Согласно результатам опроса, основная сфера применения нейросетей сейчас – административные и сервисные процессы, а не клиническая диагностика. Наиболее распространенным ИИ-инструментом остаются чат-боты для записи пациентов, напоминаний о визитах и первичного сбора информации – их используют 17,4% клиник, еще 19,3% рассматривают внедрение таких решений. Автоматическая расшифровка ЭКГ применяется в 11,6% случаев.
Более сложные инструменты, напрямую затрагивающие работу врача, пока используются значительно реже: речевые ассистенты для заполнения электронной медицинской карты внедрены примерно в 4% клиник, автоматизацию кодирования по МКБ-10 планируют только 9,6% участников опроса. При этом само направление автоматизации кодирования уже выходит за контур экспериментальных решений: в ноябре 2025 года российские исследователи из AIRI, Sber AI, «Сколтеха», ВШЭ, «Иннополиса» и ИСП РАН представили систему RuCCoD, способную автоматически присваивать диагнозам коды Международной классификации болезней в электронных медкартах на русском языке, что указывает на готовность таких технологий к практическому применению в клинических IТ-системах.
Отдельное направление, где клиники ожидают роста, – цифровые консультанты и ИИ-ассистенты для поддержки врачей при работе с медицинской информацией. Согласно данным опроса Lab4U, 6% компаний планируют внедрение инструментов прогнозирования рисков заболеваний на основе лабораторных анализов и данных пациентов, еще 4,8% – интеллектуальных ассистентов для анализа истории болезни. Кроме того, 7,2% респондентов сообщили о планах использовать цифровых консультантов в формате аватара.
Речь идет не о замене врача, а о вспомогательных системах, которые отвечают на уточняющие запросы специалиста, помогают ориентироваться в медицинской литературе и формировать структурированные ответы на основе проверенных источников. Такие ассистенты работают в ограниченном контуре данных и взаимодействуют с врачом через текстовый или голосовой интерфейс, снижая время на поиск информации и когнитивную нагрузку в ходе приема.
Структура текущего спроса указывает на прагматичный подход небольших медорганизаций к цифровизации. ИИ рассматривается прежде всего как инструмент снижения операционных издержек – за счет сокращения нагрузки на регистратуру и кол-центры, оптимизации расписаний специалистов, управления запасами и уменьшения числа неявок пациентов. Такие решения обладают быстрой и понятной окупаемостью, что объясняет их опережающее распространение по сравнению с клиническими ИИ-системами. В качестве иллюстрации экономического эффекта можно привести опыт благотворительного фонда «Дети-бабочки», который совместно с IT-компанией «Редермио» внедрил ИИ-систему поддержки принятия решений и, по оценке фонда, сократил управленческие и медицинские издержки примерно на 4,5 млн рублей в год.
Опрос также показал, что основные барьеры для внедрения ИИ связаны не с финансами. Значительно чаще респонденты указывали на отсутствие понимания, с чего начинать цифровизацию: 43,8% сообщили, что пока не успели оценить целесообразность применения ИИ, еще 12,5% заявили о трудностях с выбором и внедрением подходящих решений. Среди других факторов – опасения по поводу защиты медицинских данных и сложности обучения персонала.
В результате внедрение ИИ в сегменте несетевых клиник носит выжидательный и точечный характер. Технологии используются там, где они решают конкретные организационные проблемы и не требуют серьезной перестройки клинических процессов. Составители опроса отмечают, что в ближайшие годы дальнейшее распространение ИИ в этом сегменте будет зависеть не столько от развития самих технологий, сколько от наличия специализированных ролей и механизмов сопровождения, позволяющих клиникам осознанно выстраивать цифровую стратегию.
На это указывают и научные публикации: так, международная группа ученых ранее предложила ввести новую медицинскую специализацию – «алгоритмический консультант», который должен стать связующим звеном между врачами и ИИ-системами, помогая интерпретировать результаты алгоритмов, сопровождать их внедрение и снижать риски ошибок и юридической ответственности. По мнению авторов, прямое взаимодействие врача с ИИ не всегда повышает качество решений, тогда как модель постоянного профессионального сопровождения способна сделать применение алгоритмов более безопасным и эффективным.
