← Все статьи

ИИ в медицине: где он помогает врачу, где ошибается и как читать цифры о его точности

Темы: ИИ, Медицина

Вечерний кабинет врача: на мониторе рентген грудной клетки с полупрозрачными рамками разметки программы, одна рамка подсвечена жёлтым, рядом второй монитор с двумя плавными кривыми, стетоскоп, планшет и чашка

Короткий ответ: в американском списке FDA на 4 сентября 2026 года 1614 медицинских изделий с ИИ, и 1230 из них (76%) относятся к лучевой диагностике, например работают с рентгеном, КТ, МРТ и маммографией. В Москве, по сообщению мэрии от 3 июня 2026 года, сервисы компьютерного зрения помогают врачу, а окончательное решение остаётся за ним. Список неполный, и он не показывает, как часто эти изделия применяют. Самое сильное доказательство пользы, которое я нашёл, это шведское испытание маммографии MASAI на 106 тысячах женщин: с ИИ нашли больше рака, врачам пришлось читать на 44% меньше снимков, а доля ложных тревог не выросла. Рядом описаны три вида провалов, и для того, кто собирается внедрять ИИ, они не менее важны. Модель в чужой больнице может работать хуже, чем у разработчика (так вышло с моделью сепсиса в Мичигане). Врач может пойти за неверной подсказкой или со временем хуже справляться без неё. Языковая модель сама по себе отвечает хорошо, но в двух рандомизированных исследованиях людям, которые ею пользовались, это заметно не помогло: у врачей прирост в 2 процентных пункта статистически не подтверждён, обычные люди справились не лучше тех, кто пользовался своим источником. Ниже разберу каждый пункт с числами, объясню, почему слово «точность» без доли больных почти ничего не значит, и дам проверку для пациента, для владельца клиники и для компании вне медицины.

Где ИИ уже работает и сколько его допущено

США. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) ведёт открытый список медицинских изделий с ИИ. На странице, обновлённой 4 сентября 2026 года, я насчитал 1614 строк. Из них 1230 относятся к лучевой диагностике (рентген, КТ, МРТ, маммография), 154 к кардиологии, 73 к неврологии. За 2025 год в списке 335 решений о допуске. FDA прямо пишет, что список неполный: изделия в него попадают по упоминанию ИИ в описании.

Россия. По закону об основах охраны здоровья (статья 38 закона № 323-ФЗ) программа, которую производитель предназначил для диагностики или лечения, считается медицинским изделием, а применять в России можно медицинские изделия, прошедшие государственную регистрацию. В ноябре 2025 года министр здравоохранения Михаил Мурашко сообщил, что в реестре Росздравнадзора 48 программ с ИИ. По данным GxP News на сентябрь 2025 года, 43 из 48 зарегистрированных изделий с ИИ российской разработки.

Москва. По сообщению мэрии от 3 июня 2026 года, в столичном здравоохранении работает больше 60 сервисов компьютерного зрения (программ, которые ищут признаки болезни на снимках) по 45 клиническим направлениям, ими обработано больше 30 миллионов исследований, а среднее время описания снимков сократилось примерно на 30%. Там же сказано, что окончательное решение остаётся за врачом. Эти цифры дал сам город, независимой проверки в найденных источниках нет.

Общая картина по этим данным: в списке FDA больше всего изделий с ИИ, которые работают с медицинскими снимками. Как часто их применяют в клиниках, из списков не видно, есть только отдельные сообщения вроде московского.

Что доказано лучше всего: шведское испытание маммографии

Простое доказательство пользы выглядит так: модель на наборе старых снимков нашла болезнь не хуже врачей. Оно слабое: на архиве нет живого потока пациентов, нет усталости врача и нет вопроса, что стало с людьми потом. Сильное доказательство даёт рандомизированное испытание: людей случайно делят на две группы, одну обследуют с ИИ, другую как обычно, и сравнивают исходы.

Такое испытание провели в Швеции. В MASAI случайно распределили 105 934 женщины, проходившие обычный скрининг (плановое обследование здоровых людей) на рак груди. В обычной группе каждый снимок, как принято в шведском скрининге, смотрели два врача. В группе с ИИ программа оценивала риск по каждому снимку: снимки с низким риском смотрел один врач, с высоким два, а подозрительные места программа отмечала. Итоги опубликовали в журнале The Lancet 30 января 2026 года.

Что получилось:

  • Рака нашли больше. По данным Лундского университета, при скрининге с ИИ выявили на 29% больше рака груди.
  • Доля ложных тревог не выросла. Чувствительность (доля больных, у которых обследование нашло рак) выросла с 73,8% до 80,5%. Специфичность (доля здоровых, которых обследование правильно признало здоровыми) в обеих группах одинаковая, 98,5%.
  • Прочтений снимков у врачей меньше. Число прочтений снимков врачами снизилось на 44%. Это мера именно чтения снимков, а не всей работы врача.

Главной мерой испытания был интервальный рак: рак, который обнаружили в промежутке до следующего планового обследования. Это может быть опухоль, которую пропустили на снимке, или опухоль, выросшая быстро. С ИИ таких случаев было 82, без ИИ 93, то есть 1,55 против 1,76 на тысячу женщин. Лундский университет в сообщении о результатах пишет о 12% меньше интервального рака.

Здесь начинается та сложность, ради которой стоит читать исследования, а не заголовки. Испытание строили, чтобы доказать, что с ИИ не хуже, и это доказано. А вот разница в 12% статистически не подтверждена: отношение долей 0,88, но с учётом случайного разброса (95-процентный доверительный интервал) настоящее значение может лежать между 0,65 и 1,18, то есть эффект может оказаться и заметным снижением, и небольшим ростом (p = 0,41). Кроме того, 12% это относительная разница. В абсолютных числах это 0,21 случая на тысячу женщин, примерно два случая на десять тысяч обследованных.

Как это читать: испытание показало, что скрининг с ИИ находит больше рака (разница в чувствительности статистически подтверждена) при той же доле ложных тревог и снимает с врачей почти половину чтений, а интервального рака при этом не больше. Что дополнительные находки спасают жизни, это испытание пока не показало, для этого нужны многолетние наблюдения. И это результат одной страны с её порядком скрининга: перенос на другой порядок и другие аппараты требует своей проверки.

Почему «точность 95%» почти ничего не говорит

В новостях про медицинский ИИ встречается слово «точность». Например, в том же сообщении мэрии от 3 июня 2026 года сказано, что по отдельным направлениям точность ИИ-сервисов превышает 95%, но не сказано, какая именно мера имеется в виду. А мер несколько, и для пациента и для клиники они значат разное.

Три меры, которые стоит знать:

  • Чувствительность: из всех больных какую долю система нашла. Низкая чувствительность значит пропуски.
  • Специфичность: из всех здоровых какую долю система правильно не тронула. Низкая специфичность значит ложные тревоги.
  • Доля верных тревог (в медицине её называют прогностической ценностью положительного результата): из всех, на кого система подала сигнал, какая доля действительно больна. Это то, что видит врач, получивший тревогу.

Третья мера зависит от того, сколько больных среди тех, кого проверяют. Покажу на условном примере. Возьмём систему с чувствительностью 90% и специфичностью 90% и проверим ею 10 000 человек в двух местах.

Больны 1% (скрининг здоровых) Больны 20% (люди с жалобами)
Больных из 10 000 100 2 000
Система нашла больных 90 1 800
Ложных тревог у здоровых 990 800
Доля верных тревог 8% 69%

Одна и та же система с одной и той же «точностью» в первом случае подаёт 12 тревог на каждого настоящего больного, а во втором почти семь из десяти тревог верные. Поэтому цифра поставщика ничего не говорит о вашей клинике, пока вы не знаете, на какой доле больных её получили и какая доля больных у вас.

Реальный пример такой арифметики ниже, в истории с сепсисом: там из каждых 100 тревог верными были 12.

Что бывает, когда модель уходит из лаборатории

Сепсис в Мичигане. Сепсис это опасная для жизни реакция организма на инфекцию, и его важно заметить рано. Компания Epic, производитель системы электронных медицинских карт, встроила в неё модель, которая по данным пациента предупреждает о риске сепсиса. По словам авторов исследования, к 2021 году её применяли сотни больниц США. Разработчик сообщал для неё AUC от 0,76 до 0,83. AUC это вероятность того, что модель поставит случайно выбранному больному более высокий балл, чем случайно выбранному здоровому: 0,5 соответствует подбрасыванию монеты, 1 идеалу.

Врачи Мичиганского университета проверили модель на своих пациентах: 27 697 человек, 38 455 госпитализаций с декабря 2018 по октябрь 2019 года, сепсис был в 7% госпитализаций. Результат опубликовали в журнале JAMA Internal Medicine в июне 2021 года:

  • AUC в их больнице 0,63, ниже заявленного разработчиком;
  • модель не заметила 67% пациентов с сепсисом (1709 из 2552);
  • тревогу она подавала по 18% всех госпитализаций, и из сработавших тревог верными были 12%: чтобы найти одного будущего больного сепсисом, врачу надо было проверить восемь пациентов.

Урок этой истории шире одной модели. Когда модель переносят в другую больницу с другими пациентами, другой записью данных и другим порядком лечения, её качество может измениться, как здесь. Внешней проверкой называют проверку на пациентах из других больниц или другого периода, чем данные, на которых модель создавали и настраивали. Здесь её провели врачи Мичиганского университета, а не разработчик. Без неё цифра разработчика остаётся обещанием.

Человек рядом с ИИ не всегда страховка

На риски медицинского ИИ отвечают фразой «окончательное решение за врачом», так сказано и в сообщении московской мэрии. В исследованиях ниже сочетание «врач плюс ИИ» вело себя не так, как врач и ИИ по отдельности, поэтому его надо проверять отдельно.

Слепое доверие подсказке. В Кёльнском университете 27 рентгенологов оценивали 50 маммограмм с подсказкой ИИ. В 12 случаях подсказку специально сделали неверной. Результат опубликовал журнал Radiology в мае 2023 года. Когда подсказка была верной, неопытные врачи правильно оценили 79,7% снимков, когда неверной, 19,8%. У самых опытных врачей 82,3% и 45,5%. Это эксперимент, а не работа клиники, но он показывает, что неверная подсказка может сбить даже опытного врача.

Потеря навыка. В Польше, в четырёх центрах эндоскопии, участвовавших в испытании ACCEPT, в конце 2021 года ввели ИИ, который подсвечивает полипы во время колоноскопии (осмотра кишечника камерой). Исследователи сравнили колоноскопии, которые те же центры делали без ИИ, за три месяца до его появления и за три месяца после. Мерой была частота выявления аденом: доля колоноскопий, где врач нашёл хотя бы одну аденому, то есть полип, из которого может развиться рак. Она снизилась с 28,4% до 22,4%. Исследование опубликовал журнал The Lancet Gastroenterology & Hepatology в 2025 году. Оно наблюдательное, то есть не доказывает причину напрямую, но авторы пишут, что постоянная работа с ИИ, возможно, снижает результат врача, когда ИИ рядом нет.

Языковые модели у врачей. В американском рандомизированном исследовании 50 врачей (26 опытных и 24 ординатора) в ноябре-декабре 2023 года разбирали описания клинических случаев. Половина могла пользоваться GPT-4, половина обычными справочниками. Медианная оценка рассуждений (половина врачей набрала больше, половина меньше): 76% с моделью и 74% без неё, разница статистически не подтверждена. Сама модель без врача набрала по медиане 92%, на 16 процентных пунктов больше группы со справочниками. Результат опубликован в JAMA Network Open в октябре 2024 года. Модель одна справлялась лучше, но врачи с ней почти не выиграли.

Языковые модели у обычных людей. Оксфордские исследователи дали 1298 участникам десять медицинских ситуаций: понять, что с человеком, и решить, куда обращаться и насколько срочно. Одни пользовались языковой моделью (GPT-4o, Llama 3 или Command R+), другие любым источником на свой выбор. Сами модели без людей назвали подходящее состояние в 94,9% случаев. Люди с этими же моделями назвали его меньше чем в 34,5% случаев, а правильное действие выбрали меньше чем в 44,2%, и это не лучше, чем у тех, кто пользовался своим источником. Статья вышла в Nature Medicine 9 февраля 2026 года. Авторы пишут, что стандартные тесты медицинских знаний таких провалов не предсказывают, и советуют проверять модели на живых людях до того, как выпускать их к пациентам.

Модели в обоих исследованиях уже не самые новые: GPT-4 в испытании конца 2023 года, GPT-4o, Llama 3 и Command R+ в оксфордском. Но вывод касается не конкретной модели, а способа проверки: хороший ответ модели и хорошее решение человека, который ею пользуется, это два разных измерения.

Кто следит за ИИ после допуска

У лекарств есть наблюдение за побочными эффектами после выхода на рынок, и эксперт Борис Зингерман в материале GxP News, который я привожу ниже, сравнил с ним нужный надзор за медицинским ИИ. В России такое наблюдение за ИИ начали выстраивать в 2025-2026 годах.

В сентябре 2025 года, по сообщению отраслевого издания GxP News, Росздравнадзор собирался автоматизировать сбор данных о работе медицинских ИИ-систем: как часто их применяют, где они сбоят и отклоняются от нормы. Опрошенные изданием эксперты отмечали, что платформы для этого у ведомства на тот момент не было. 10 февраля 2026 года Росздравнадзор издал приказ № 123: производители программ с ИИ, которые относятся к медицинским изделиям и умеют автоматически передавать данные, передают сведения о данных и результатах работы изделия в информационную систему ведомства. Приказ действует с 23 мая 2026 года по 31 декабря 2027 года. Как это наблюдение работает на практике, в найденных источниках пока не сказано.

Для читателя из этого следует простая вещь: допуск изделия не говорит, проводилось ли испытание вроде шведского, где сравнивали исходы пациентов, и как изделие работает в вашей клинике. Это надо спрашивать и проверять отдельно.

Что делать

Пациенту

  1. Чат-бот годится для подготовки, а не для решения. На мой взгляд, с ним удобно разобрать непонятные слова в заключении или составить список вопросов к врачу. Заключение целиком с именем, датой рождения и номером полиса боту отправлять не нужно: для вопроса хватит самого термина или фразы без личных данных. В оксфордском исследовании выше люди с чат-ботом определяли, что с ними и что делать, не лучше, чем те, кто пользовался источником на свой выбор.
  2. Опасные признаки не обсуждать с ботом. Боль в груди, внезапная слабость или онемение руки или ноги, перекошенное лицо, нарушение речи, тяжёлое затруднённое дыхание: звонить 103 или 112. Время на переписку с ботом в таких случаях потеряно.
  3. Если снимок смотрел ИИ, спросите, кто подписал заключение. Москва сообщает, что в её сервисах окончательное решение за врачом. Если вам дают заключение без подписи врача, это повод уточнить.

Владельцу частной клиники перед покупкой ИИ

  1. Проверить регистрацию. Попросить у поставщика номер регистрационного удостоверения медицинского изделия и найти его в реестре медицинских изделий на сайте Росздравнадзора.
    • Кто делает: руководитель клиники или юрист.
    • Чем проверить: в реестре есть запись с тем же названием и тем назначением, для которого вы покупаете (например, маммография, а не КТ лёгких).
  2. Запросить три цифры и пересчитать их на себя. Чувствительность, специфичность и на каких пациентах их получили, отдельно данные проверки на клиниках, где систему не создавали. Потом посчитайте долю верных тревог на вашей доле больных, как в таблице выше.
    • Кто делает: главный врач вместе с врачом по профилю.
    • Чем проверить: расчёт показывает, сколько тревог в день получит врач и сколько из них окажутся настоящими. Если поставщик называет одну «точность» и не может разложить её на эти меры, это повод не покупать, пока не разложит.
  3. Пилот на своём потоке. На два-три месяца записывать по каждому исследованию: что сказал ИИ, что сказал врач, что подтвердилось потом (биопсией, повторным обследованием, другим врачом). Отдельно засечь время описания одного исследования до пилота и во время него.
    • Кто делает: заведующий отделением.
    • Чем проверить: число тревог в день, доля верных тревог, число находок, которые врач без ИИ пропустил, и минуты на исследование.
  4. Защита от слепого доверия и потери навыка. Мой совет по итогам исследований выше: пусть врач сначала пишет своё заключение, а потом смотрит подсказку и фиксирует, если поменял мнение. Раз в квартал полезно сравнивать собственный показатель врача на исследованиях без ИИ с тем, что был до внедрения.
    • Кто делает: заведующий отделением.
    • Чем проверить: доля случаев, где врач изменил мнение после подсказки, и сколько из этих изменений оказались верными; показатель врача без ИИ не падает.
  5. Данные пациентов. Снимки и заключения относятся к сведениям о здоровье. Если сервис отправляет их на чужой сервер, до запуска покажите договор и схему передачи юристу: он скажет, какие согласия и меры защиты нужны.

Как посчитать окупаемость. Освободившиеся часы врача приносят деньги одним из двух способов, и считать надо один из них, а не оба сразу. Первый: вы платите за меньшее число часов, тогда польза = сэкономленные часы × стоимость часа с налогами. Второй: врач в эти часы делает дополнительные исследования, тогда польза = число дополнительных исследований × доход клиники с одного исследования за вычетом расходов на него, кроме зарплаты врача (она уже оплачена). Расходы = плата за сервис в месяц, включая плату за дополнительные исследования, плюс разовые часы сотрудников на подключение и пилот. Если врач просто заканчивает раньше, это запас времени, а не экономия.

Пример на условных числах, подставьте свои. Врач описывает 1500 исследований в месяц по 6 минут, это 150 часов. Если время на описание сократится на 30% (такое среднее сообщает Москва для своих сервисов, у вас может выйти иначе), освободится 45 часов. Сервис стоит 50 рублей за исследование, то есть 75 000 рублей в месяц.

  • Первый способ: при стоимости часа врача с налогами 1500 рублей сэкономленные 45 часов дают 67 500 рублей в месяц. Это меньше платы за сервис, он не окупается.
  • Второй способ: при сокращении на 30% одно описание с ИИ занимает 4,2 минуты, и за освободившиеся 45 часов врач описывает ещё около 640 исследований. Если клиника получает с каждого 300 рублей сверх расходов (без зарплаты врача), это 192 000 рублей. Плата за сервис теперь идёт за 2140 исследований, 107 000 рублей. Остаётся 85 000 рублей в месяц. Если подключение и пилот заняли 40 часов сотрудников по 1500 рублей, разовые 60 000 рублей вернутся в первый же месяц.
  • При доходе 150 рублей с исследования второй способ даёт 96 000 рублей против 107 000 рублей платы, и сервис уже не окупается.
  • Второй способ работает, если на дополнительные исследования есть пациенты. Если их нет, остаётся первый способ.

Пользу от болезней, которые без ИИ пропустили бы, в рубли честно не переведёшь, но её стоит записывать отдельной строкой по итогам пилота.

Компании вне медицины

В медицине ошибки ИИ разбирают в опубликованных исследованиях с числами. Четыре вывода из них, на мой взгляд, применимы и к компании, которая внедряет ИИ в своей работе.

  1. Мерить связку «человек плюс ИИ», а не ИИ отдельно. Врачи с GPT-4 получили прирост в 2 процентных пункта, статистически не подтверждённый, а обычные люди с чат-ботами справились не лучше остальных, хотя сами модели отвечали хорошо. В пилоте у себя сравнивайте результат сотрудников с ИИ и без него на одинаковых задачах.
  2. Перепроверять цифры поставщика на своих данных. Модель сепсиса в чужой больнице показала AUC 0,63 вместо заявленных 0,76-0,83. Демонстрация на чужих примерах не заменяет пробы на ваших.
  3. Считать тревоги, которые люди успеют разобрать. Модель сепсиса подавала тревогу почти по каждой пятой госпитализации, и на одного настоящего больного приходилось восемь проверенных пациентов. Разбор сигналов становится отдельной работой. Перед запуском решите, кто разбирает сигналы и сколько в день он успеет.
  4. Следить за навыком сотрудников. Если ИИ берёт на себя часть работы, раз в квартал проверяйте, как люди справляются без него, особенно на задачах, где ИИ может отказать.

Как мерить пользу ИИ в часах до и после, а не в числе закрытых задач, я разбирал в статье Разработчики и аналитики с ИИ: в чём разница в работе и как проверять результат. Про то, где ИИ уже сделал открытия в науке и где его результаты пока под вопросом, есть статья ИИ в науке в 2026 году.

Итог

К осени 2026 года в списке FDA три четверти медицинских изделий с ИИ относятся к лучевой диагностике. В Москве, по данным мэрии на июнь 2026 года, сервисы компьютерного зрения обработали больше 30 миллионов исследований, и окончательное решение там, по словам мэрии, остаётся за врачом. Как часто и какие системы применяют в клиниках в целом, эти данные не показывают. Самое сильное доказательство пользы из найденных даёт шведское испытание маммографии: больше найденного рака, та же доля ложных тревог и на 44% меньше прочтений снимков врачами, при этом снижение интервального рака на 12% статистически не подтверждено. Провалы описаны так же подробно. Модель сепсиса в чужой больнице сработала хуже заявленного, врачи в эксперименте шли за неверной подсказкой. В польских центрах результат врачей без ИИ после его появления снизился (исследование наблюдательное и причину напрямую не доказывает), а хорошие ответы языковых моделей в двух исследованиях не дали заметно лучших решений людей. На мой взгляд, главный вопрос к любому медицинскому ИИ звучит так: что изменилось для пациентов, когда этой системой пользовались живые врачи на живом потоке, и на ком это проверяли.

Я занимаюсь ИИ-агентами и автоматизацией. Если хотите посмотреть мои проекты или обсудить свою задачу, загляните в портфолио.

Источники