Искусственный интеллект (ИИ) может ускорять работу врачей, повышать точность отдельных задач и снижать нагрузку на персонал. Но новый обзор показывает: польза появляется не сама по себе. Системы ИИ работают лучше тогда, когда встроены в реальный клинический процесс, врач понимает их ограничения, а ответственность за решения остаётся чётко распределённой.
Обзор опубликован в npj Digital Medicine.
Почему ИИ нельзя оценивать как «замену врачу»
ИИ всё чаще применяют в медицине: для оформления медицинских записей, предварительной сортировки пациентов, расстановки приоритетов, анализа снимков, координации лечения и подготовки текстов.
Но в клинике важна не только техническая точность программы. Медицинское решение зависит от состояния конкретного пациента, сопутствующих заболеваний, жалоб, анамнеза, риска осложнений и ценностей самого человека. Поэтому авторы обзора рассматривают не соревнование «врач против алгоритма», а совместную работу врача и ИИ.
Искусственный интеллект в этой модели — не самостоятельный диагност и не автоматический судья. Это инструмент, который может подсказать, выделить подозрительную область на снимке, подготовить черновик текста или помочь быстрее найти приоритетные случаи. Окончательное решение должен принимать квалифицированный специалист.
Что изучали авторы обзора
В обзор вошли 140 эмпирических исследований, опубликованных с 1 января 2015 года по 27 октября 2025 года. Эмпирические исследования — это работы, основанные на реальных данных, наблюдениях или экспериментах, а не только на теоретических рассуждениях.
Авторы проанализировали три основных вопроса: насколько эффективно сотрудничество человека и ИИ в разных клинических задачах; какие технические, человеческие и организационные условия помогают такой работе; какие требования к безопасности, этике и ответственности остаются нерешёнными.
Где польза была наиболее заметной
Наиболее убедительные данные касались диагностической интерпретации, особенно задач с чёткими границами. Например, ИИ мог помогать врачу быстрее оценивать изображения, выделять подозрительные участки или сортировать случаи по срочности.
Именно в таких условиях преимущества выглядели наиболее устойчивыми: задача понятна, роль алгоритма ограничена, врач сохраняет контроль, а результат можно проверить.
Положительные данные также встречались в исследованиях по скринингу, приоритизации, лечебным решениям, административным задачам и медицинской документации. Скрининг — это обследование людей без явных симптомов для раннего выявления заболевания или риска. Но в этих областях данные были более разнородными, поэтому сравнивать результаты сложнее.
Главное условие — доверять правильно
Авторы подчёркивают значение «калиброванного доверия». Проще говоря, врач не должен ни слепо верить системе, ни полностью игнорировать её подсказки.
Если доверие чрезмерное, появляется риск автоматической ошибки: специалист принимает рекомендацию ИИ без достаточной проверки. Если доверия слишком мало, полезный инструмент не используется даже там, где он действительно экономит время и помогает заметить важные детали.
Для правильного доверия врачу нужно понимать, на каких задачах система обучалась, где она чаще ошибается, какие данные использует и в каких ситуациях её выводы требуют особой осторожности.
ИИ должен вписываться в работу, а не мешать ей
Один из ключевых выводов обзора: успех зависит не только от качества алгоритма, но и от того, как он встроен в повседневную клиническую практику.
Даже точная система может оказаться бесполезной, если она создаёт лишние окна, требует двойного ввода данных, плохо объясняет свои выводы или отвлекает врача в неподходящий момент. В таких случаях ИИ не снижает нагрузку, а добавляет новую.
Лучшие результаты описаны там, где алгоритм выполнял ограниченную задачу, интерфейс был понятным, распределение ролей — ясным, а медицинский персонал проходил обучение. Интерфейс — это способ взаимодействия человека с программой: экран, подсказки, кнопки, предупреждения и порядок действий.
Без ответственности безопасность остаётся неполной
В обзоре часто обсуждались ответственность и безопасность пациента. Но авторы заметили важный разрыв: эти темы нередко упоминаются в рассуждениях, однако редко становятся главным критерием оценки в исследованиях.
Иными словами, многие работы измеряют точность или скорость, но хуже оценивают то, что особенно важно для реальной медицины: влияет ли ИИ на исходы пациентов, меняет ли нагрузку на врачей, создаёт ли новые ошибки, кто отвечает за спорное решение и можно ли восстановить цепочку действий.
Простого «человеческого контроля» недостаточно. Нужны прозрачность, возможность оспорить вывод системы, прослеживаемость решений и понятные правила внутри медицинской организации. Прослеживаемость означает, что можно понять, какие данные использовались, какую рекомендацию дала система и как это повлияло на действия врача.
Что это значит для пациентов
Пациентам важно понимать: ИИ в медицине — это не замена врачу. В удачной модели он работает как помощник, который может ускорить анализ, уменьшить рутинную нагрузку и поддержать принятие решения.
Но ответственность за диагностику, лечение и объяснение выбора пациенту должна оставаться у медицинской команды. Особенно это важно в сложных случаях, когда решение зависит не только от одного снимка или анализа, но и от общего состояния человека, его истории болезни и предпочтений.
Ранее МКБ-11 рассказывал, почему людям и машинам нужно учиться понимать друг друга: в медицине этот принцип особенно важен, потому что цена ошибки здесь измеряется не удобством, а безопасностью пациента.
Ограничения обзора
Это был обзор с широким охватом, а не метаанализ. Метаанализ — это исследование, в котором результаты нескольких работ статистически объединяют для получения общей оценки эффекта. Здесь авторы не проводили формальную оценку риска систематической ошибки и публикационного смещения, поэтому нельзя получить единый точный показатель клинической эффективности.
Обзор включал только англоязычные исследования, не содержал отдельного поиска «серой литературы» — например отчётов и документов вне научных журналов — и мог сильнее отражать положительные результаты из контролируемых исследований диагностических задач.
Главный вывод остаётся практичным: ИИ может быть полезен в медицине, но его нужно оценивать не вообще, а для конкретной задачи, конкретного рабочего процесса и конкретной ответственности.
Литература
Strong J., Rogers H., Sun E., et al. Human-AI Collaboration in Healthcare: A Scoping Review // npj Digital Medicine. 2026. Article in press.