Технологии искусственного интеллекта перешли из разряда научных экспериментов в реальную клиническую практику медицинских учреждений Санкт-Петербурга.
Более 50 медицинских организаций в Северной столице подключены к единой цифровой платформе, которая использует шесть специализированных сервисов искусственного интеллекта. Алгоритмы берут на себя всю рутинную работу по анализу диагностических изображений: они автоматически находят подозрительные участки на снимках, сопоставляют текущие исследования с архивом для оценки динамики заболевания и ускоряют подготовку описаний. Так мы разгружаем врачей-рентгенологов и одновременно повышаем точность диагностики.
Сегодня алгоритмы начинают анализировать данные функциональной диагностики, включая ЭКГ и видеоархивы колоноскопии. Внедрение таких систем поддержки принятия врачебных решений позволяет ускорить постановку диагноза и в целом сделать уровень медицинской помощи одинаковым для всех районов города.
Современные медицинские чат-боты и голосовые ассистенты уже давно вышли за рамки простых автоответчиков — они превратились в диспетчеров первичного звена. Помимо записи на прием к специалисту и освобождения регистратуры от рутинных звонков, они также выполняют функцию интеллектуального распределителя, например в режиме диалога собирают анамнез по чек-листу, уточняют локализацию боли, измеренную температуру или динамику давления, проверяют наличие полиса ОМС в базе еще до начала разговора с врачом.
Но в каждом варианте применения ИИ нужно учитывать, что это инструмент поддержки. ИИ помогает врачу, выявляет подозрительные зоны, предлагает варианты, но окончательное решение о диагнозе и тактике лечения остается за специалистом.
На первом этапе внедрения технологий ИИ в практику работы медицинских организаций имелись два главных проблемных вопроса: первый — интеграция этих технологий с медицинскими информационными системами, второй — защита информации, а именно персональных данных и врачебной тайны. Каждый из них удалось разрешить.
Кроме того, в Петербурге есть отдельное перспективное направление — применение инструментов ИИ для прогнозирования эволюции респираторных вирусов. Мы планируем формировать репрезентативные выборки пациентов на базе ведущих стационаров и клинических центров города с последующим комплексным анализом вирусных геномов, эпидемиологических характеристик и параметров популяционного иммунитета. Такой подход поможет не только отслеживать циркуляцию существующих вариантов вирусов гриппа, RSV, SARS-CoV-2 и других респираторных патогенов, но и выявлять потенциально эпидемиологические.
Ключевую роль в этой работе будет играть интеграция больших геномных данных с результатами серологических и иммунологических исследований. На основе методов машинного обучения и биоинформатического моделирования предполагается строить прогнозные модели, способные оценивать вероятность закрепления тех или иных мутаций в популяции, изменения антигенных свойств вирусов, а также риски снижения эффективности существующего популяционного иммунитета.
Это создаст научную основу для более точного прогноза сезонной динамики респираторных инфекций, своевременного обновления диагностических панелей и выработки рекомендаций для систем эпидемиологического надзора и вакцинопрофилактики.
