ИИ в здравоохранении: Руководство для главных врачей

Цифровые технологии уже давно и прочно вошли в современную медицину, трансформируя ее на всех уровнях – от управления процессами клиник до помощи врачам в принятии решений и анализа рисков пациентов. Однако появление в конце 2022 года генеративного искусственного интеллекта (генИИ) открыло совершенно новый уровень возможностей, превратив ИИ из простого инструмента автоматизации в мощный катализатор для формирования инновационных форматов взаимодействия между медицинскими учреждениями и их клиентами. Сегодня автоматическое создание заметок, цифровые ассистенты, способные консультировать пациентов по видеосвязи или в чате по вопросам восстановления после операций, поддержания здорового образа жизни или ментального здоровья, а также сервисы для оценки рисков и качества оказанных услуг – все это уже стало реальностью.

Данное руководство призвано предоставить всеобъемлющий обзор текущего состояния и перспектив развития искусственного интеллекта в здравоохранении. Оно адресовано руководителям высшего звена, бизнес-тренерам, инвесторам и всем, кто заинтересован в понимании и применении передовых технологий для улучшения качества медицинских услуг и оптимизации процессов в отрасли.

Мы рассмотрим ключевые тренды, мировые и российские рыночные тенденции, а также детально опишем практические аспекты внедрения ИИ-решений в медицинских организациях.

Наша цель – не только информировать, но и вдохновить на создание и внедрение инновационных решений, которые изменят будущее здравоохранения к лучшему.

ИИ как ключевой тренд современной медицины

Медицина, как одна из наиболее динамично развивающихся отраслей, уже глубоко интегрирована с цифровыми технологиями. Электронные решения не просто дополняют работу врачей, но и становятся неотъемлемым инструментом в управлении процессами клиник, оказании помощи врачам в принятии решений, оптимизации записи на прием и анализе рисков пациентов. Пандемия COVID-19, в частности, послужила мощным катализатором для ускорения процесса цифровизации здравоохранения, превратив его из простого тренда в насущную необходимость. Примером тому служит увеличение использования телемедицинских услуг в 2020 году по сравнению с доковидным уровнем. Эта тенденция к оперативному и качественному оказанию медицинской помощи, а также быстрому созданию лекарств, сохраняется и по сей день.

Рассмотрим пять наиболее перспективных трендов в сфере цифровой медицины, которые формируют будущее отрасли:

1. Искусственный интеллект (ИИ): Этот тренд включает в себя предиктивные модели, медицинскую визуализацию и, с 2023 года, активное развитие генеративного ИИ (генИИ). ИИ позволяет значительно повысить точность диагностики, прогнозировать развитие заболеваний и оптимизировать лечебные процессы.
2. Превентивная медицина: Фокус смещается с лечения уже возникших заболеваний на их предотвращение и поддержание здоровья. Это включает в себя осознанное отношение к рискам и комплексный подход к благополучию пациента.
3. Персонализация: Разработка индивидуальных рекомендаций и планов лечения, основанных на истории заболеваний пациента, семейном анамнезе и личных целях. Такой подход обеспечивает более эффективное и целенаправленное медицинское вмешательство.
4. Объединение продуктов: Создание единых, интегрированных решений, таких как супераппы для клиентов с цифровыми сервисами, профилем и рисками, а также комплексных продуктов для врачей, объединенных вокруг медицинской системы. Это способствует бесшовному взаимодействию и обмену данными.
5. Носимые и портативные устройства: Технологические браслеты, кольца, часы и другие медицинские устройства для контроля показателей здоровья. Они позволяют осуществлять удаленный мониторинг состояния пациентов и своевременно выявлять аномалии.

Эти тренды подтверждаются исследованиями крупнейших консалтинговых компаний.

Например, эксперты IQVIA в своем отчете «Цифровое здравоохранение: тенденции 2024 г.» также выделяют ИИ как один из ключевых трендов, особенно в контексте удаленного мониторинга пациентов. Более 75% опрошенных клиентов выразили готовность использовать такие устройства. Кроме того, IQVIA отмечает тенденцию к созданию приложений, ориентированных на конкретные заболевания, которые могут быть интегрированы в более широкие клинические платформы или функционировать как отдельные приложения.

Тренд на носимые устройства и приложения для поддержания здоровья тесно связан с глобальным трендом на превентивную медицину.

Исследование McKinsey «What is the future of wellness?» 2024 года оценивает глобальный рынок здорового образа жизни в 1,8 триллиона долларов США, при этом 82% клиентов в США считают внимание к рискам и здоровью важным приоритетом.

Превентивная медицина, дополненная принципами здоровья и благополучия, включает в себя предотвращение «болезней-убийц», диагностику основных органов, питание и контроль веса, антивозрастную медицину, повышение качества жизни и женское здоровье.

Ключом к реализации этих возможностей является искусственный интеллект. ИИ и методы машинного обучения уже давно применяются в здравоохранении, в частности для анализа медицинских изображений и построения предиктивных моделей риска. Однако появление в конце 2022 года генеративных моделей на базе трансформеров стало настоящим катализатором для новых экспериментов и возможностей.

Генеративный ИИ (генИИ) – это технология, способная создавать новые данные различных модальностей, включая текст, изображения, аудио, видео и даже молекулярные структуры. В отличие от традиционных алгоритмов машинного обучения, генИИ способен генерировать оригинальный контент, имитируя закономерности, найденные в обучающем наборе данных.

Для медицины это открывает совершенно новые горизонты. Например, Microsoft в 2025 году запустила сервис Dragon Copilot – голосовой помощник, который автоматически формирует заметки в процессе диалога с пациентом и позволяет вводить и искать информацию с помощью голоса. Этот инструмент, несмотря на кажущуюся простоту, экономит 5–7 минут времени на каждом приеме, трансформируя привычное представление о процессе. Соблюдение структуры диалога и использование качественных микрофонов могут сделать этот продукт незаменимым. Компания Hippocratic AI, в свою очередь, создала «маркетплейс» узкоспециализированных ИИ-двойников врачей на основе генИИ. Эти агенты по видеосвязи консультируют и опрашивают пациентов по вопросам, связанным с восстановлением после операций, лечением (например, помощь в проведении инъекций ГПП-1 при сахарном диабете) и немедицинской помощью. Такие продукты меняют представление об уходе за пациентами и ведении хронических больных, позволяя клиникам оказывать премиальный уход, который сейчас недоступен из-за критической нехватки персонала в отрасли.

Несмотря на активное развитие ИИ, здравоохранение остается уникальной сферой, где процесс внедрения новых продуктов отличается от любой другой области. Основное отличие – это цена ошибки. Любое внедрение должно производиться через строгую валидацию и клинические испытания, поскольку на кону стоит жизнь и здоровье людей. Именно поэтому все решения проходят долгий цикл от разработки до полноценного внедрения. Несмотря на высокое качество работы современных моделей, оно все еще не абсолютно, и финальное решение на данный момент должно оставаться за врачом.

Другая особенность медицины – конфиденциальность и защита персональных медицинских данных. При использовании моделей генИИ для анализа или обработки медицинских карт клиентов от разработчиков требуется обеспечение дополнительной защиты, например, развертывание моделей с открытым кодом генИИ внутри инфраструктуры клиники, чтобы данные не выходили за ее контур. В то же время это создает дополнительные ограничения для внедрения, например, голосовых ассистентов, которые записывают диалог с пациентом.

Активное развитие ИИ и особенности медицинской сферы побуждают разработчиков и медицинские организации работать совместно, чтобы фокусироваться и отбирать области и продукты, которые соответствуют их бизнес-модели, имеют потенциал коммерциализации, а также могут быть бесшовно встроены в путь приема пациента, так как их создание требует существенных ресурсов. Например, несмотря на то, что инвестиции в биофарму и создание лекарств занимают лидирующие позиции (45% от всех инвестиций), медицинским центрам без сильного научно-исследовательского кластера стоит сфокусироваться на более прикладных решениях, обеспечивающих более быструю отдачу от инвестиций.

Обзор рынка ИИ в медицине

Искусственный интеллект в медицине привлекает особое внимание благодаря своему потенциалу трансформации опыта врачей, пациентов и всего медицинского персонала. Здравоохранение является одной из самых богатых данными отраслей: около 30% мировых статистических данных приходится именно на медицину. Эти данные служат основой для алгоритмов машинного обучения, поскольку с их помощью выявляются скрытые закономерности и формируются рекомендации.

По оценкам экспертов, широкое внедрение ИИ может привести к экономии 5–10% от текущих расходов здравоохранения в мире – значительная цифра, учитывая триллионные затраты отрасли. Уже сегодня ИИ помогает ускорять диагностику, прогнозировать ухудшения состояния (например, предсказывать острую почечную недостаточность за 48 часов до ее наступления) и автоматизировать рутинные задачи. Таким образом, фокус на ИИ обоснован его трансформационным потенциалом жизненного пути врача и пациента.

Мировой рынок ИИ в медицине

ИИ становится одной из ключевых технологий в глобальном здравоохранении. В 2024 году объем мирового рынка ИИ в медицине составил 22 миллиарда долларов США. По нашим оценкам, к 2030 году объем рынка вырастет более чем в 6 раз и достигнет 130–160 миллиардов долларов США со среднегодовым темпом роста на уровне 36%. Таким образом, к этому времени ИИ в медицине составит существенную долю – 8% от всего рынка ИИ.

Позитивная динамика в отрасли обусловлена несколькими ключевыми факторами:

1. Увеличение доступности и производительности вычислительных мощностей: Производительность флагманских потребительских GPU NVIDIA увеличилась более чем в 11 раз с 2016 по 2025 год и продолжит расти, что делает сложные вычисления более доступными.
2. Расширение доступа к облачным технологиям: Для любой компании широко доступны API генеративных моделей, аренда серверных мощностей и GPU, что снижает барьеры для входа на рынок и ускоряет разработку.
3. Оптимизация потребления ресурсов для обучения больших языковых моделей: Например, для запуска модели DeepSeek потребовалось несколько месяцев и около 5,6 миллиона долларов США, что минимум в 20 раз меньше, чем тратят конкуренты при сопоставимом по бенчмаркам качестве. Это делает разработку ИИ-решений более экономически эффективной.
4. Необходимость повышения производительности из-за дефицита медицинских работников: В США к 2030 году ожидается дефицит более 100 тысяч медицинских работников. Огромное влияние на рынок оказала пандемия COVID-19, когда медицинские учреждения столкнулись с нехваткой врачей и медицинского персонала на уровне 60 тысяч человек в США, и этот разрыв сохраняется и на текущий день. В этих условиях ИИ рассматривается как стратегическое решение для автоматизации рутинных операций, оптимизации процессов и создания новых способов оказания медицинской помощи.

Инвестиционный бум и факторы успеха компаний

В 2021 году на фоне пандемии COVID-19 рынок пережил настоящий инвестиционный бум: инвесторы осознали важность технологий в медицине и активно вкладывали средства в ИТ-решения. Однако не все компании сумели оправдать ожидания инвесторов. Многие из них столкнулись с финансовыми трудностями и обанкротились. Анализ примеров зарубежных компаний, как успешных, так и неудачных, показал, что для успеха на рынке медицинских ИИ-решений необходим ряд ключевых элементов, таких как:

• Глубокое понимание потребностей отрасли: Успешные компании тесно сотрудничают с медицинскими специалистами для создания решений, которые действительно решают актуальные проблемы.
• Строгая валидация и клинические испытания: Учитывая высокую цену ошибки в медицине, все ИИ-решения должны проходить тщательную проверку и подтверждать свою эффективность и безопасность.
• Масштабируемость и интеграция: Продукты должны быть легко масштабируемыми и интегрируемыми в существующие медицинские информационные системы.
• Защита данных и конфиденциальность: Соблюдение строгих правил конфиденциальности и безопасности медицинских данных является критически важным.
• Экономическая эффективность: Решения должны приносить ощутимую экономическую выгоду медицинским учреждениям, будь то снижение затрат, повышение эффективности или улучшение качества услуг.

Бум генИИ и новый интерес инвесторов к цифровому здравоохранению

Появление генеративного ИИ в конце 2022 года вызвало новую волну интереса инвесторов к цифровому здравоохранению. ГенИИ способен создавать новые данные различных модальностей, включая текст, изображения, аудио, видео и даже молекулярные структуры, что открывает беспрецедентные возможности для инноваций в медицине. Это привело к значительному росту инвестиций в стартапы, разрабатывающие решения на основе генИИ, такие как виртуальные ассистенты для врачей, инструменты для автоматического создания медицинских записей, а также платформы для разработки новых лекарств и методов лечения.

Российский рынок ИИ в медицине

Российский рынок ИИ в медицине также демонстрирует активный рост и имеет свои особенности. Несмотря на некоторые барьеры, связанные с регулированием и инфраструктурой, наблюдается увеличение числа отечественных разработок и стартапов в этой области. Ключевыми направлениями развития являются:

• Системы поддержки принятия врачебных решений: ИИ-алгоритмы помогают врачам в диагностике заболеваний, выборе оптимальных методов лечения и прогнозировании исходов.
• Анализ медицинских изображений: ИИ используется для автоматического анализа рентгеновских снимков, КТ, МРТ и других изображений, выявляя патологии, которые могут быть незаметны человеческому глазу.
• Цифровые ассистенты и чат-боты: Эти решения помогают пациентам получать информацию, записываться на прием, отслеживать состояние здоровья и получать персонализированные рекомендации.
• Управление медицинскими данными: ИИ-системы помогают обрабатывать и анализировать большие объемы медицинских данных, что способствует повышению эффективности работы клиник и улучшению качества обслуживания.

Примеры продуктов с ИИ, уже демонстрирующих впечатляющие результаты в медицине, включают:

• «Суммаризация истории болезни»: Сервис, встроенный в медицинскую систему, с ключевой информацией о пациенте. Включает в себя историю заболевания, сжатую с помощью генИИ, анализы с отклонениями, исследования с выявленными патологиями и многое другое, что позволяет сократить время ознакомления врача с историей болезни на 1-5 минут.
• «Психологический помощник»: Приложение с комплексной помощью по управлению эмоциями, включающее чат с ассистентом-психологом на основе генИИ, более 60 проверенных техник и упражнений, а также видео от лучших экспертов. Ожидается, что этот продукт будет доступен во II квартале 2025 года.

Эти и другие решения показывают, что российский рынок ИИ в здравоохранении имеет огромный потенциал для роста и развития, способствуя повышению доступности и качества медицинской помощи для населения.

Внедрение ИИ в медицинских организациях

Внедрение искусственного интеллекта в медицинских организациях является сложным, но крайне перспективным процессом, способным значительно повысить эффективность работы, улучшить качество диагностики и лечения, а также оптимизировать взаимодействие с пациентами. Для успешной реализации ИИ-проектов необходимо четко понимать потенциал рынка, детально описывать продукты и учитывать практические аспекты внедрения.

Предельный объем рынка (TAM) выделенных групп продуктов в РФ к 2030 г.

По оценкам экспертов, к 2030 году портфель из четырех групп продуктов на базе ИИ в России достигнет предельного объема рынка (Total Addressable Market, TAM) в 65 миллиардов рублей. Эти группы продуктов охватывают ключевые области применения ИИ в здравоохранении и включают:

• Цифровые ассистенты: Решения, автоматизирующие рутинные задачи, предоставляющие информацию и консультирующие пациентов. Это могут быть чат-боты для ответов на часто задаваемые вопросы, голосовые помощники для записи на прием или виртуальные консультанты по вопросам здоровья.
• Клиническая сводка: Системы, агрегирующие и суммирующие медицинские данные о пациенте из различных источников. Это позволяет врачам быстро получать полную картину состояния пациента, сокращая время на ознакомление с историей болезни.
• Помощник врача: Инструменты, поддерживающие врачей в принятии клинических решений, например, системы диагностики на основе анализа медицинских изображений или данных из электронных медицинских карт. Эти системы могут предлагать варианты лечения, прогнозировать риски и предоставлять доступ к актуальной медицинской информации.
• Экспертный контроль: Решения для контроля качества оказанных медицинских услуг, например, с помощью ИИ-анализа проведенных приемов. Это позволяет выявлять отклонения от стандартов, улучшать протоколы лечения и повышать общую эффективность работы медицинского учреждения.

Детальное продуктовое и техническое описание групп продуктов

Каждая из выделенных групп продуктов имеет свои особенности и технические требования для успешного внедрения:

Цифровые ассистенты

Цифровые ассистенты представляют собой программные решения, использующие ИИ для взаимодействия с пациентами и автоматизации различных процессов. Они могут быть реализованы в виде чат-ботов, голосовых помощников или виртуальных консультантов. Основные функции включают:

• Консультации и ответы на вопросы: Предоставление информации о заболеваниях, симптомах, методах лечения, расписании врачей и услугах клиники.
• Запись на прием: Автоматизация процесса записи к специалистам, выбор удобного времени и напоминания о предстоящих визитах.
• Мониторинг состояния здоровья: Сбор данных с носимых устройств, отслеживание показателей и предоставление персонализированных рекомендаций.
• Психологическая поддержка: Предоставление базовой психологической помощи, техник релаксации и упражнений для управления эмоциями, как в случае с «Психологическим помощником» от МЕДСИ.

Технически цифровые ассистенты часто строятся на основе больших языковых моделей (LLM) и технологий обработки естественного языка (NLP) для понимания запросов пользователей и генерации адекватных ответов. Для голосовых ассистентов используются технологии распознавания и синтеза речи.

Клиническая сводка

Клиническая сводка – это ИИ-система, предназначенная для агрегации, анализа и суммирования разрозненных медицинских данных о пациенте. Цель – предоставить врачу максимально полную и структурированную информацию в кратчайшие сроки. Функционал включает:

• Сбор данных: Интеграция с различными медицинскими информационными системами (МИС), лабораторными системами, системами визуализации для сбора всех доступных данных о пациенте.
• Суммаризация истории болезни: Использование генИИ для создания кратких, но информативных резюме истории болезни, выделяя ключевые моменты, диагнозы, проведенное лечение и результаты анализов.
• Выделение аномалий: Автоматическое выявление отклонений в анализах, результатах исследований и других данных, которые требуют внимания врача.
• Визуализация данных: Представление сложных медицинских данных в удобном для восприятия формате (графики, таблицы, диаграммы).

Для реализации клинической сводки требуются мощные алгоритмы обработки больших данных, машинного обучения и NLP. Важным аспектом является обеспечение конфиденциальности и безопасности медицинских данных, что часто предполагает развертывание таких систем внутри защищенного контура клиники.

Помощник врача

Помощник врача – это широкий класс ИИ-решений, направленных на поддержку медицинских специалистов в их повседневной работе. Эти системы не заменяют врача, а дополняют его экспертизу, повышая точность и эффективность принимаемых решений. Примеры функций:

• Диагностическая поддержка: Анализ симптомов, результатов анализов и медицинских изображений для предложения возможных диагнозов и дифференциальной диагностики.
• Подбор лечения: Рекомендации по выбору оптимальных методов лечения и дозировок препаратов на основе клинических рекомендаций и данных о пациенте.
• Прогнозирование рисков: Оценка вероятности развития осложнений, рецидивов или других неблагоприятных исходов.
• Доступ к знаниям: Быстрый поиск и предоставление актуальной медицинской информации из баз данных, научных статей и клинических руководств.

Технологически помощники врача используют комбинацию машинного обучения (включая глубокое обучение для анализа изображений), экспертных систем и NLP. Ключевым требованием является высокая точность и надежность работы, а также возможность объяснения логики принятия решений (explainable AI).

Экспертный контроль

Системы экспертного контроля на базе ИИ предназначены для оценки качества и соответствия стандартам оказанных медицинских услуг. Это позволяет выявлять ошибки, оптимизировать рабочие процессы и повышать уровень обслуживания пациентов. Основные задачи:

• Анализ проведенных приемов: ИИ может анализировать записи диалогов с пациентами, медицинские записи и другие данные для оценки полноты и корректности проведенного приема.
• Выявление отклонений от протоколов: Автоматическое обнаружение случаев, когда действия медицинского персонала не соответствуют установленным клиническим протоколам и стандартам.
• Оценка качества документации: Анализ медицинских записей на предмет полноты, точности и соответствия требованиям.
• Обратная связь и обучение: Предоставление персонализированной обратной связи медицинскому персоналу для улучшения их работы и выявления областей для дополнительного обучения.

Для экспертного контроля используются технологии NLP, машинного обучения и анализа больших данных. Важно обеспечить конфиденциальность и анонимность данных при проведении такого анализа.

Практические аспекты внедрения

Успешное внедрение ИИ в медицинских организациях требует комплексного подхода, учитывающего не только технологические, но и организационные, этические и правовые аспекты:

• Выбор решений: Необходимо тщательно анализировать потребности клиники и выбирать ИИ-решения, которые наиболее полно отвечают этим потребностям и имеют доказанную эффективность. Важно учитывать не только функционал, но и совместимость с существующей инфраструктурой.
• Интеграция с существующими системами: ИИ-решения должны быть бесшовно интегрированы с медицинскими информационными системами (МИС), электронными медицинскими картами (ЭМК) и другими ИТ-системами клиники. Это обеспечивает единый поток данных и предотвращает дублирование информации.
• Обучение персонала: Внедрение ИИ требует обучения медицинского и административного персонала работе с новыми инструментами. Важно объяснить преимущества ИИ, развеять опасения и показать, как новые технологии могут облегчить их работу.
• Этические и правовые вопросы: Использование ИИ в медицине поднимает ряд этических и правовых вопросов, связанных с ответственностью за принятие решений, конфиденциальностью данных, предвзятостью алгоритмов и согласием пациентов. Необходимо разработать четкие политики и процедуры для решения этих вопросов, а также следовать всем применимым нормативным актам.
• Пилотные проекты и масштабирование: Рекомендуется начинать внедрение ИИ с пилотных проектов в ограниченном масштабе, чтобы оценить эффективность, выявить проблемы и внести необходимые коррективы. После успешного пилота можно приступать к масштабированию решения на всю организацию.
• Мониторинг и оценка: После внедрения необходимо постоянно отслеживать работу ИИ-систем, оценивать их эффективность и вносить улучшения. Это итеративный процесс, который позволяет максимально использовать потенциал ИИ и адаптировать его к меняющимся потребностям клиники.

Внедрение ИИ в медицинских организациях – это не просто технологический проект, а стратегическое направление развития, которое требует инвестиций, планирования и готовности к изменениям. Однако потенциальные выгоды – повышение качества медицинской помощи, оптимизация процессов и улучшение опыта пациентов – делают эти усилия оправданными.

---

Искусственный интеллект уже не является футуристической концепцией в здравоохранении, а становится неотъемлемой частью его настоящего и будущего. Как показано в данном руководстве, ИИ трансформирует каждый аспект медицинской отрасли – от диагностики и лечения до управления процессами и взаимодействия с пациентами. Появление генеративного ИИ открыло новые горизонты, позволяя создавать персонализированные решения и автоматизировать задачи, которые ранее требовали значительных человеческих ресурсов.

Мировой и российский рынки ИИ в медицине демонстрируют впечатляющий рост, обусловленный развитием вычислительных мощностей, доступностью облачных технологий, оптимизацией обучения моделей и острой необходимостью повышения производительности в условиях дефицита медицинских работников. Инвестиционный бум в этой сфере свидетельствует о признании огромного потенциала ИИ, однако успех компаний зависит от глубокого понимания потребностей отрасли, строгой валидации решений, масштабируемости, защиты данных и экономической эффективности.

Внедрение ИИ в медицинских организациях – это сложный, но стратегически важный процесс. Он требует тщательного выбора решений, бесшовной интеграции с существующими системами, обучения персонала, а также внимательного подхода к этическим и правовым вопросам. Пилотные проекты, постоянный мониторинг и оценка эффективности являются ключевыми элементами успешного масштабирования ИИ-решений.

Искусственный интеллект открывает беспрецедентные возможности для улучшения здравоохранения, делая его более эффективным, доступным и персонализированным. Лидеры, которые осознают этот потенциал и готовы к активным действиям, смогут не только обеспечить конкурентное преимущество, но и внести значительный вклад в благополучие общества.

Автор статьи:  Константин Савкин —  советник CEO · бизнес-тренер;  начиная с 2009 года, я провожу бизнес-тренинги, реализую консалтинговые проекты; курирую стратегические сессии и мозговые штурмы. Благодарю Вас за изучение моей статьи! и Буду признателен, если поделитесь своим мнением в комментариях, я обязательно дам Вам персональную обратную связь.