Что на самом деле делает ИИ в современных клиниках

Кажется, что главная роль искусственного интеллекта в медицине — ставить диагнозы или подбирать лечение. Но на практике самые востребованные сценарии часто выглядят гораздо прозаичнее: заполнение документов, работа с медицинскими картами, обработка записей приёма и снижение административной нагрузки на врачей.

Михаил Застрожин — врач, исследователь и сооснователь PGxAI — объясняет, где ИИ уже приносит реальную пользу клиникам, почему автоматизация не всегда даёт впечатляющий выигрыш во времени и какие скрытые ограничения возникают при внедрении таких систем.

Один из самых понятных сценариев внедрения ИИ сегодня — это так называемый scribing, когда система берёт на себя часть административной нагрузки врача: фиксирует разговор, структурирует данные, помогает быстрее оформлять запись и не терять детали, которые в обычной коммуникации легко потерять. Важно подчеркнуть практическую разницу между «обычной расшифровкой» и медицинским решением: медицинский скрайбер должен лучше распознавать термины, разбивать беседу на клинически осмысленные блоки и, главное, готовить результат в таком виде, чтобы его можно было загрузить в EHR — систему электронных медицинских записей (electronic health record), где живёт реальная клиническая работа.

Но помощник для текста в медицине очень быстро перерастает в помощника для конкретных назначений, потому что за записью начинаются другие контуры — страховые, организационные, юридические, — и Застрожин отдельно говорит о важности сертификаций и стандартов безопасности, которые отличают медицинские решения от универсальных диктофонов с умным распознаванием. Михаил прямо называют ориентиры вроде SOC2 и HIPAA как способы подтвердить безопасную передачу данных и возможность интеграции внутри госпиталей, то есть в среде, где любая утечка или несанкционированный доступ — вопрос доверия к медицине как институту.

Ещё один сюжет — интероперабельность, то есть способность медицинских систем обмениваться данными между госпиталями, лабораториями и другими организациями без ручных перебросов. Крупные инфраструктурные игроки уже встраивают ИИ-ассистентов непосредственно в свои EHR-контуры. Например, компания InterSystems, которая сильна именно в интероперабельности и интегрирует технологии записи и трансформации медицинской речи в собственные продукты электронных медсистем, то есть пытается решать проблему изнутри цифрового каркаса клиники.

При этом Михаил не идеализирует эффект от внедрения ИИ и напоминает о типичной ловушке автоматизации: даже если технология кажется очевидно полезной, на уровне измеримых результатов она может давать не тот масштаб выигрыша, который рисует воображение. В качестве примера он приводит исследование по ИИ-скрайбингу, где сокращение времени на один клинический случай составило в среднем около 20–30 секунд: автоматизация не обязательно делает медицину в разы быстрее, но она может делать её устойчивее — например, снижая субъективную перегрузку и выгорание, когда врач знает, что часть рутины передана ИИ.

И здесь же появляются темы, которые редко попадают в публичные разговоры о прорывном ИИ, хотя именно они держат здравоохранение на плаву: billing, coding, prior authorization — то есть выставление счетов, кодирование, согласование со страховщиками — как отдельные механизмы, без которых американская медицина физически не работает, но которые отнимают у врача время и внимание.

Этот фрагмент основан на разговоре с Михаилом Застрожиным о персонализированной медицине, клиническом ИИ и будущем здравоохранения. Полную версию слушайте в подкасте «Мыслить как учёный».