Команда Института AIRI и редакция «Компьютерры» продолжают совместную серию материалов о том, как искусственный интеллект меняет разные сферы нашей жизни. В новом тексте Дмитрий Дылов, PhD, директор лаборатории «Сильный ИИ в медицине» Института AIRI и профессор Сколтеха, рассказывает, как ИИ уже помогает врачам снижать объем рутинной работы, анализировать медицинские исследования, разрабатывать новые лекарства и делать лечение более персонализированным.
Снижение рутинной нагрузки на врачей
Несмотря на то что самые громкие заголовки об ИИ связаны с диагностикой сложных заболеваний, сегодня главная практическая задача технологии гораздо ближе к каждому пациенту — сократить объем рутинной работы врача. Поиск информации в электронной карте, подготовка медицинской документации, предварительная обработка данных занимают значительную часть рабочего времени.
В то же время в системе поликлиник время на каждого пациента лимитировано. Именно эти процессы сегодня все чаще автоматизируются с помощью ИИ. Например, в московских поликлиниках с лета 2026 года на базе технологии в реальном времени расшифровывается разговор врача с пациентом, а после всё автоматически вносится в медицинский протокол. Точность заполнения достигает 4,8 балла из 5, что сопоставимо с работой человека.
Отдельное направление связано со снижением нагрузки на врачей первичного звена с помощью медицинских ИИ-ассистентов. Например, ученые Института AIRI разработали цифрового помощника, который работает в приложении «СберЗдоровье». Он помогает собрать жалобы пациента, задает уточняющие вопросы, рекомендует профильного специалиста, расшифровывает медицинские анализы и заключения и тем самым берет на себя часть работы по первичному сбору информации перед консультацией врача.
Помощь в диагностике
Это одно из самых зрелых направлений применения ИИ в медицине. Алгоритмы помогают врачам при интерпретации результатов исследований — рентгенографии, компьютерной и магнитно-резонансной томографии, маммографии и других видов медицинских изображений. В зависимости от задачи они могут обнаруживать признаки определенных патологий, выделять области, требующие дополнительного внимания специалиста, а также помогать в подготовке описания исследования. При этом окончательное заключение и клиническое решение всегда остаются за врачом.
Крупнейший российский проект в этой области — Московский эксперимент по внедрению технологий компьютерного зрения, объединяющий 69 сервисов ИИ по 45 клиническим направлений. С 2020 года он помог проанализировать более 19 млн изображений, а только с начала 2026 года их число приблизилось к 2 млн.
Среди решений, проходивших апробацию в рамках эксперимента, — разработанная Институтом AIRI базовая модель Moonshot (англ., foundation model) для анализа рентгенограмм органов грудной клетки. В отличие от специализированных алгоритмов, такие базовые модели можно быстрее адаптировать под новые задачи лучевой диагностики. Также стоит выделить платформу «МосМедИИ» для дистанционного анализа лучевых исследований с помощью ИИ. Она позволяет получить второе мнение и обеспечивает точность на уровне 95%.
Отдельное значение дистанционные технологии приобретают для удаленных и труднодоступных территорий России. В небольших населенных пунктах, вахтовых поселках, арктических экспедициях или районах Крайнего Севера доступ к профильным специалистам ограничен. В таких случаях ИИ помогает быстрее проанализировать результаты исследования и определить необходимость срочной консультации или госпитализации.
Новые способы проведения исследований
ИИ постепенно меняет и методы получения медицинских данных. Один из самых зрелых примеров — ускоренная МРТ. Современные алгоритмы позволяют реконструировать изображение по меньшему объему исходных данных, благодаря чему обследование проходит быстрее без существенной потери диагностической ценности. Это сокращает время пребывания пациента в томографе и делает исследование более комфортным, особенно для детей, пожилых людей и пациентов, которым трудно долго сохранять неподвижность.
Параллельно появляются и более смелые проекты, которые пока находятся на стадии разработки. Например, компания Midjourney в июне 2026 года представила медицинское направление, в рамках которого создает систему Ultrasonic CT — полнотелый ультразвуковой сканер, способный получать трехмерное изображение всего тела примерно за 60 секунд.
Разработчики рассматривают его как альтернативу традиционным методам визуализации, однако проект пока представлен как концепция и еще не предназначен для медицинской диагностики. Тем не менее он показывает, что ИИ постепенно начинает менять и сами принципы проведения исследований.
Разработка новых лекарств
ИИ также активно используется на ранних этапах создания лекарств. Алгоритмы помогают ученым быстрее находить молекулы-кандидаты, прогнозировать их свойства, моделировать взаимодействие с белками и отсекать заведомо неперспективные соединения еще до начала лабораторных исследований. Это позволяет значительно сократить время и стоимость поиска новых препаратов.
Одним из главных прорывов последних лет стала система AlphaFold, разработанная Google DeepMind. Она научилась с высокой точностью предсказывать пространственную структуру белков. В 2024 году создатели AlphaFold Демис Хассабис и Джон Джампер были удостоены Нобелевской премии по химии за этот прорыв, что стало одним из первых случаев, когда столь престижная награда была присуждена за разработку системы ИИ.
Из практических медицинских примеров можно также привести работу компании Insilico Medicine, которая с помощью ИИ прошла путь от выбора биологической мишени до получения молекулы-кандидата всего за 30 дней, синтезировав при этом лишь семь соединений. В традиционной разработке этот этап может занимать многие месяцы и требует проверки значительно большего количества вариантов.
Индивидуальный подход к лечению и здоровое долголетие как цель для ИИ
ИИ помогает сделать медицину более персонализированной. Вместо единых схем алгоритмы анализируют большой объем данных о конкретном пациенте — историю болезни, результаты исследований, медицинских изображений, генетических тестов и другие клинические данные. Это позволяет оценить вероятность осложнений, спрогнозировать течение заболевания и скорректировать тактику лечения, в том числе подобрав подходящие лекарства.
Особенно высоко перспективы персонализированной медицины оценивают в направлении лечения рака. Например, платформа Tempus AI объединяет клинические данные, результаты молекулярной диагностики и другую информацию о пациентах с онкологическими заболеваниями. Это помогает врачам принимать более обоснованные решения при выборе терапии с учетом молекулярных особенностей опухоли, а также быстрее находить пациентов, которым могут подойти клинические исследования новых препаратов.
Сегодня также нередко обращаются к ИИ для того, чтобы вычислить свой «биологический возраст» и таким образом определить состояние здоровья. Кроме того, практически все IT-гиганты создают дочерние стартапы для исследования механизмов старения и для создания геропротекторов: Altos от Amazon, Calico от Google, Retro Biosciences от OpenAI. В этих командах специальные ИИ-агенты создают универсальные маркеры как для оценки старения, так и для проведения фундаментальных исследований с перспективными тестами нового поколения — например, эпигенетические анализы.
Конечно, этими пятью направлениями применение ИИ в медицине не ограничивается. Например, сегодня технология используется в хирургических роботах, где помогает компенсировать естественный тремор рук хирурга и повышать точность отдельных манипуляций, развиваются роботизированные системы ультразвуковой диагностики. Алгоритмы также помогают управлять потоками пациентов, искать новые закономерности в развитии заболеваний. По мере эволюции базовых моделей ИИ превращается во всё более универсального и надежного ассистента врача почти на всех этапах оказания медицинской помощи.