Когда ИИ приходит в больницу: что меняется для врачей и пациентов

В предыдущей колонке я рассматривал медицинский ИИ с деловой точки зрения, уделяя особое внимание возможностям, которые он открывает для технологических компаний. Но помимо потенциала для инноваций и освоения новых рынков есть и более фундаментальный вопрос: как эти технологии повлияют на врачей, которые ими пользуются, и пациентов, которые от них зависят? Ведь истинная ценность медицинских инноваций заключается в том, что они помогают повысить качество и доступность медицинской помощи. И я уже вижу, как заметно меняются способы ее оказания.

Как нехватка персонала ускоряет автоматизацию здравоохранения

Я знаком с предпринимателем, чья компания предоставляет больницам временный медицинский персонал, в том числе медсестер, которые замещают штатных сотрудников, когда те не могут выйти на работу. Можно было бы ожидать, что такой бизнес будет процветать на фоне постоянной нехватки кадров. Однако, по его словам, даже компании, специализирующиеся на подборе медицинских работников, с трудом находят достаточное количество квалифицированных специалистов.

Больницы десятилетиями сталкиваются с нехваткой врачей и медсестер. Подготовка новых медицинских работников требует значительного времени и ресурсов. Медицинское образование, особенно в США, может быть слишком дорогим, а годы учебы и клинической практики сопряжены с финансовым и психологическим давлением. Даже после завершения обучения врачам приходится справляться с сильным стрессом, огромной ответственностью и постоянной нехваткой времени.

В результате у врачей иногда есть всего несколько минут на каждого пациента, чтобы изучить симптомы, рассмотреть возможные диагнозы, назначить обследования и оформить необходимую документацию. Такая нагрузка повышает риск ошибок и оставляет меньше времени для полноценного общения с пациентами. И простое увеличение штата вряд ли решит эту проблему.

Именно поэтому я считаю, что постоянная нехватка персонала и растущая нагрузка станут одними из главных факторов, ускоряющих внедрение ИИ в больницах.

Какие задачи врачи могут поручить ИИ?

Одно из наиболее практичных применений — системы на базе ИИ, которые записывают разговоры между врачами и пациентами, составляют краткое содержание консультаций и помогают оформлять медицинскую документацию. Вместо того чтобы тратить время на ручное ведение записей, врач получает черновик, который может проверить и при необходимости отредактировать.

Преимущества этих инструментов уже становятся заметны в клинической практике. В исследовании, опубликованном в JAMA в апреле 2026 года, проанализировали данные более чем 8 500 медицинских работников из пяти медицинских центров США. Среди врачей, внедривших инструменты для оформления документации на базе ИИ, время, затрачиваемое на клинические записи, сократилось в среднем на 10% — примерно на 16 минут за каждый восьмичасовой период запланированных приемов пациентов.

Еще один пример — дифференциальная диагностика с помощью ИИ. Представьте пациента, который обращается к врачу с болью в животе и покалыванием в левой части тела. Система ИИ может проанализировать симптомы и предложить несколько возможных причин, которые следует проверить. Она не ставит окончательный диагноз, но помогает врачу составить список возможных причин, определить, какие вопросы задать пациенту, и решить, какие обследования могут понадобиться. Я уже сталкивался с подобными инструментами на практике и ожидаю, что они станут обычной частью медицинских консультаций. Но они вызывают и закономерное опасение: не приведет ли зависимость от рекомендаций ИИ к постепенному ослаблению способности врачей рассуждать самостоятельно? Когда система предлагает готовые ответы, возникает соблазн довериться ее выводам — особенно если времени на каждого пациента и без того так мало.

Однако у этого есть и другая сторона. Как бы ни был опытен врач, его знания неизбежно формируются под влиянием пациентов, которых он лечил, пройденного обучения и исследований, на изучение которых у него хватило времени. Модели ИИ, в свою очередь, потенциально способны выявлять закономерности в гораздо больших объемах медицинских данных, в том числе в случаях, с которыми отдельный врач мог никогда не сталкиваться.

ИИ как участник медицинских исследований

Еще одна область, заслуживающая внимания, — сложные клинические случаи, в которых даже опытным специалистам трудно прийти к единому мнению. Сегодня такие случаи часто выносят на врачебные разборы: врачи изучают результаты обследований, обсуждают возможные диагнозы и согласовывают дальнейшие этапы лечения. Я не думаю, что ИИ заменит такие обсуждения, но вполне могу представить, что он станет еще одним их участником.

Это можно организовать несколькими способами. Несколько моделей могли бы независимо проанализировать один и тот же клинический случай, чтобы врачи могли сравнить результаты и определить, в чем их выводы совпадают, а в чем расходятся. Другой вариант — поручить одной модели изучить случай несколько раз, используя разные подходы к анализу, а затем свести результаты воедино для рассмотрения.

Разумеется, согласие между моделями ИИ не обязательно означает, что они пришли к верному выводу. У моделей могут быть общие ограничения, они могут опираться на схожие обучающие данные и совершать одни и те же ошибки. И все же дополнительные точки зрения могут помочь выявить несоответствия, обратить внимание на редкие заболевания или предложить варианты, которые врачи изначально не рассматривали.

Однако, чтобы ИИ мог внести весомый вклад в такие обсуждения, ему необходимо учитывать не только отдельные результаты исследований. Важность более широкого клинического контекста я лично убедился на примере нашей работы в Keymakr. В одном из проектов по ультразвуковой визуализации мы работали со снимками одних и тех же пациентов, сделанными в разное время: иногда несколько раз в день, а затем снова через несколько месяцев. Команда размечала анатомические структуры и отмечала возможные отклонения для рассмотрения специалистами, учитывая при этом изменения, отражённые в истории обследований пациента.

Небольшие несоответствия в отдельных медицинских записях могли повлиять на интерпретацию связанных данных по всему массиву. Этот опыт ещё раз показал, насколько важно учитывать историю болезни пациента целиком, — это столь же необходимо и для систем ИИ, помогающих принимать сложные клинические решения.

МРТ без томографа

Но постановка диагноза — это не только правильная интерпретация медицинских данных. Важно ещё и получить эти данные. Один из самых интересных проектов в области ИИ, о котором я узнал на мероприятии, рекомендованном Scryon, решает именно эту задачу. Команда разработчиков нашла способ с помощью искусственного интеллекта создавать изображения, похожие на МРТ, используя компьютерную томографию и несколько рентгеновских снимков, сделанных под определёнными углами. Идея возникла из вполне практической проблемы: аппараты МРТ дороги, и пациентам иногда приходится ждать обследования месяцами, тогда как рентгеновские аппараты и компьютерные томографы гораздо доступнее.

Пока технология применяется для исследования колена, хотя разработчики рассматривают возможность распространить её и на другие суставы. По словам команды, реконструированные изображения призваны давать информацию, сопоставимую с данными МРТ, несмотря на то что эти методы визуализации основаны на разных физических принципах.

Вместо разработки ещё одного дорогостоящего медицинского оборудования команда использует уже существующие технологии визуализации и расширяет их возможности с помощью реконструкции изображений на основе ИИ.

Операционная без границ

Я ожидаю, что в течение следующего десятилетия ИИ в той или иной форме будет задействован как минимум в половине всех медицинских процессов. Речь идёт о широком спектре применений: от анализа медицинских данных и помощи в диагностике до рекомендаций ИИ в режиме реального времени во время хирургических операций.

В долгосрочной перспективе эти технологии также могли бы помочь преодолеть финансовые, организационные и даже географические барьеры в доступе к медицинской помощи. Представьте, что опытный хирург из США помогает провести операцию ребёнку в Индии или специалист из Индии участвует в лечении пациента в Канаде, не находясь при этом в операционной. Развитие робототехники, систем дистанционного управления и хирургических систем с поддержкой ИИ может сделать такие сценарии возможными.

Первые шаги в этом направлении уже делаются. Например, платформа Proximie позволяет хирургам дистанционно подключаться к операционным, наблюдать за процедурами в режиме реального времени и взаимодействовать с медицинскими командами на месте. Система поддерживает прямую видеотрансляцию, голосовую связь и визуальные аннотации, а также использует ИИ для анализа данных о ходе хирургических операций. Это не означает, что хирурги уже могут дистанционно проводить любые операции, однако специалисты могут делиться опытом и давать рекомендации, не находясь в одной операционной.

Я считаю, что расширение доступа к медицинской помощи должно стать одной из главных целей применения ИИ в медицине. Важно понять, помогают ли эти технологии сократить время ожидания диагностических исследований, снизить нагрузку на медицинских работников и дать врачам больше времени для общения с пациентами. В конечном счёте я бы оценивал успех медицинского ИИ по тому, насколько больше людей благодаря ему смогут своевременно получать качественную медицинскую помощь.