Искусственный интеллект в медицине уже работает не в фантастике, а в обычных больницах: алгоритмы отмечают подозрительные участки на рентгене и КТ, сортируют маммограммы, оценивают родинки по фото и превращают разговор врача с пациентом в готовую запись. Самый громкий научный пример — AlphaFold, который предсказывает форму белков и ускоряет поиск лекарств. Но почти везде ИИ остается помощником: диагноз ставит и отвечает за него врач.
Почему медицина оказалась удобной областью для нейросетей
Нейросеть хорошо учится там, где много однотипных данных с правильными ответами. В медицине их накоплено огромное количество: миллионы снимков с заключениями рентгенологов, фотографии кожи с результатами биопсии, записи ЭКГ с подтвержденными диагнозами. Модель смотрит на пары «изображение — ответ» и постепенно находит признаки, которые отличают норму от патологии.
Вторая причина — нехватка времени у специалистов. Рентгенолог за смену просматривает десятки и сотни исследований, и усталость повышает риск пропустить мелкий очаг. Алгоритм не устает к концу смены, поэтому его часто ставят «вторым читателем» или фильтром, который поднимает срочные случаи в начало очереди.
Больше всего одобренных медицинских ИИ-продуктов относится именно к лучевой диагностике. В американском реестре FDA их сотни, и примерно три четверти связаны с анализом изображений. Дальше идут кардиология, неврология, офтальмология.
Анализ снимков: рентген, КТ и маммография
Рентген грудной клетки и флюорография
Алгоритмы для рентгена легких ищут затемнения, узелки, жидкость в плевральной полости, признаки пневмонии и туберкулеза. Типичная схема работы: снимок загружается в систему, нейросеть за секунды выдает вероятность патологии и подсвечивает подозрительную зону цветной картой. Если находка серьезная, исследование попадает к врачу раньше остальных. На массовых профилактических осмотрах это позволяет быстро отделить явно нормальные снимки от тех, что требуют внимательного взгляда.
Компьютерная томография
На КТ одно исследование состоит из сотен срезов, и здесь ИИ особенно полезен. Модели находят мелкие узелки в легких и измеряют их объем, оценивают кальциноз коронарных артерий, ищут кровоизлияния в мозг на снимках при подозрении на инсульт. В случае инсульта счет идет на минуты: система, которая сразу оповещает дежурного невролога, сокращает время до начала лечения.
Маммография
Скрининг рака груди — один из самых изученных примеров. В 2020 году в журнале Nature вышло исследование группы Google Health: модель на маммограммах из Великобритании и США снижала число ложноположительных и ложноотрицательных заключений по сравнению с отдельными рентгенологами. В нескольких европейских странах проходили крупные испытания, где ИИ заменял одного из двух врачей при двойном чтении. Нагрузка на специалистов заметно падала, а выявляемость рака не ухудшалась.
Кожа, глаза и сердце
В 2017 году исследователи Стэнфорда показали, что сверточная нейросеть, обученная на десятках тысяч фотографий кожных образований, различает меланому и доброкачественные родинки примерно на уровне дерматологов. С тех пор появились приложения для смартфонов, которые оценивают снимок родинки. У них есть слабые места:
- качество зависит от освещения, фокуса и камеры телефона;
- модели долго учили в основном на светлой коже, и на темной точность бывает ниже;
- приложение не видит родинку под дерматоскопом и не знает историю пациента.
Поэтому такие программы годятся как повод сходить к врачу, но не как замена осмотру. Родинка, которая меняет форму, цвет, кровоточит или растет, требует очного визита к дерматологу независимо от вердикта приложения.
В офтальмологии в 2018 году в США впервые разрешили автономную систему IDx-DR: она сама, без врача, оценивает снимок сетчатки на признаки диабетической ретинопатии и направляет пациента к окулисту при подозрении. В кардиологии нейросети анализируют ЭКГ и находят признаки фибрилляции предсердий и сниженной функции сердца, которые человек на обычной ленте не замечает. Похожие алгоритмы встроены в смарт-часы.
AlphaFold и поиск новых лекарств
Белок — это длинная цепочка аминокислот, которая сворачивается в сложную трехмерную фигуру. От формы зависит, что белок делает в клетке и какая молекула лекарства может к нему прицепиться. Экспериментально форму определяют рентгеноструктурным анализом или криоэлектронной микроскопией, и на один белок иногда уходят годы.
Система AlphaFold от DeepMind научилась предсказывать структуру по последовательности аминокислот. На соревновании CASP14 в 2020 году ее точность для многих белков сравнялась с экспериментальной. В 2021–2022 годах открыли базу предсказаний, где сейчас больше 200 миллионов структур, почти все известные науке белки. В 2024 году Демис Хассабис и Джон Джампер получили за эту работу Нобелевскую премию по химии вместе с Дэвидом Бейкером, который создает новые белки с помощью компьютера.
Как ИИ ускоряет фармацевтику:
- Подсказывает, какой белок в организме стоит сделать «мишенью» для препарата.
- Перебирает миллионы виртуальных молекул и отбирает те, что лучше связываются с мишенью.
- Предсказывает токсичность и растворимость до синтеза в лаборатории.
- Генерирует новые молекулы, которых нет в существующих библиотеках.
Важное уточнение: ИИ сокращает ранние этапы, но не клинические испытания. Препарат все равно проходит проверку на людях, и это занимает годы. Первые кандидаты, найденные с серьезным участием ИИ, дошли до испытаний, но говорить о том, что нейросеть «изобрела лекарство», которое уже лечит миллионы, пока рано.
Расшифровка речи врача и работа с документами
Врач тратит значительную часть приема на заполнение карты. Голосовые системы решают это двумя способами. Первый — диктовка: врач проговаривает заключение, программа распознает медицинские термины и вставляет текст в нужные поля. Второй, более новый, — «цифровой секретарь»: микрофон слушает весь разговор, а языковая модель сама составляет структурированную запись приема, выделяет жалобы, анамнез и назначения.
Врачу остается проверить и подписать текст. Проверка обязательна: модель может перепутать препарат с похоже звучащим названием, пропустить отрицание («боли нет» превратится в «боль») или дописать то, чего пациент не говорил. Языковые модели также помогают кратко пересказать толстую историю болезни, найти в ней прошлые аллергические реакции и подготовить выписку.
Где проходят границы: ошибки и ответственность
У медицинского ИИ есть устойчивые ограничения, о которых знают и разработчики, и врачи.
| Проблема | Что происходит |
|---|---|
| Сдвиг данных | Модель, обученная на аппаратах одной фирмы, хуже работает на снимках с другого томографа |
| Ложные тревоги | Лишние находки ведут к повторным исследованиям и волнению пациента |
| Узкая задача | Алгоритм ищет пневмонию и не замечает перелом ребра на том же снимке |
| Черный ящик | Сложно объяснить, почему модель приняла решение |
| Выдуманные факты | Чат-боты уверенно называют несуществующие исследования и дозировки |
Отдельный риск — «автоматическое доверие»: если врач привыкает соглашаться с программой, он может пропустить ее ошибку. Поэтому в большинстве стран ИИ регистрируется как медицинское изделие, проходит клинические испытания, а юридическая ответственность за диагноз и лечение лежит на враче и медицинской организации.
Пациентам стоит помнить простое правило: чат-бот может объяснить термины из заключения и помочь составить список вопросов к доктору, но не должен решать, какое лекарство принимать и надо ли идти в больницу. При боли в груди, внезапной слабости в руке или ноге, нарушении речи нужно сразу вызывать скорую, а не спрашивать нейросеть.
Как ИИ используют в здравоохранении России
В России программы с ИИ для медицины тоже регистрируются как медицинские изделия, и в реестре уже есть системы для анализа рентгенограмм, флюорограмм, КТ легких и маммограмм. В Москве с 2020 года идет эксперимент по использованию компьютерного зрения в лучевой диагностике: алгоритмы разных разработчиков подключены к городской системе хранения снимков и дают предварительную оценку исследований, а врачи сравнивают их выводы со своими.
Кроме снимков, в российских клиниках применяют системы поддержки решений, которые подсказывают врачу возможные диагнозы по жалобам и анализам, голосовой ввод в электронную медицинскую карту, анализ ЭКГ. Над медицинскими моделями работают крупные технологические компании, банки с собственными ИТ-подразделениями и стартапы. Точные цифры по количеству исследований меняются быстро, поэтому надежнее смотреть их в официальных отчетах департаментов здравоохранения.
Что еще спрашивают об искусственном интеллекте в медицине
Может ли ИИ поставить диагноз вместо врача
В отдельных узких задачах, например при оценке сетчатки у диабетиков, автономные системы уже разрешены. В остальных случаях ИИ выдает подсказку, а окончательное решение и ответственность остаются за врачом.
Точнее ли нейросеть, чем рентгенолог
В исследованиях на отдельных типах снимков модели показывают точность на уровне опытных специалистов. Лучший результат обычно дает связка врач плюс алгоритм, а не каждый по отдельности.
Можно ли загружать свои анализы в чат-бот
Технически можно, но медицинские данные считаются чувствительными. Перед загрузкой стоит убрать фамилию, дату рождения и номер полиса, а ответ бота воспринимать как справку для разговора с врачом.
Заменит ли AlphaFold лабораторные опыты
Нет. Он сильно сокращает поиск, но предсказанную структуру и тем более лекарство все равно проверяют экспериментально и в клинических испытаниях.