Цифровизацию медицины тормозят некачественные данные

Операции с использованием технологий ИИ становятся распространенной практикой. Фото РИА Новости

Судя по всему, ждать быстрой отдачи от цифровизации и применения искусственного интеллекта (ИИ) в медицине не стоит. Новое исследование Всемирного экономического форума (ВЭФ) показывает, что многочисленные инвестиции в цифровизацию медицины пока не принесли существенных результатов. Хуже того – масштабное применение ИИ в медицине привело к росту врачебных ошибок и исков пациентов. В России применение ИИ в медицине сосредоточено вокруг анализа снимков и медицинских карт пациентов. По мнению экспертов, дальнейшее развитие тормозится отсутствием у разработчиков полного доступа к медданным, нехваткой целевого финансирования закупок, а также ограничением на использование ИИ в клинических рекомендациях.

Активное использование ИИ, с одной стороны, все чаще помогает хирургам в операционной, а с другой – также все чаще фигурирует в отчетах о врачебных ошибках. Западные агентства сообщают о том, что расширение внедрения технологий ИИ привело к росту числа сообщений о хирургических ошибках или об ошибках при чтении анализов пациентов.

Так, Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) Минздрава США только с 2021 года по октябрь 2025-го получило не менее 1,4 тыс. отчетов о проблемах с медицинскими устройствами с ИИ, включенных в реестр управления. В 115 отчетах упоминались проблемы с программным обеспечением или алгоритмами ИИ. К примеру, в одном из отчетов FDA упоминалось, что система ИИ, применяемая при пренатальном ультразвуковом исследовании, некорректно распознавала части тела плода.

В других случаях, пишут агентства, использование ИИ в навигационной системе, применяемой при операциях на носовых пазухах, привело к росту осложнений и травм пациентов в ходе операций. Так, до внедрения ИИ FDA, по их данным, получило сообщения о семи неисправностях оборудования и об одном случае травмы пациента. После обновления число сообщений о сбоях и неблагоприятных событиях превысило 100. Согласно отчетам управления, с конца 2021-го по ноябрь 2025 года пострадало как минимум 10 человек. В ряде случаев система неверно указывала положение хирургических инструментов внутри головы пациента. Сообщалось о вытекании спинномозговой жидкости, повреждении основания черепа и об инсультах после травмирования крупных артерий.

При этом в реестр FDA включено свыше 1,3 тыс. медицинских устройств с ИИ, и это вдвое больше, чем к 2022 году.

Важная особенность: для одобрения нового медицинского оборудования, где применяется ИИ, не нужно проводить тестирование на пациентах в отличие от проверки медикаментов. В итоге для получения разрешения от управления производители ссылаются на предыдущее одобрение, которое было выдано на оборудование без использования ИИ, объяснил преподаватель медицинской школы Университета Вашингтона в Сент-Луисе Александр Эверхарт. Он считает такой подход к сертификации устаревшим и не соответствующим «задачам обеспечения безопасности и эффективности технологий, использующих ИИ».

Рост таких врачебных ошибок по вине ИИ привел к росту судебных исков.

Всемирный экономический форум (ВЭФ) в своем новом исследовании указывает на сложности в масштабировании цифровых технологий ИИ в медицине. При этом только в США в цифровые медицинские компании с 2010 года было привлечено свыше 100 млрд долл. венчурного капитала.

По мнению экспертов, большинство инициатив в сфере здравоохранения по-прежнему находятся на ранней стадии разработки. К примеру, следует из отчета ВЭФ, свыше 70% одобренных FDA разработок в области искусственного интеллекта связано с приложениями для визуализации, многие из которых еще не получили широкого распространения.

Экономисты видят причину в сложности самих систем здравоохранения и наличия в них множества заинтересованных сторон: плательщиков, поставщиков медицинских услуг, пациентов, частных компаний и регулирующих органов. И все они подчиняются различным нормативным актам в разных странах.

В результате инноваторы в сфере здравоохранения – от стартапов до крупных компаний – сталкиваются с серьезными препятствиями. «Внедрить цифровые технологии и искусственный интеллект в клиническую практику сложно из-за разрозненности данных, строгих нормативных требований и ограниченного доступа к обезличенным данным, необходимым для обучения ИИ. Кроме того, из-за раздробленности рынка сложно выйти за пределы локальных регионов», – делают вывод исследователи.

В ВЭФ предлагают решить эту проблему путем разработки совместных с больницами цифровых решений, создания специализированных защищенных платформ для обмена данными между медучреждениями, стартапами и компаниями.

Глобальный рынок ИИ в медицине оценивается в 39 млрд долл. В Fortune Business Insights ожидают, что к 2033–2034 годам он составит 500–600 млрд долл. А значительная доля этого рынка будет принадлежать США. По другим оценкам, рынок глобального ИИ в медицине может приблизиться к 2 трлн долл.

Российский рынок ИИ в медицине скромнее. По одним оценкам, он уже достигает 12 млрд руб., а к 2030 году может вырасти до 78 млрд руб. Компания «Цифровая медицина», фонд «Сколково» и ассоциация «Национальная база медицинских знаний» совокупный оборот российского рынка ИИ для здравоохранения по итогам 2025 года оценивали в 1,5 млрд руб., с прогнозом, что к 2030 году он увеличится до 85 млрд руб.

В совместном исследовании авторы отмечали, что для такого роста требуется преодолеть низкую предпринимательскую активность, вопросы доступа к структурированным медицинским данным и жесткие нормативные ограничения.

В компании «К-Скай» (российская IT-компания, разработчик платформы прогнозной аналитики с помощью ИИ) объем отечественного рынка оценивают в 64 млрд руб., полагая, что к 2030 году он может вырасти почти вдвое – до 121 млрд руб.

В России, по словам директора по развитию бизнеса «К-Скай» Александра Гусева, в настоящее время применяется свыше 70 различных ИИ-систем для медицины и здравоохранения. Так, существуют системы для анализа радиологических изображений, ведения электронных медкарт, дистанционного мониторинга. А кроме того, различные ИИ-решения для стоматологии, офтальмологии, эндоскопии и пр.

В конце 2025 года в журнале «Национальное здравоохранение» был представлен обзор о развитии технологий ИИ в отечественном здравоохранении за 2019–2024 годы. Авторами материала выступили в том числе глава Минздрава РФ Михаил Мурашко и его заместитель Вадим Ваньков. В обзоре отмечалось, что в подведомственных научных центрах Минздрава реализуется 215 проектов, направленных на разработку систем поддержки принятия врачебных решений и повышение точности диагностики. Для регулирования работы рынка утверждены 21 национальный и один предварительный технический стандарт.

В создание и внедрение ИИ-решений за эти шесть лет было вложено 4,7 млрд руб., причем почти 70% средств поступило из государственных источников – институтов развития и региональных программ цифровизации.

На начало 2025 года в России было зарегистрировано 39 медизделий с ИИ, большинство из которых разработано отечественными компаниями, следовало из обзора. Отмечалось, что регионах РФ реализуется 412 инициатив по внедрению ИИ-технологий в практическое здравоохранение. Основная часть решений (83%) предназначена для анализа медицинских изображений – рентгеновских, флюорографических и томографических исследований. Еще 16% систем помогают обрабатывать и структурировать данные электронных медицинских карт.

В компании «К-Скай» среди проблем, с которыми сталкивается отрасль, называли отсутствие доступа разработчиков к обезличенным медданным, нехватку целевого финансирования закупок, а также ограничение на использование ИИ в клинических рекомендациях, что снижает возможности интеграции решений в лечебные процессы и систему ОМС.

«Основной сложностью применения ИИ в медицине является качество данных: ИИ учится на снимках, диагнозах, записях. Если там есть ошибки, то обучение будет некачественным. Еще одной проблемой является фрагментация. Данные разбросаны по разным больницам и системам. Создать единый массив для обучения сложно и дорого», – говорит научный сотрудник Учебно-научной лаборатории искусственного интеллекта, нейротехнологий и бизнес-аналитики РЭУ им. Плеханова Анастасия Медведева.

Кроме того, продолжает она, если алгоритмы в различных сферах здравоохранения обучают на данных преимущественно одной этнической, возрастной или гендерной группы, то прогнозы для других групп будут ненадежными. «ИИ часто видит только структурированные данные (анализы, снимки), но не учитывает нюансы из беседы врача с пациентом, его особенности, что критически важно для постановки диагноза», – говорит эксперт.

С ней согласна и совладелец сети клиник доктора Омарова Зарема Омарова. «ИИ должен стать помощником для врача, но не его заменой. Решение о лечении, интерпретации исследований и анализов должно оставаться за врачом. Область применения ИИ – анализ массива данных, поиск ошибок во врачебной документации, оптимизация пути пациента. А затрудняет внедрение ИИ в системе здравоохранения фрагментация ИТ платформ в центре и регионах, частных и государственных медицинских организациях, тогда как важным условием обучения моделей ИИ является открытость и унификация данных», – подчеркивает она.

По мнению научного сотрудника лаборатории анализа лучших международных практик Института Гайдара Ольги Магомедовой, для эффективного применения технологий на основе ИИ в медицине алгоритмы должны обучаться на качественных данных. «Это означает, что развитие ИИ в здравоохранении возможно только при условии предоставления разработчикам доступа к крупным репрезентативным базам данных о здоровье», – подчеркивает она.

«И именно на этом этапе возникают проблемы. Данные, необходимые для обучения ИИ, представляют собой сведения о здоровье физлиц, собранные медорганизациями за определенный период. Такая информация защищена законодательством о персональных данных и нормами о врачебной тайне. На практике это означает, что разработчики могут запрашивать медицинские данные только в обезличенном виде и лишь при условии, что пациенты дали согласие на их использование», - говорит эксперт. 

В результате разработчики ИИ сталкиваются с рядом барьеров. Во-первых, им приходится собирать базы данных от каждой медорганизации отдельно. Во-вторых, требуется дополнительная подготовка датасетов для обучения алгоритмов, добавляет она.  

«Но даже при таких усилиях собранная информация нередко оказывается недостаточно качественной – неполной, неактуальной или плохо структурированной (например, без возрастной стратификации пациентов)», – поясняет эксперт.