ИИ-технологии в медицине: обзор законодательных инициатив и новых клинических разработок

Регуляторный разворот

Новая редакция документа смещает фокус с контроля применения ИИ на поддержку «суверенных» и «национальных» моделей. Вводится категоризация, правительство получает право определять сферы обязательного использования таких решений. Одновременно из проекта исчезло требование об обязательном применении «доверенных» моделей в государственных системах — включая здравоохранение.

Факт примечательный: регулятор отказался от жёсткого механизма допуска в пользу протекционистской логики. Для пациента это означает одно — вопросы безопасности и эффективности конкретной модели по-прежнему остаются зоной ответственности клиники и врача, а не государственного фильтра. Доказательная база не подменяется ни статусом «суверенности», ни господдержкой.

Клинические инструменты: что показали цифры

Студент РТУ МИРЭА представил систему генерации синтетических рентгенограмм по текстовому описанию. По данным разработчиков, точность распознавания редких патологий выросла примерно на 9%, а модель способна создавать снимки с комбинациями признаков, которых не было в обучающей выборке. Корреляция с реальной клиникой пока не подтверждена на независимых данных — это инструмент обучения алгоритма, а не диагностики.

МАИ и РЭУ им. Плеханова разрабатывают ИИ-модуль оценки лекарственных взаимодействий. Система учитывает характеристики пациента, анализирует прямые и косвенные риски, выдаёт заключение по принципу «светофора». Планируется интеграция с городскими медицинскими системами, включая ЕМИАС. Идея разумная, но «светофор» без опубликованной доказательной базы — это интерфейс, а не доказательство.

Китайская мультимодальная LLM автоматизирует сверхразрешающее УЗИ: от голосовой команды врача до структурированного медицинского заключения примерно за 4 минуты. Тестирование прошло на пациентах с сосудистыми и неврологическими заболеваниями. Авторы прямо указывают — до клинического внедрения требуется проверка на более крупных выборках. Честная оговорка, редкая в этой нише.

Что выдерживает проверку данными

Алгоритм Калифорнийского университета в Беркли по стандартной ЭКГ выявляет пациентов с высоким риском внезапной сердечной смерти. В испытаниях модель обнаружила 86,1% пациентов, которых не определяли действующие критерии оценки. Валидация проведена на независимых выборках из Швеции, США и Тайваня. Это ближе всего к инструменту раннего скрининга с доказательной базой — не обещание, а статистика.

FetalCLIP из Университета искусственного интеллекта им. Мохамеда бин Заида совместно с Corniche Hospital — мультимодальная модель для фетального УЗИ, обученная более чем на 210 тысячах пар «изображение — текст». Распознаёт стандартные ультразвуковые срезы, определяет срок беременности, сегментирует анатомические структуры, выявляет врождённый порок сердца. В испытаниях превзошла существующие решения по точности.

Синтетические данные и автоматизация — направления перспективные, вероятность клинической пользы высокая, но доказанной её считать рано. Доверять можно инструментам с опубликованной валидацией на независимых выборках. Остальное пока эксперимент — без ложных надежд и без лирики.