Как врачу ускорить поиск информации без потери качества

В России ИИ-системы ежемесячно анализируют около 1 млн медицинских снимков, а отечественные алгоритмы для колоноскопии снижают риск пропуска новообразований на 65%, особенно эффективно поддерживая уставших врачей в конце смены. Другой пример — созданное в России устройство для анализа одноканальной ЭКГ, способное выявлять сердечную недостаточность без УЗИ с точностью до 94%. Как ИИ становится частью повседневной клинической практики и почему врачам нужна единая профессиональная цифровая среда, эксперты обсудили на форуме «Вузовская наука. Инновации 2026».

Помощь уставшему врачу

Колоректальный рак остается одним из самых распространенных онкологических заболеваний. Только за 2023 год в России было выявлено более 68 тыс. новых случаев, при этом около четверти пациентов получили диагноз уже на IV стадии. Увеличение выявляемости полипов всего на 1% уменьшает риск интервального рака на 3%, поэтому важно поддержание высокой точности диагностики. Согласно исследованию 2018 года, после седьмой колоноскопии частота выявления аденом снижается с 30 до 27%. Компенсировать это могут технологии: метаанализ 14 исследований (опубликован в 2022 году) показал, что использование ИИ при колоноскопии снижает частоту пропуска новообразований на 65% и повышает выявляемость более чем вдвое.

Для разработки отечественного ИИ-сервиса для эндоскопии была собрана база из 10 тыс. кадров колоноскопий. Разметку выполняли врачи-эндоскописты. Созданная модель обладала чувствительностью 72% и специфичностью 82% для выявления новообразований, сообщила одна из участниц разработки врач-эндоскопист отделения эндоскопической диагностики и хирургии Татьяна Савицкая.

Следующим этапом стало исследование «спина к спине», в котором два врача последовательно проводили колоноскопию одному пациенту: один — с использованием ИИ, другой — без него. Частота выявления новообразований в группе с ИИ оказалась на 16% выше.

Эффективность системы была подтверждена в многоцентровом исследовании на базе четырех крупных эндоскопических отделений с участием 1,1 тыс. пациентов. Использование ИИ повысило частоту выявления аденом на 5,8%. Особенно заметным эффект оказался при высокой нагрузке. В первые 12 часов работы различий между группами практически не наблюдалось, но к концу смены эффективность врачей, использовавших ИИ, была на 9% выше. Система компенсировала влияние усталости и помогала специалисту не пропускать подозрительные участки, подсвечивая их во время исследования.

Увидеть скрытое

Развитие медицинского ИИ не ограничивается эндоскопией. В мире уже зарегистрировано около 1430 медицинских устройств с использованием искусственного интеллекта. Перспективным направлением стал анализ одноканальной ЭКГ для выявления параметров работы миокарда, ранее требовавших проведения УЗИ и участия профильного специалиста. Разработанное в России устройство «ЭКГ-1» размером с банковскую карту позволяет проводить удаленный скрининг кардиальной патологии, хронической сердечной недостаточности (ХСН), выявлять и отслеживать кардиотоксичность на основе данных только ЭКГ с точностью 93—94%.

Человек физически не способен визуально извлечь из ЭКГ тот объем скрытых данных, который анализирует ИИ, подчеркнул директор Института персонализированной медицины Первого МГМУ им. И.М. Сеченова, профессор кафедры профилактической и неотложной кардиологии Филипп Копылов. Пилотное исследование в Тульской области показало, что устройство может повысить выявляемость ХСН в пять раз. Технология апробирована в исследовании с участием 15 тыс. пациентов в Татарстане и готовится к тестированию в одной из поликлиник Москвы.

Команда также разрабатывает алгоритмы для определения уровня белка NT-proBNP — одного из ключевых маркеров сердечной недостаточности — по одноканальной ЭКГ. Ранее исследование показало возможность этого для 12-канальной ЭКГ. Потенциально ИИ-анализ ЭКГ также позволит выявлять гипергликемию, тиреотоксикоз и ишемическую болезнь сердца.

Поддержка в ежедневной практике

Объем медицинских знаний растет быстрее, чем врач способен их обрабатывать. По данным компании Rx Code, специалисты тратят до часа в день на поиск информации, причем около трети этого времени уходит не на изучение данных, а на проверку их достоверности, сообщил Денис Вязников. Поисковые системы вроде «Яндекса» и Google выдают потребительские ответы, не адаптированные под клиническую работу. Таким образом, проблема заключается не в дефиците информации, а в отсутствии единой доверенной среды для работы с медицинскими знаниями.

Для решения этой проблемы Rx Code создала цифровую экосистему «Мединтернет», объединяющую ИИ-поисковик, проверенные медицинские знания, исследования, образовательные материалы и мультиагентные AI-системы. Валидацию базы знаний проводят врачи Сеченовского университета. Искусственный интеллект дообучен на клинических рекомендациях и научных публикациях с использованием технологии RAG (Retrieval-Augmented Generation), поэтому он избавлен от галлюцинаций и неточностей, характерных для большинства нейросетей общего пользования. Пользователи платформы оценивают уровень доверия к ответам ИИ в среднем на 8,5 из 10 баллов.

Данные показывают, что ИИ из экспериментальной технологии превращается в часть рутинной медицинской практики. Всего платформу «Мединтернет» посещают около 140 тыс. раз в месяц, регулярно пользуются ею 40 тыс. специалистов. Среднее время пребывания на портале составляет около девяти минут, а 60% врачей повторно возвращаются к ИИ-поисковику. При этом около 70% запросов напрямую связаны с клинической деятельностью. В опросах специалисты отмечают, что используют ИИ для учета взаимодействий лекарств, краткого изложения клинических рекомендаций и составления чек-листа для обсуждения перед принятием решения об оперативной тактике.

Формируется единая профессиональная среда: «Мединтернет» становится пространством, объединяющим врачей, научные сообщества и образовательные организации. У медицинских специалистов существует запрос на присутствие в экосистеме профильных профессиональных обществ, поскольку для врача важно оставаться внутри привычной научной среды, обмениваться опытом с коллегами и получать доступ к актуальным знаниям. Для этого был создан раздел с карточками вузов, сообществ, специализированных инструментов, что позволяет всем этим игрокам доносить информацию до врачей. Университеты и объединения врачей получают возможность напрямую взаимодействовать с медицинским сообществом и доносить до врачей актуальную информацию, образовательные материалы и результаты исследований.

Студенты активно используют нейросети в процессе обучения, и университеты заинтересованы в том, чтобы получаемые при этом ответы были достоверными. Уже подписываются соглашения с Кубанским, Приволжским, Саратовским государственными медицинскими университетами и другими ведущими вузами о подключении к платформе, чтобы студенты и врачи пользовались не общими ИИ-сервисами, а сервисом с проверенной медицинской информацией.

Более 500 исследований проведено на базе ресурса за время его работы. Вузам и другим партнерам доступны инструменты для проведения опросов и проверки гипотез, например оценки востребованности новых продуктов среди врачей. Практика показывает, что даже перспективные, на первый взгляд, проекты могут не находить спроса у профессионального сообщества. Кроме того, ИИ-агент платформы может использоваться для поиска перспективных направлений разработки, выявления незакрытых ниш на рынках лекарственных препаратов, медицинских технологий и сервисов.

Система образования не успевает за ИИ

ИИ быстро внедряется не только в индивидуальную работу врача, но и становится частью здравоохранения России: на одной только платформе «МосмедИИ» ежемесячно обрабатывается 1 млн медицинских снимков из 74 регионов, в 60 субъектах внедрены решения на базе нейросетей для обработки электронных медкарт. Тормозит внедрение ИИ гетерогенность информационных систем и связанная с этим сложность интеграции нового инструмента. Но помимо технологических барьеров заместитель директора Института цифрового биодизайна и искусственного интеллекта в медицине Сеченовского университета Валерия Кузоватова выделяет и организационные: обучение персонала отстает от скорости внедрения технологий, а иногда происходит формальное использование ИИ — без трансформации процессов внутри медорганизации.

Отставание от технологического прогресса заметно и в образовании: ИИ меняет медицину быстрее, чем успевают трансформироваться университеты, признал директор цифрового кластера «Школа 21. Сеченов» Сеченовского университета Юрий Огнев. По прогнозу правительства РФ, к 2030 году дефицит кадров с компетенциями в сфере искусственного интеллекта может составить около 89 тыс. человек. По итогам совещания с членами кабмина в феврале этого года президент РФ Владимир Путин поручил обеспечить обучение медработников новым цифровым технологиям и инструментам ИИ, в том числе для диагностики и интерпретации исследований.

При этом медицинское сообщество уже сталкивается с обратной стороной стремительного внедрения технологий, заметил Филипп Копылов. Исследование компании Anthropic показывает, что безусловное доверие к ответам ИИ снижает уровень мастерства студентов примерно на 17%. К тому же эффективность больших языковых моделей напрямую зависит от качества взаимодействия с ними. В формализованных клинических сценариях точность ИИ может достигать 95%, тогда как при свободном диалоге и неоднозначных запросах она существенно снижается.

Поэтому ключевыми компетенциями врача будущего становятся не программирование или глубокое понимание алгоритмов, а умение правильно формулировать запросы к нейрости, критически оценивать его выводы и интегрировать работу с цифровыми инструментами в клинический процесс. Врачи уже активно используют ИИ как медицинский справочник и инструмент для подготовки документации. Эксперты считают, что в ближайшие годы значительная часть медицинских записей будет формироваться автоматически с помощью голосового ввода.

Следующий этап развития медицины, согласны эксперты, связан с мультиагентными системами и анализом мультиформатных данных, когда ИИ сможет одновременно работать с изображениями, лабораторными показателями, медицинскими документами и другими источниками информации. В этих условиях университеты начинают перестраивать образовательные подходы: студентов вовлекают в работу с реальными клиническими данными и обучают не только использованию ИИ, но и навыкам взаимодействия с ним. Главной задачей становится подготовка врача, способного эффективно работать в новой цифровой медицинской среде, сохраняя при этом независимость профессионального мышления и ответственность за принятие решений.