациента. Марина Велданова подчеркивает: «Многие из этих инструментов уже работают, применяются и входят в стратегию цифровизации здравоохранения России».
При этом переход от разработки к зарегистрированному медицинскому изделию требует большой работы: клинической проверки, юридической проработки, оценки безопасности и включения в реальную инфраструктуру здравоохранения. Именно поэтому особенно важно разделять инновации в рамках пилотных проектов, включая Московский эксперимент, и те технологии, которые уже могут масштабироваться на всю страну.
Новая система — новые профессии
Изменение модели здравоохранения меняет и профессиональный ландшафт. Виктор Гомболевский подчеркивает: «Речь не идет о замене врача ИИ». Вместо этого появляется круг специалистов, которые связывают клиническую логику, данные, инженерные решения и требования безопасности в единую рабочую систему.
Среди направлений, которые он выделяет: специалисты по архитектуре медицинских данных и по валидации ИИ-систем. А также разработчиков киберпротезов, киберорганизмов и медицинских маркетологов и онлайн-терапевтов — профессий на пересечении медицины и цифровых сервисов.
Отдельный показательный тренд, по мнению специалиста, — врачи здорового долголетия, которые уже появляются в наших медицинских организациях. Это хороший пример того, как меняется сама философия здравоохранения: от реакции на уже возникшую болезнь к долгосрочному управлению здоровьем.
Факторы риска: право, безопасность, «черный ящик»
Одним из главных барьеров остается правовая неопределенность: 86% стран называют ее основным препятствием для внедрения ИИ, а всего 8% стран располагают механизмами, определяющими стандарты ответственности за ошибки ИИ.
В России уже разработан Кодекс этики искусственного интеллекта в здравоохранении (версия 2.1), утвержденный в марте 2025 года. С 2026 года ужесточаются требования информационной безопасности по приказу ФСТЭК № 117, включая защиту от промпт-инъекций, подмены моделей и кражи данных.
Виктор Гомболевский перечисляет ограничения внедрения: отсутствие стандартизированных платформ для масштабирования результатов, протоколов обеспечения конфиденциальности и фундаментальной базы клинических испытаний с применением ИИ. Эксперт также указывает на проблему интерпретируемости: «Сохраняется и проблема “черного ящика” при машинном обучении затрудняет интерпретацию решений ИИ, однако, и тут есть значительные успехи отечественных ученых».
Ранее Наука Mail писала, как ИИ помогает находить новые сплавы и полимеры.
