Все ждали ИИ-доктора, а победил ИИ-секретарь. Как нейросети на самом деле входят в медицину

Последние годы про искусственный интеллект в медицине рассказывали примерно одну историю: вот-вот появится алгоритм, который поставит диагноз точнее профессора и оставит врачей без работы. К 2026 году в клиники действительно массово пришел ИИ, но совсем не тот, которого ждали. Он не ставит диагнозов и не назначает лечение. Он просто слушает разговор врача с пациентом и пишет за него карту. Эта скучная на вид штука оказалась самой быстрой по внедрению медицинской технологией за последние лет двадцать, а вот эффектный «робот-диагност» до сих пор буксует. Разберемся, почему победил секретарь, а не диагност, где в этой истории реальные деньги, и почему по одному важному направлению Россия внезапно оказалась впереди почти всего мира.

Инструмент называется амбиентный скрайб: система слушает прием через микрофон или телефон и превращает живой разговор в структурированную запись в электронной карте, часто сразу с кодами для страховой. Внедрение идет с редкой для медицины скоростью: доля американских врачей, использующих ИИ в работе, выросла с 38% в 2023 году до 66% в 2024 и до 81% в 2026, причем средний врач применяет его уже больше чем для одной задачи. В больницах на платформе Epic скрайбы стоят у 62% пользователей, в системе Калифорнийского университета в Сан-Франциско ими пользуются 70% врачей, а в сети Kaiser Permanente через скрайбы прошло больше 2,5 миллиона приемов. Это уже не пилоты и не игрушка для богатых клиник, а инфраструктура, которую ставят повсеместно.

Причина взлета приземленная. Писанина, а не диагностика, давно стала главным пожирателем врачебного времени и главной причиной выгорания, и любой инструмент, который снимает эту нагрузку, врачи разбирают охотно. Но есть и второй, менее заметный мотор: черновик записи, который потом вычитывает и подписывает живой врач, формально не считается медицинским прибором, а значит, его можно внедрять, не дожидаясь долгой сертификации. Диагноз алгоритм ставить не берется, поэтому и разрешения регулятора на него не нужно. В этом весь фокус.

С «роботом-диагностом» все сложнее ровно потому, что он берет на себя врачебное решение. Как только алгоритм начинает что-то находить на снимке или предлагать диагноз, он превращается в медицинский прибор со всей тяжелой сертификацией: в США к 2026 году одобрено около полутора тысяч таких устройств, и почти все они про анализ изображений. Работают они не вместо врача, а как вторая пара глаз: подсвечивают подозрительное место на маммограмме или компьютерной томографии, а окончательное слово и ответственность остаются за человеком. Путь этот полезный, но медленный и дорогой, и заменой врача тут не пахнет.

Отрезвляет и то, что даже у скрайба выгоды скромнее рекламных обещаний. Крупное исследование в JAMA весной 2026 года, охватившее больше восьми тысяч врачей в пяти медцентрах, показало, что скрайб экономит в среднем около 13-16 минут на работе с картой в день и добавляет примерно полприема в неделю, а вот время, которое врачи досиживают с документами по вечерам, почти не изменилось. Польза реальная, но это не чудо, а аккуратная оптимизация. И главная сложность оказалась не в самой технологии, а вокруг нее. Каждую сгенерированную запись обязан вычитать врач, всплывают вопросы согласия пациента, врачебной тайны и цены ошибки, а специалисты честно предупреждают, что гладкое демо легко превращается в проблему клинических процессов, если управление ими выстроено плохо. Кто отвечает, когда алгоритм пропустил важное или вписал в карту лишнее, до конца не решено нигде.

Деньги в медицинском ИИ сегодня лежат ровно там, где человек остается в контуре, а не там, где его пытаются убрать. Самое прибыльное это скучная середина: расшифровка приемов, автоматическое кодирование для страховых, разбор документов, поддержка решений подсказкой. В той же больнице Mass General Brigham алгоритм автоматического кодирования закрывает 85% результатов лучевых исследований и снизил число отказов страховых почти на 59%. Для тех, кто строит медтех, вывод простой: продукт, который бережет часы врача и оставляет за ним последнее слово, продается и расходится быстро, а тот, что замахивается на автономный диагноз, обречен на долгий и дорогой путь через регулятора.

Меняется и сам рынок. Выигрывает не самое эффектное диагностическое демо, а инструмент, который тихо снимает рутину и переживает проверку на безопасность и соответствие правилам. Регулирование при этом закручивают: в США за один только 2025 год в разных штатах внесли больше 250 законопроектов про медицинский ИИ, а с середины 2026 года начал действовать профильный закон в Колорадо. Побеждает тот, кто умеет не только обучить модель, но и провести ее через согласие пациента, тайну данных и вопрос, кто отвечает за ошибку.

И вот тот редкий сюжет, где России есть чем гордиться, а не догонять. По развернутому в реальных больницах ИИ для лучевой диагностики страна оказалась в мировых лидерах. Московская платформа МосМедИИ, запущенная в 2024 году, к 2026-му подключила больше двух тысяч медорганизаций из 75 регионов, ежемесячно прогоняет через себя около миллиона исследований, а всего их обработано больше 10 миллионов. В самой Москве за шесть лет протестировали 200 медицинских ИИ-сервисов, и 67 из них уже работают в больницах, от маммографии и флюорографии до свежего инструмента, который в апреле 2026 года научили находить сколиоз по рентгену позвоночника. С октября 2025 по март 2026 года городская система выявила по данным карт 48,5 тысячи человек с высоким риском ишемической болезни сердца, и у 11 тысяч диагноз подтвердился. Все это не эксперименты в вакууме, а зарегистрированные Росздравнадзором изделия: к началу 2026 года в стране официально числилось 54 медицинских изделия с ИИ, из них 49 отечественных, а с 1 января заработали и новые ГОСТы на такие системы.

Скучный, но денежный скрайб добрался и до нас. Российские сервисы вроде DocsInBox, Voiceberg и Сбер AI Doctor выдают протокол приема за полминуты и снимают, по оценкам рынка, от 35 до 55% времени врача на документацию, а системы Цельс и Botkin AI ищут патологию на рентгене и маммограмме с чувствительностью 92-98%. Их уже гоняют в Медси, «Мать и дитя», СберЗдоровье и в московской ЕМИАС, а бюджет для средней клиники оценивают в 250-650 тысяч рублей в месяц с окупаемостью от полугода до года с небольшим. Работать со всем этим приходится с оглядкой на два закона: 323-ФЗ про врачебную тайну и 152-ФЗ про особую категорию персональных данных о здоровье.

Что из этого забрать. Если вы управляете клиникой, начинать разумно не с фантастического диагноста, а с того самого скрайба: он окупается за месяцы, разгружает врачей и не требует, чтобы алгоритм брал на себя решение, ведь последнее слово и подпись все равно за врачом. Если вы строите медтех, помните, что настоящий барьер входа не в качестве модели, а в регистрации изделия и в выстроенных процессах вокруг него, и именно это, а не красивая презентация, отделяет продукт, который купят, от того, что останется слайдом. И не продавайте автономный диагноз там, где рынок и закон пока требуют живого врача над алгоритмом. Медицинский ИИ входит в жизнь не через громкую замену докторов, а через тихую разгрузку их рутины. Это менее эффектно, чем обещали, зато это уже работает и уже приносит деньги, а в лучевой диагностике у российских команд есть даже фора, которую грех растерять.