От хайпа к цифрам: как искусственный интеллект трансформирует рентгенологию, Рустам Ерижоков
Рустам Ерижоков, Руководитель научного отдела Центра диагностики телемедицины Департамента здравоохранения г: Москвы на мероприятии "Информационные технологии завтра" CNews Forum 2026, рассказал о масштабном опыте внедрения искусственного интеллекта в систему городского здравоохранения и переходе от экспериментальных моделей к измеримой экономической эффективности.
СТРАТЕГИЧЕСКАЯ РОЛЬ ЦЕНТРА ДИАГНОСТИКИ ТЕЛЕМЕДИЦИНЫ В МЕДИЦИНЕ
Центр диагностики телемедицины, действующий под ведомством Департамента здравоохранения Москвы, сегодня выступает в роли главного флагмана в области применения искусственного интеллекта. Основная миссия организации заключается в том, чтобы перенести передовые технологические решения из плоскости теоретических разработок и «хайпа» в реальный продуктовый сектор медицины. Это особенно сложно, учитывая крайне консервативную природу медицинской сферы, где любое изменение протоколов требует строжайшего обоснования.
Ключевым ядром центра является Московский референс-центр — крупнейшее в мире объединение врачей-рентгенологов. В его состав входят около 700 высококвалифицированных специалистов, которые еженедельно обрабатывают порядка 200 тысяч лучевых изображений, включая рентген, компьютерную томографию и магнитно-резонансную томографию. Такая концентрация экспертизы и данных позволяет создавать уникальную среду для обучения и валидации алгоритмов.
Главная цель всех внедряемых инструментов — не просто автоматизация ради процесса, а достижение конкретного экономического эффекта и повышение точности диагностики. «Нам нужны четкие цифры, нам нужны четкие цели и задачи, которые они выполняются», — подчеркивает. Таким образом, подход центра базируется на прагматизме: каждое решение должно либо сокращать время работы врача, либо снижать процент ошибок, либо экономить бюджетные средства.
МОСКОВСКИЙ ЭКСПЕРИМЕНТ И МАСШТАБЫ ОБРАБОТКИ ДАННЫХ
Около шести лет назад был запущен так называемый «Московский эксперимент», который стал фундаментом для цифровой трансформации лучевой диагностики. Результаты этого проекта получили признание на самом высоком государственном уровне и регулярно представляются иностранным партнерам как пример успешного внедрения ИИ в государственное управление здравоохранением. Масштабы работы впечатляют: за шесть лет средствами искусственного интеллекта было обработано более 20 миллионов лучевых изображений.
Технологии были интегрированы в 45 различных клинических направлений, что позволило охватить широкий спектр патологий и типов исследований. Важнейшим достижением стало создание огромного количества датасетов. По заявлению представителя Центра, объем открытых данных, которые они предоставили сообществу разработчиков, является беспрецедентным в мировом масштабе. Это создало мощный стимул для развития всей отрасли медицинского ИИ в России.
Помимо технических достижений, центр уделил огромное внимание регуляторике и стандартизации. Москва стала одним из лидеров по внедрению ГОСТов и национальных стандартов (НСТ) для медицинских изделий с ИИ. Из 59 зарегистрированных в стране таких изделий более половины относятся к области лучевой диагностики, и значительная часть из них — 21 проект — прошла путь развития именно в рамках московского эксперимента.
ПЛАТФОРМА MOSMED.I И РЕГИОНАЛЬНОЕ МАСШТАБИРОВАНИЕ
Платформа MosMed.i представляет собой уникальный инструмент, не имеющий аналогов в мире по своему масштабу и доступности. В феврале 2024 года проект получил поддержку президента РФ, после чего было принято решение о бесплатной передаче сервисов во все регионы страны. На текущий момент возможностями платформы пользуются уже 75 субъектов Российской Федерации, что превращает локальный московский опыт в общенациональный стандарт качества.
Ежемесячный объем обработки данных на платформе составляет около полутора миллионов лучевых изображений. Схема работы выстроена максимально эффективно: изображения из регионов отправляются в облачную систему, обрабатываются алгоритмами ИИ и возвращаются врачам для окончательной интерпретации. Это позволяет даже небольшим региональным больницам получать доступ к технологиям экспертного уровня.
Такой подход решает проблему дефицита узкопрофильных специалистов в регионах. «Давайте делитесь со всеми регионами абсолютно бесплатно, всем отдаем, всем нужно знать, что это такое», — эта установка стала драйвером экспансии платформы. В результате создается единое информационное и диагностическое пространство, где качество анализа снимка не зависит от географического положения пациента.
ОСНОВНЫЕ СЦЕНАРИИ ПРИМЕНЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Применение ИИ в лучевой диагностике разделено на несколько ключевых сценариев, каждый из которых решает свои задачи. Первый и самый распространенный — классический SPVR (поддержка принятия врачебных решений), где система подсказывает специалисту возможные зоны патологии. Второй сценарий — морфометрия, когда ИИ берет на себя рутинные измерения линейкой, что значительно ускоряет заполнение протокола исследования.
Особый интерес представляет оппортунистический скрининг. Это поиск патологий в органах, которые не были целью основного исследования. Например, при КТ органов грудной клетки в кадр неизбежно попадают надпочечники. В то время как врач-рентгенолог фокусируется на легких и может не заметить изменения в надпочечниках, ИИ анализирует всё изображение целиком. «АИИ как раз-таки смотрит, он не устает, ему все интересно, что находится на этом исследовании».
Наиболее перспективными считаются сценарии двойного чтения маммографии и автономной сортировки изображений. В этих случаях роль ИИ смещается от простого помощника к полноценному фильтру или даже равноправному эксперту. Именно здесь достигается максимальный экономический эффект за счет оптимизации трудозатрат высокооплачиваемых специалистов и сокращения времени ожидания диагноза для пациента.
ЭФФЕКТИВНОСТЬ СЦЕНАРИЯ ВРАЧ ПЛЮС ИИ В МАММОГРАФИИ
Традиционно в маммографии используется метод «двойного чтения», когда один снимок просматривают два врача для минимизации риска пропуска злокачественного образования. Это крайне дорогой и трудозатратный процесс, требующий огромного количества человеко-часов. В Москве был внедрен альтернативный сценарий: исследование анализирует один врач и одна система ИИ.
Результаты такого подхода оказались ошеломляющими: точность диагностики не уступила классической схеме «врач + врач». При этом удельный вес гиподиагностики (пропуска патологии) составил всего 0,14%. Это доказало, что компьютерное зрение может полноценно заменить второго специалиста в данном процессе, обеспечивая при этом высочайший уровень безопасности для пациента.
Важнейшим этапом стало признание этого метода на государственном уровне. В систему обязательного медицинского страхования (ОМС) была официально включена тарифная услуга «врач + ИИ», что является уникальным случаем в мировой практике. Экономический эффект только по Москве за неполный год составил около 240 миллионов рублей, что демонстрирует колоссальный потенциал при масштабировании на всю страну.
АВТОНОМНАЯ СОРТИРОВКА И РЕВОЛЮЦИЯ В ФЛЮОРОГРАФИИ
Самым смелым и рискованным решением стало внедрение автономной сортировки флюорографических снимков. Ежегодно в России проводится около 80 миллионов таких исследований в рамках диспансеризации. Огромная часть из них является «нормой», то есть не содержит патологий. В Москве была реализована система, при которой ИИ самостоятельно определяет нормальные исследования без участия человека.
Точность выявления нормы средствами ИИ достигла невероятных 99,95%, что существенно выше показателей врачей-рентгенологов (в среднем от 93% до 97%). Это означает, что если исследование признано системой как нормальное, вероятность ошибки ничтожна. «Если ваше исследование было нормальным... очень высока вероятность, что ваше исследование не смотрел врач», — сообщает, подчеркивая эффективность системы.
Экономическая выгода от этого сценария в Москве за период с января по ноябрь 2025 года составила 284 миллиона рублей. Помимо денег, это позволяет разгрузить врачей от рутины, давая им возможность сосредоточиться на сложных случаях, где действительно требуется человеческий опыт и глубокий анализ. Это идеальный пример того, как ИИ оптимизирует государственные расходы без потери качества медицины.
ПЕРЕХОД ОТ ТЕХНОЛОГИЧЕСКОГО ХАЙПА К РЕАЛЬНОЙ ПОЛЬЗЕ
Современный этап развития медицинских технологий характеризуется отказом от внедрения инноваций «ради самих инноваций». Эпоха, когда достаточно было просто заявить об использовании нейросетей для получения внимания, прошла. Сегодня на первый план выходят конкретные показатели: сокращение времени производственного процесса, снижение стоимости одной услуги и реальное улучшение показателей здоровья населения.
Внедрение ИИ в консервативную среду здравоохранения требует не только качественного кода, но и глубокого понимания бизнес-процессов клиники. Только через анализ цифр и экономическую эффективность можно доказать целесообразность замены или дополнения человеческого труда алгоритмами. «Внедрять ИИ точно надо ради какой-то пользы, какой-то дальнейшей эффективности», — резюмирует.
Опыт Москвы показывает, что медицина может не только не отставать от IT-индустрии, но и в некоторых аспектах опережать её. Создание замкнутого цикла от сбора данных до внедрения в ОМС позволяет создавать устойчивые модели, которые работают на благо миллионов людей и при этом оптимизируют бюджетные потоки.
ВЗАИМОДЕЙСТВИЕ С РАЗРАБОТЧИКАМИ И ГРАНТОВАЯ ПОДДЕРЖКА
Центр диагностики телемедицины не стремится разрабатывать все алгоритмы самостоятельно. Вместо этого используется модель открытого партнерства в рамках московского эксперимента. Коммерческим организациям предлагается разработать средства ИИ под конкретные клинические задачи центра, после чего решения проходят жесткий этап тестирования, мониторинга и валидации.
Для привлечения талантов из сферы Data Science запущен инновационный проект, который предоставляет разработчикам доступ к уникальным данным и возможность пилотировать свои решения в реальной системе здравоохранения Москвы. Кроме того, предусмотрена грантовая поддержка для наиболее перспективных проектов, что снижает риски для стартапов при выходе на сложный медицинский рынок.
Разработчикам предлагается ознакомиться с монографией центра, описывающей пятилетний опыт внедрения ИИ в лучевую диагностику. Это руководство помогает избежать типичных ошибок при создании медицинского софта и пониманию того, как превратить алгоритм в сертифицированное медицинское изделие, которое будет востребовано врачами и государством.
РЕШЕНИЕ ВОПРОСОВ НОРМАТИВНОЙ БАЗЫ И ВАЛИДАЦИИ
Одной из главных проблем при внедрении автономных систем в медицине является нормативно-правовое регулирование. По закону ИИ не может самостоятельно ставить диагноз или принимать окончательное решение о здоровье пациента. Чтобы обойти этот барьер и реализовать сценарий автономной сортировки, Правительство Москвы внедрило институт «врачей-валидаторов».
Врачи-валидаторы — это высококвалифицированные рентгенологи, которые верифицируют результаты работы системы. Таким образом, юридическая ответственность остается за человеком, но процесс проверки становится в разы быстрее и эффективнее. Это позволило легализовать работу ИИ в режиме экспериментального режима, который уже сейчас виден пользователям в системе EMIAS.
Пациенты могут видеть протоколы, сгенерированные искусственным интеллектом, что может вызвать определенное беспокойство, но фактически подтверждается высокой точностью системы. Такой подход позволяет постепенно приучать и врачей, и пациентов к новым методам диагностики, обеспечивая плавный переход от традиционной медицины к цифровой.
БЕЗОПАСНОСТЬ ДАННЫХ И АНОНИМИЗАЦИЯ В ДАТАСЕТАХ
Работа с медицинскими данными требует строжайшего соблюдения конфиденциальности. Центр обладает доступом к персональным данным пациентов, так как это необходимо для проведения исследований и ведения медицинских карт в рамках государственного здравоохранения Москвы. Однако при передаче данных внешним сторонам применяется жесткий протокол очистки.
Все датасеты, которые публикуются в открытом доступе или передаются коммерческим организациям-разработчикам, проходят полную анонимизацию. Из снимков и метаданных удаляется любая персональная информация, позволяющая идентифицировать личность пациента. «Мы очень тщательно их чистим», — подчеркивает в ответ на вопросы о безопасности.
Такой подход позволяет соблюдать баланс между необходимостью обучения нейросетей на больших массивах реальных данных и защитой частной жизни граждан. В результате создаются безопасные среды для разработки, где фокус смещен с личности пациента на клиническую картину заболевания, что и является целью медицинской науки.
Рустам Ерижоков представил опыт Центра диагностики телемедицины Департамента здравоохранения Москвы по внедрению ИИ в лучевую диагностику. Ключевыми достижениями стали создание крупнейшего референс-центра, запуск платформы MosMed.i для регионов и внедрение сценариев «врач + ИИ» и автономной сортировки снимков с доказанной экономической эффективностью в сотни миллионов рублей.
Особое внимание было уделено переходу от экспериментов к реальной пользе: снижению гиподиагностики до 0,14% в маммографии и достижению точности 99,95% при сортировке флюорограмм. Система работает через институт врачей-валидаторов и строгую анонимизацию данных, обеспечивая баланс между инновациями, законом и безопасностью пациентов.

