ИИ против врача: где алгоритм уже сильнее, можно ли ему доверять и какие специальности изменятся первыми

Искусственный интеллект в медицине прошёл путь от лабораторных экспериментов до рутинного инструмента. В Москве сервисы компьютерного зрения обработали более 16 миллионов исследований — КТ, МРТ, маммографии и рентгенографии. FDA к 2026 году одобрило свыше 1200 AI-алгоритмов для медицины. Цифры впечатляют, но что они значат на практике? Где ИИ уже превосходит врача, где пока отстаёт и кому верить, когда на кону жизнь пациента? 

Где алгоритм уже сильнее человека

Лучевая диагностика и онкоскрининг

Это фронт, на котором ИИ добился самых убедительных побед. Алгоритм Google Health для анализа маммограмм достиг точности 94,5% против 88% у врачей-рентгенологов. Корейское исследование показало чувствительность ИИ в выявлении рака груди на уровне 90% против 78% у радиологов. В Москве проспективное многоцентровое исследование (67 медицинских организаций, 15+ месяцев) подтвердило: ИИ в комбинации с радиологом лучше выявляет внутричерепные кровоизлияния, чем каждый из них по отдельности. 

Время описания маммографии нейросети сокращают в 8 раз — это подтверждено исследованием, проведённым специалистами Московского центра диагностики и телемедицины. AI-триаж рентгеновских снимков в травмцентрах позволяет читать экстренные снимки на 20–30 минут быстрее. В условиях, когда рентгенолог за смену просматривает десятки снимков, нейросеть не устаёт, не теряет концентрацию и замечает микроскопические паттерны, недоступные человеческому глазу. 

Дерматология

Мобильные приложения вроде SkinVision анализируют фотографии родинок и определяют риск меланомы с точностью до 95%. Здесь ИИ особенно ценен как инструмент первичного скрининга: пациент может сделать фото образования смартфоном и получить оценку риска ещё до визита к специалисту. Но решение о биопсии всё равно принимает врач.

Офтальмология

Система Google DeepMind для диагностики глазных заболеваний стала одной из первых областей с FDA-одобренным автономным ИИ — алгоритм может самостоятельно диагностировать диабетическую ретинопатию по фотографии глазного дна без участия врача.

Инфектология

На конференции ESCMID Global 2025 представлен алгоритм ULTR-AI для диагностики туберкулёза лёгких по УЗИ. Чувствительность — 93%, специфичность — 81%, что превышает целевые показатели ВОЗ. Технология работает на портативных УЗИ, подключённых к смартфонам, и может применяться в отдалённых районах стран с ограниченным доступом к рентгенографии. 

Дифференциальная диагностика сложных случаев

Инструмент Microsoft MAI-DxO, имитирующий врачебный консилиум, показал точность 85,5% против 20% у 21 врача при анализе 304 сложных клинических случаев из New England Journal of Medicine. При этом алгоритм был не только точнее, но и экономичнее: средняя стоимость обследования по его протоколу оказалась ниже, чем у врачей. Модель Google Amie в сложных случаях выбора лечения обошла группу из 21 терапевта.

Но есть нюанс: разрыв между тестом и реальностью

Совместный доклад Stanford и Harvard «State of Clinical AI 2026» (январь 2026) обескураживает: из 500+ клинических исследований ИИ в медицине только 5% использовали реальные клинические данные реальных пациентов. Почти половина тестировалась на экзаменационных вопросах с готовыми ответами. Авторы называют это «рваной границей» (jagged frontier): модели показывают сверхчеловеческие результаты на контролируемых задачах и одновременно демонстрируют хрупкость при работе с неопределённостью. 

Ключевые ограничения ИИ в реальной клинической практике:

• Зависимость от обучающих данных. Алгоритм, обученный на снимках с одного аппарата, может хуже работать на другом оборудовании или у другой группы пациентов. 
• Узкая задача. Система, обученная искать рак лёгких, не заметит пневмоторакс на том же снимке, если её этому не учили. 
• Нет клинического контекста. Алгоритм не знает жалоб, анамнеза и предыдущих исследований, если их ему не предоставили. Его вывод — всегда только часть картины. 
• Проблема «чёрного ящика». 30% опрошенных будущих врачей называют низкую прозрачность алгоритмов главным барьером внедрения. Врач не всегда понимает, на каком основании ИИ сделал вывод. 
• Смещение обучающих данных. Алгоритмы для диагностики инфаркта менее точны для женщин, если обучались преимущественно на данных мужчин. Системы анализа кожных заболеваний хуже распознают патологии у людей с тёмным цветом кожи. 
• Избыточное доверие. Феномен automation bias: врач без должной критичности следует рекомендациям системы, что может привести к неправильным вмешательствам. 

Более того: большинство из 1200+ одобренных FDA алгоритмов прошли путь, который требует не доказательства превосходства, а лишь «существенной эквивалентности» уже существующему устройству. Многие не проходили проспективных рандомизированных испытаний, показывающих улучшение клинических исходов. 

Можно ли доверить ИИ диагностику?

Короткий ответ: ИИ можно доверять как помощнику, но не как автономному диагносту. По данным опросов, 70% будущих врачей считают, что ИИ не заменит врача, но 82% видят в нём инструмент для повышения точности. Среди практикующих врачей 73% рассматривают ИИ как ассистента, а не замену. 

Авторы исследования модели Mira сравнивают ИИ-агентов с автопилотом в самолёте: «Эти системы могут поддерживать и разгружать медицинских работников, беря на себя рутинные задачи, но окончательная ответственность всегда будет оставаться за врачами». 

Исследователи из КиберЛенинки формулируют концепцию калиброванного доверия — ровно настолько высокого, чтобы использовать сильные стороны технологий, и достаточно осторожного, чтобы не игнорировать их ограничения. Оно опирается на четыре столпа: 

1. Доказанная клиническая польза в реальной практике, а не только высокие метрики на ретроспективных датасетах.
2. Прозрачность и подотчётность: понятные правила использования, раскрытие ограничений, объяснимость.
3. Справедливость и отсутствие дискриминации: обязательные проверки качества алгоритмов на разных группах пациентов.
4. Управление и ответственность: чёткие роли, процессы, независимый контроль качества, этические комитеты, периодическая переоценка моделей.

Пациентам, кстати, стоит знать: чат-бот общего назначения — не медицинская диагностическая система. Только 6% пользователей полностью доверяют нейросетям в вопросах здоровья, ещё 30% придерживаются стратегии «доверяй, но проверяй». Интерпретировать анализы и ставить диагноз должен врач, а медицинский ИИ-сервис должен иметь регистрационное удостоверение как медицинское изделие.

Продолжение следует …