В настоящее время технологии искусственного интеллекта демонстрируют стремительный рост популярности и широкое практическое применение: данные системы способны генерировать визуальный контент, управлять транспортными средствами и обеспечивать эффективную обработку телефонных вызовов в различных структурах. Сфера медицины также активно интегрирует ИИ-решения, демонстрируя высокую результативность; потенциал этих технологий может быть существенно увеличен при условии вовлечения населения в процесс сбора данных и соответствующей корректировки законодательной базы. Тем не менее ряд проблем, возникающих в процессе внедрения подобных инноваций в условиях текущей мировой политэкономической ситуации, представляются трудноразрешимыми. Параллельно с этим вектор развития медицины смещается от терапии острых состояний к лечению хронических заболеваний — включая ожирение, депрессию и возрастные патологии, — многие из которых ранее не классифицировались как клинические заболевания.

Диабет, сердечная недостаточность, аутоиммунные расстройства всё чаще диагностируются вне фазы обострения, на самых ранних стадиях, причём речь всё чаще идёт не только о поддерживающей терапии, но о возможности полностью излечить, исправить эти системные сбои организма. Развивается превентивная медицина, позволяющая распознать предрасположенность к определённым типам заболеваний ещё до их проявления и принять меры. Быстро растут объёмы медицинских данных, и мы начинаем понимать, что от скорости и качества их анализа зависят наше здоровье и качество жизни. И что всё это — работа для искусственного интеллекта.

Что такое искусственный интеллект

Здесь под искусственным интеллектом (ИИ) мы будем понимать способность машины имитировать умное поведение людей, то есть — умение ориентироваться в меняющемся контексте и принимать с учётом этих изменений оптимальные, позволяющие достичь цели решения.

Сегодня масштабно используются две технологии ИИ — экспертные системы и нейронные сети. В то время как экспертные системы отживают свой век, нейронные сети (НС) завоевали рынок благодаря способности учиться.

Выделяют несколько видов ИИ:

1. Узкий ИИ (narrow AI) — спроектирован, чтобы решать определённую задачу;
2. Общий ИИ (general AI, AGI) — сможет решать любые задачи, с которыми справится человек;
3. Superintelligence — будет опережать человека по сложности решаемых задач.

В данной статье под ИИ я буду подразумевать «узкий ИИ», реализованный на базе нейронных сетей. Механизм работы последних был вдохновлён биологическими нейронными сетями. В компьютерном виде НС представляют граф с тремя или более слоями нейронов, соединённых в слоях тем или иным образом. У соединений есть веса, играющие важную роль в обучении НС.

Примитивно обучение нейронных сетей можно представить так: на входные нейроны подаются данные, дальше они обрабатываются нейронами на внутреннем слое, и на выходных нейронах получаются некоторые значения. Если полученные значения нас не устраивают, мы меняем веса соединений в нейронной сети и заново её учим (подробнее об этом можно почитать в книге Дэвида Криселя (David Kriesel) A Brief Introduction to Neural Networks). Чем больше релевантных данных подаётся на входные нейроны, тем релевантнее выходит и результат работы сети.

Что необходимо сделать прямо сейчас?

Современные системы искусственного интеллекта уже помогают врачам лечить пациентов. Например, компания HeartFlow, используя снимки КТ, компьютерное моделирование потоков крови и алгоритмы глубокого обучения, умеет строить 3D-карту сердца. Это дает докторам возможность точнее и быстрее диагностировать сердечные заболевания, снижая число необходимых инвазивных процедур на 80%. Однако ИИ находит применение и в областях, напрямую не связанных с лечением больного, но все равно влияющих на качество медицинского обслуживания. Об этих, в какой-то степени вспомогательных, но по-прежнему важных задачах, мы сегодня и хотим поговорить.

«Внимательный доктор приедет, куда удобно вам»

Маршрутизация в больницах

Системы искусственного интеллекта и машинное обучение могут помочь не только в постановке диагноза. Например, в конце мая Клиника Университетского колледжа Лондона в Блумсбери (UCLH) объявила, что будет использовать системы ИИ для определения пациентов, которым действительно нужна неотложная медицинская помощь.

Когда в приемный покой поступает пациент, жалующийся на боль, медперсонал выполнят стандартные процедуры — берет кровь на анализ, собирает анамнез, при необходимости делает рентген. Как отмечают в поликлинике, в 80% случаев у пациентов нет ничего серьезного — им выписывают лекарства и отпускают домой.

Система искусственного интеллекта позволит быстрее выявлять те самые 20%, которым действительно требуется неотложная помощь. Генеральный директор UCLH в интервью Guardian рассказал, что ПО будет устанавливать пациенту приоритет, оценивая опасность озвученных им симптомов. Например, боль в области живота может означать аппендицит или заболевание почек, поэтому такой человек будет «двигаться» в сторону головы очереди.

Алгоритмы машинного обучения также способны помочь и с маршрутизацией пациентов и докторов. Например, исследователь и консультант-невролог в Национальном госпитале неврологии и нейрохирургии Великобритании Парашкев Начев (Parashkev Nachev) разработал алгоритм машинного обучения, который анализирует информацию о записях на прием в поликлинику и оценивает вероятность того, что пациент по тем или иным причинам пропустит сеанс МРТ-сканирования. Его система учитывает такие параметры, как возраст человека, его адрес и расстояние до клиники, погодные условия. Пока ученому удалось достичь точности в 85%. Это помогает оперативно перераспределять время записи.

А в той же UCLH система искусственного интеллекта, которую разрабатывают ученые из Института им. Алана Тьюринга, будет отслеживать, как доктора и пациенты «перемещаются» по госпиталю — какие задачи выполняют, на какие процедуры ходят. Это поможет определять потенциальные «бутылочные горлышки» в организации работы поликлиники — ситуации или места, где потенциально возможны очереди или дефицит оборудования.

Поиск новых знаний

Практики лечения, которым следуют врачи, имеют свойство устаревать. Появляются новые методологии, новые исследования и препараты. Еще в 2004 году исследователи изучили содержание 341 медицинского журнала и установили, что в сумме количество ежемесячных публикаций превышало 7 тысяч.

В идеале врачу необходимо постоянно поддерживать уровень предметных знаний, быть в курсе современных практик лечения — однако изучать весь корпус публикаций, которые регулярно выходят в тематических журналах, практически невозможно — даже если речь идет об узком специалисте.

Помочь в этой ситуации способны технологии искусственного интеллекта в комбинации с поисковыми системами. Подобное решение разработали ученые из американского исследовательского центра RAND, занимающегося методами анализа стратегических проблем. Они научили систему искать в огромных объемах информации ключевые слова и термины, имеющие отношение к теме запроса.

Во время тестов этой темой были данные о подагре, низкой плотности костных тканей и остеоартрозе коленного сустава. Алгоритм сумел сократить количество актуальных статей, представляющих интерес для докторов, на 67–83%. По словам разработчиков, система пропустила лишь две статьи, которые были бы отобраны людьми, но ни одна из них не содержала критически важной информации. Точность работы алгоритма машинного обучения составила 96%.

Разработка лекарств

Опыт работы фармацевтических компаний показывает, что с момента начала доклинических испытаний до утверждения препарата и лечения пациентов проходит примерно 12 лет. При этом всего 0,1% «препаратов-кандидатов» попадают на клинические тесты. Одобрение получают 20% из них.

Помочь разрешить эту ситуацию и ускорить выход новых лекарств способны системы искусственного интеллекта. Машинное обучение и системы ИИ находят применение на ранних этапах разработки медицинских препаратов.

Пример — решение компании AtomWise из Сан-Франциско. Их система называется AtomNet. Она использует методы глубокого обучения, чтобы спрогнозировать, как поведут себя молекулы и с какой вероятностью они будут образовывать необходимые связи.

Во время обучения разработчики AtomNet «скормили» системе искусственного интеллекта данные о результатах нескольких миллионов уже известных взаимодействий молекул. На основе этих взаимодействий система научилась предсказывать взаимодействия, которые еще не происходили. ПО уже помогло создать препараты для лечения Эболы.

Системы искусственного интеллекта и машинное обучение помогают врачам и ученым работать эффективнее. Доктора освобождаются от рутинных задач, ученым становится проще проводить исследования, а пациенты быстрее получают лечение.

Сегодня разработки на стыке ИИ и медицины становятся все более популярными. Например, Google начали отбирать компании, занимающиеся созданием «медицинских» систем искусственного интеллекта, для участия в программе стартап-акселератора Launchpad Studio. В конце прошлого года к проекту присоединились сразу четыре компании.

Мы в DOC+ тоже занимаемся разработками в этой сфере: развиваем собственную NLP-систему, которая умеет обрабатывать тексты на медицинскую тематику. Она используется в нашем чат-боте — он помогает собрать анамнез, умеет вычленять симптомы заболеваний из жалоб пациента и в структурированном виде передает их доктору.

Для любознательных

Искусственный интеллект стремительно эволюционирует из вспомогательного инструмента автоматизации в фундаментальную основу здравоохранения будущего. В этой статье мы разберем, как нейросети изменят диагностику, фармакологию и повседневную работу врачей в ближайшие десятилетия, а также с какими вызовами столкнется человечество на этом пути.

Сверхранняя диагностика: увидеть невидимое

Главная суперсила современного искусственного интеллекта — способность находить скрытые паттерны и микроскопические аномалии в колоссальных массивах данных, которые человеческий глаз физически не способен заметить или сопоставить. В медицине это означает тектонический сдвиг: переход от лечения запущенных симптомов к предотвращению болезней на латентной, то есть скрытой стадии.

В онкологии алгоритмы компьютерного зрения уже совершили тихую революцию. Обученные на миллионах верифицированных снимков КТ, МРТ и маммографии, нейросети обнаруживают новообразования размером в несколько миллиметров. В ближайшем будущем ИИ перейдет от фиксации существующих опухолей к прогнозированию: анализируя динамику изменений текстуры тканей за несколько лет, алгоритм предупредит врача, что в конкретной зоне с высокой долей вероятности разовьется злокачественный процесс.

В генетическом мониторинге ИИ станет главным инструментом расшифровки «кода жизни». Полное секвенирование генома генерирует терабайты данных для одного человека. ИИ сможет мгновенно сопоставлять генетическую последовательность пациента с его эпигенетическими факторами — образом жизни, экологией региона проживания, уровнем стресса и качеством сна. Итогом станет индивидуальная карта здоровья, рассчитывающая персональные риски развития тысяч мультифакторных заболеваний, от диабета до болезни Альцгеймера, за десятилетия до их первых клинических проявлений.

Революция в фармакологии: лекарство за считанные дни

Создание нового медицинского препарата классическим путем — это один из самых консервативных, дорогих и долгих процессов в современной индустрии. В среднем он занимает от 10 до 12 лет и требует миллиардных инвестиций, при этом около 90% перспективных молекул отсеиваются на разных этапах испытаний. Искусственный интеллект полностью меняет правила этой игры, сжимая годы работы в дни.

На этапе поиска молекулы-кандидата традиционная наука полагается на метод проб и ошибок или трудоемкий высокопроизводительный скрининг в лабораториях. ИИ, используя модели глубокого обучения (такие как алгоритмы прогнозирования трехмерной структуры белков), способен проводить виртуальный скрининг миллиардов химических соединений в секунды. Нейросеть сама конструирует de novo (с нуля) формулу молекулы, которая идеально заблокирует целевой патогенный белок.

Этап прогнозирования токсичности и эффективности также переносится в виртуальную среду — этот метод называется in silico (моделирование на компьютере). Вместо месяцев тестов на клеточных культурах и лабораторных животных, ИИ мгновенно просчитывает биосовместимость вещества и симулирует его метаболизм в человеческом организме.

Когда дело доходит до клинических испытаний, алгоритмы оптимизируют подбор групп добровольцев. Анализируя электронные медицинские карты, ИИ выбирает пациентов с идеальным генетическим и клиническим профилем для тестов, что минимизирует риски побочных эффектов и максимизирует шансы на успешную регистрацию препарата. В условиях появления новых неизвестных вирусов или стремительного роста супербактерий, устойчивых к антибиотикам, такая скорость спасет миллионы жизней.

Цифровые двойники и персонализированная медицина

Концепция «среднестатистического пациента», на которой веками строилась медицина, окончательно уходит в прошлое. Лечение по протоколам, рассчитанным на абстрактного человека массой 70 килограммов, заменяется прецизионной, или высокоточной медициной. Центральное место в этом переходе займет технология цифровых двойников (Digital Twins).

Цифровой двойник человека — это динамическая, постоянно обновляющаяся виртуальная копия организма. Она создается на основе интеграции всех доступных данных: от структуры ДНК и состава микробиома кишечника до ежесекундных показателей с носимых датчиков, «умных» часов, биочипов и имплантированных сенсоров глюкозы.

Практическое применение этой технологии кардинально изменит визиты к врачу. Прежде чем назначить пациенту агрессивный курс химиотерапии, сложную комбинацию кардиопрепаратов или провести инвазивную операцию, медицинская команда «протестирует» этот сценарий на его цифровом двойнике. Компьютерная симуляция покажет, как отреагируют почки, не возникнет ли критической нагрузки на сердце и какая дозировка будет идеальной именно для этого конкретного человека. Это исключит смертельно опасные врачебные ошибки и метод подбора лекарств «наугад».

Роботизированная хирургия под управлением ИИ

Современные хирургические роботы-ассистенты давно стали стандартом в ведущих клиниках мира, однако они представляют собой лишь высокоточные «манипуляторы», полностью подчиненные рукам сидящего за пультом хирурга. Следующий фундаментальный шаг эволюции — автономизация хирургических систем с помощью ИИ.

На первом этапе искусственному интеллекту доверяют рутинные, монотонные, но требующие ювелирной точности этапы операций, такие как наложение анастомозов (сшивание сосудов или полых органов). ИИ-хирург способен компенсировать естественный микротремор человеческих рук и даже подстраиваться под дыхательные движения пациента или биение его сердца в режиме реального времени.

В будущем, по мере развития систем тактильной обратной связи (когда робот «чувствует» плотность ткани) и интеграции дополненной реальности, автономные системы смогут самостоятельно выполнять малоинвазивные вмешательства. Благодаря субмиллиметровой точности разрезов повреждение здоровых окружающих тканей снизится до абсолютного минимума. Это приведет к тому, что сложные операции превратятся в амбулаторные процедуры, после которых пациент сможет отправляться домой уже через несколько часов, а период реабилитации сократится в разы.

Этические вызовы и «подводные камни»

Несмотря на колоссальные перспективы, повсеместное и неконтролируемое внедрение искусственного интеллекта в клиническую практику сопряжено с серьезными барьерами, которые человечеству еще только предстоит преодолеть.

Первая фундаментальная проблема — это феномен «черного ящика» (Black Box). Современные глубокие нейросети оперируют миллиардами параметров. Они могут с невероятной точностью поставить верный диагноз, но не способны выдать понятную человеку причинно-следственную цепочку: почему было принято именно это решение. Перед врачом встает тяжелейшая дилемма: готов ли он доверить жизнь пациента алгоритму, логику которого он не может до конца перепроверить?

Второй юридический тупик касается распределения ответственности. Если ИИ-программа некорректно интерпретирует снимок, порекомендует неверную дозировку, и это приведет к ухудшению состояния или гибели пациента, кто понесет наказание? Разработчик программного обеспечения, допустивший скрытый баг? Клиника, купившая лицензию? Или лечащий врач, который поставил свою подпись под финальным назначением, доверившись машине? Четкой международной правовой базы для решения этих вопросов пока не существует.

Третий критический аспект — безопасность и конфиденциальность медицинских данных. Чтобы обучить эффективный медицинский ИИ, разработчикам требуются деперсонализированные, но крайне детальные медицинские карты миллионов реальных людей. В эпоху развитого киберпреступления утечка таких баз данных представляет угрозу не только для приватности личной жизни, но и для биоразнообразия и страховой безопасности целых государств.

А что сейчас?

Текущую ситуацию в мировой и российской медицине можно разделить на четыре ключевых направления: 

1. Анализ снимков стал стандартом (Медицинская визуализация)

Это самая зрелая область применения ИИ. Алгоритмы компьютерного зрения больше не удивляют радиологов, а работают с ними в одной связке.

• Как это работает сейчас: В большинстве регионов России и в крупных мировых госпиталях ИИ автоматически обрабатывает поступающие снимки КТ, МРТ, маммографии и рентгена. Он не ставит окончательный диагноз, но выполняет роль сортировщика (триаж): подсвечивает подозрительные зоны (например, узелки в легких или микротрещины) и поднимает снимки пациентов с явными патологиями наверх очереди, чтобы врач изучил их в первую очередь.
• Дерматология: Обычный снимок камеры смартфона используется ИИ-ассистентами для классификации новообразований кожи и ранней оценки риска меланомы. 

2. Борьба с выгоранием врачей (Ambient AI)

Главный прорыв последних двух лет — это применение больших языковых моделей (LLM) для рутины, которая отнимает у врачей до 40% рабочего времени.

• Речевые ассистенты в кабинетах: Внедряются системы «амбиентного документирования». Врач просто общается с пациентом на приеме, а ИИ слушает их диалог через микрофон, очищает его от бытового шума, структурирует и автоматически заполняет электронную медицинскую карту (ЭМК), формируя готовый проект заключения. Доктору остается лишь проверить и подписать текст. 

3. Первые успехи ИИ-фармацевтики

В прогнозах мы говорим о создании лекарств за дни, но прямо сейчас те молекулы, которые ИИ начал разрабатывать несколько лет назад, проходят реальные испытания.

• Препараты, полностью спроектированные алгоритмами (например, для лечения неизлечимого ранее идиопатического легочного фиброза или новых видов антибиотиков против супербактерий), уже находятся на II стадии клинических испытаний на людях. ИИ доказал свою способность генерировать рабочие формулы, которые принимает медицинское сообщество. 

4. Системы поддержки принятия решений (СППВР)

ИИ интегрирован внутрь больничных систем для непрерывного анализа данных пациентов.

• Предотвращение сепсиса: Нейросети в реальном времени мониторят электронные карты, результаты анализов крови и показатели давления лежачих больных в реанимациях. Алгоритм способен предсказать развитие сепсиса (заражения крови) или внезапную остановку сердца за 4–6 часов до того, как изменения станут очевидны для дежурной медсестры, спасая тысячи жизней за счет выигранного времени.

 Что тормозит прогресс прямо сейчас?

1. Регулирование и законы: Летом 2024 года был принят Закон об ИИ в ЕС (EU AI Act), жесткие медицинские положения которого вступают в силу как раз в августе 2026 года. Разработчиков жестко штрафуют за непрозрачность алгоритмов, поэтому внедрение систем идет осторожнее, чем хотелось бы технологическим гигантам.
2. Обязанность, а не рекомендация: В России министерство здравоохранения перешло от тестирования к практике: региональные клиники обязаны внедрять отечественные ИИ-платформы для анализа лабораторных данных и диагностики, а массовое обучение врачей работе со смарт-системами стало рутинным процессом.

 Главный итог сегодняшнего дня: ИИ перестал быть научной фантастикой. Он стал надежным подмастерьем, который забирает на себя монотонную, изнурительную аналитическую работу, оставляя врачу главное — общение с пациентом и принятие финальных решений.

Вывод: станет ли ИИ заменой врачу?

Искусственный интеллект не заменит человека в белом халате. Медицинская практика — это не просто механический анализ сухих цифр, графиков и рентгеновских снимков. Это сложнейший психоэмоциональный процесс, требующий эмпатии, сострадания, интуитивного понимания контекста жизни пациента и умения оказать психологическую поддержку в самый темный момент. Машина способна сосчитать клетки крови, но она не может сопереживать.

Наиболее точной и признанной в мировом экспертном сообществе остается формула: «Искусственный интеллект никогда не заменит врачей. Но врачи, использующие ИИ в своей работе, неизбежно заменят тех врачей, которые отказываются его использовать». Будущее глобального здравоохранения лежит в плоскости синергии — объединении человеческого милосердия, клинического опыта и безграничной, точной вычислительной мощности машин.