ИИ в медицине: что клинике брать первым, а что отложить

Крупные клиники вкладываются в ИИ, но не в тот, о котором все говорят

Лидеры российской частной медицины активно вкладываются в ИИ, но диагностические системы откладывают сознательно. Причины названы прямо: юридические риски и низкая окупаемость.

Это вывод исследования о цифровой зрелости частной медицины России, которое провели IT-компания Purrweb и Национальная база медицинских знаний. Разбор исследования опубликовал «Медвестник» в июле 2026 года.

Важно, что от ИИ эти компании не отказываются. Они просто ставят диагностику в очередь после другого.

Применение искусственного интеллекта в медицине, получается, разделилось надвое. Есть версия, которую показывают на стендах, и есть версия, которая стоит в бюджете.

Что берут первым

Первыми берут кол-центр, расписание и документы. Вот весь список из того же исследования:

• Голосовые роботы и речевая аналитика кол-центра. Операторы меньше ошибаются, и нагрузка на них падает.
• Умное расписание. Согласовывают его не неделю, а пару часов, и заодно ведут лист ожидания.
• Контроль качества. Система слушает, как прошёл приём и как отработали звонок.
• Рекомендательные системы. Подсказывают, что ещё предложить пациенту, и работают на средний чек.
• Поддержка врачебных решений. Система сверяет назначения с клиническими рекомендациями.
• Документооборот. Проверять теперь надо все карты, а не каждую двадцатую: доля проверяемых выросла с 5 % до 100 %. Отсюда и спрос.

Обратите внимание, чего в списке нет. Нет распознавания снимков, нет подбора терапии по генетике, нет предсказания осложнений. Всё это операционный контур: звонки, расписание, документы, качество.

Почему именно эти, а не диагностика

Потому что они быстро окупаются. Три-шесть месяцев — вот срок, по которому лидеры отбирают инструменты.

Причём окупаются такие инструменты не ростом выручки, а экономией: издержки падают на 10–15 %. Бюджет при этом распределяется типично — две трети уходит на поддержание операционной работы, треть на развитие.

Диагностика в эти рамки не попадает. Она дороже, эффект на выручку виден не сразу, а юридический вопрос в ней стоит острее всего.

Одно исключение из правила всё же есть. Поддержка врачебных решений, по словам экспертов отрасли, выручку приносит: в том же материале приводится оценка, что врачи, пользующиеся такой системой постоянно, назначают примерно на четверть услуг больше, не назначая при этом лишнего. Это оценка участника рынка, а не замер, и относиться к ней стоит соответственно.

Операционный ИИ экономит издержки. Диагностика пока не делает этого достаточно быстро.

Что показали независимые проверки качества

Запись, которую готовит ИИ, пока проигрывает человеческой. Это не мнение, а результат слепого сравнения.

В апреле 2026 года вышла работа, где взяли аудиозаписи пяти стандартных приёмов первичного звена и попросили составить по ним медицинские записи. Составляли одиннадцать инструментов и восемнадцать живых клиницистов. Потом тридцать оценщиков, не знавших, кто автор, оценили каждую запись по шкале из десяти параметров. Исследование разобрано в сообщении UW Medicine.

В каждом случае запись человека оказалась выше, местами заметно выше. Хуже всего ИИ показал себя по точности, полноте, полезности, организации и исчерпывающности.

Из этого не следует «не берите». Следует другое. Запись, которую делает ИИ, это черновик под обязательную вычитку, а не готовый документ. Значит, время не исчезает, а переезжает из набора текста в проверку.

Для планирования разница принципиальная. Считайте не время написания, а время вычитки: именно оно остаётся врачу. И закладывайте его в расчёт с самого начала, иначе экономия окажется бумажной.

Стоит обратить внимание и на то, чего в этой работе нет. Она сравнила качество записей, а не скорость работы и не удовлетворённость врачей. Поэтому вывод из неё узкий и твёрдый: по качеству документа человек пока впереди. Насколько ИИ в медицине экономит само время, из этой работы не следует, и честных ответов на этот вопрос в доступных публикациях мы не нашли.

Есть и практическое следствие для договора. Если поставщик обещает освободить врачу часы, спросите, замерял ли он время вычитки и на какой выборке. Разница между «система пишет за вас» и «система пишет черновик» в контракте стоит дороже, чем кажется на демонстрации.

Та же осторожность нужна и с данными, которые вы отдаёте системе: что именно уходит наружу, где хранится и кто за это отвечает.

Само по себе предсказание ничего не меняет

Разберём на понятной задаче: пациенты не приходят на приём. Клиника теряет время врача и деньги.

ИИ здесь умеет одно: заранее показать, кто, скорее всего, не придёт. Он смотрит на прошлые записи и выдаёт список пациентов с высоким риском. Дальше клиника что-то делает с этим списком, обычно звонит и напоминает.

И вот что получилось у трёх разных больниц, которые так и поступили.

В первой обзвонили всех из списка. Не пришли 21,9 % тех, кому звонили, и 22,0 % тех, кому не звонили. То есть обзвон не изменил ровно ничего.

Во второй звонили не всем, а только пяти процентам с самым высоким риском. Неявки упали почти вдвое, на 46 %.

В третьей работали сразу в двадцати четырёх отделениях и получили снижение на 14,3 %.

Список пациентов во всех трёх случаях модель выдала одинаково хорошо. Различалось то, что делали дальше: кому звонить, в какой момент и что предложить вместо пропущенного приёма.

Отсюда простое правило для сметы. Результат решает не точность модели, а продуманный сценарий вокруг неё. Спросите у поставщика, кто будет писать этот сценарий и входит ли эта работа в цену. Иначе вы купите список, с которым некому работать.

Помощник или медизделие: развилка закупки

Срок и бюджет закупки определяет не поставщик, а ответ на один вопрос: относится ли программа к медицинским изделиям.

Граница проходит по назначению. Сервис, принимающий звонок и записывающий пациента, и модуль, помогающий поставить диагноз, — две разные покупки. У них разный уровень риска, срок и требования. На какой стороне границы ваш случай, определяет юрист, а не студия разработки.

Два обстоятельства стоит знать до разговора с поставщиком.

Ответственность остаётся на враче. На сессии Петербургского международного юридического форума, посвящённой применению ИИ в медицине, эксперты пришли к выводу: за ошибку в диагнозе, поставленном с участием ИИ, отвечает врач. Модерировал сессию заместитель министра здравоохранения, отчёт опубликовало РАПСИ в июне 2026 года.

Правила регистрации обновились. С конца сентября 2026 года действует новый регламент государственной регистрации медицинских изделий, приказ Росздравнадзора № 750 от 19.08.2026. Прежний регламент 2019 года отменён, новый рассчитан до конца 2028 года.

Вот теперь понятно, почему лидеры откладывают диагностику. Юридический риск перестаёт быть абстракцией и превращается в конкретный вопрос: кто подпишется под результатом.

Проекты встают не на моделях

Проекты встают на стыковке с медицинской системой. Недоверие врачей, которое называют первым, мешает заметно меньше.

Цифры ниже стоит читать с поправкой: оба опроса проводили поставщики решений, и выборка у них американская. Как ориентир они годятся, как замер по российскому рынку нет.

Главным барьером респонденты назвали сложность интеграции с медицинской информационной системой: почти половина, 44 %. Недоверие врачей и регуляторные требования набрали по 26 %, почти в полтора раза меньше. Опрос пересказало издание Healthcare IT News в августе 2026 года.

Там же цифра, которая объясняет, куда девается польза: семь организаций из десяти получили измеримый результат и не стали масштабировать инициативу. В другом опросе, среди ИТ-руководителей, почти половина не смогла выйти за рамки пилота, а довели дело до масштабирования с измеримым результатом четверо из ста.

Узкое место, получается, организационное. Внедрение ИИ в здравоохранении упирается не в качество моделей, а в то, что вокруг них: как состыковать системы, как перестроить процесс и кто отвечает за результат.

Как это выглядит в продукте

Когда цена ошибки — здоровье, рядом с моделью всегда стоит кто-то живой.

В проекте МамаСмайл мы собрали платформу для мам с тремя интерфейсами: приложение для пользователя, отдельный сценарий для консультанта и веб-панель для администратора. ИИ-консультант отвечает на вопросы круглосуточно, рекомендации платформа подбирает сама.

Самое важное в этой архитектуре не ИИ-модуль. Самое важное то, что администратор проверяет специалистов, модерирует содержимое и разбирает жалобы. Проверка людей и разбор жалоб заложены в продукт так же, как трекеры и подписки: это часть системы, а не обещание рядом с ней.

В медицине это и отличает рабочую схему от красивой. Модель отвечает быстро и круглосуточно, но за каждым ответом стоит проверенный специалист, а за спорным случаем — процедура разбора. Чем выше цена ошибки, тем дороже обходится экономия на этой части.

С чего начать

Возьмите один участок операционного контура и прогоните его по четырём пунктам.

• Это операционный контур, а не клиническое решение. Звонки, расписание, документы, качество. Так вы остаётесь на понятной стороне регуляторной границы.
• У участка есть число, которое вы считаете уже сегодня. Доля неявок, минуты на оформление приёма, время от исследования до заключения. Если такого числа нет, снимите базовое за пару недель до старта: этого достаточно.
• Понятно, какое действие последует за ответом системы. Не предсказание неявок, а кто и когда позвонит, что скажет и что предложит взамен.
• Названа система, с которой это должно состыковаться, и известно, кто со стороны её поставщика отвечает за интеграцию.

Если ни один участок не проходит все четыре пункта, это тоже результат. Он означает, что начинать надо не с закупки, а с данных или со стыковки систем, и выяснить это до договора дешевле, чем после.

Такой разбор занимает один разговор и не требует бюджета. Зато он сразу отсекает половину предложений рынка и переводит разговор про ИИ в медицине из общих слов в конкретный участок с конкретным числом.

Самая частая развилка на этом шаге звучит так: дорабатывать то, что уже стоит в клинике, или менять систему целиком. Мы обычно идём первым путём и встраиваем ИИ в работающие системы, потому что замена медицинской системы это отдельный проект на полгода.

Что почитать дальше. Порядок работ от разбора задачи до поддержки разобран в статье про внедрение ИИ в бизнес. А как выбирают между готовой и собственной медицинской информационной системой, разобрано отдельно.