На конгрессе «Национальное здравоохранение
Михаил Мурашко, министр здравоохранения РФ:
«Наша с вами задача при смене мышления – перейти от пути просто лечения и рекомендаций по профилактике к учебе человека управлять здоровьем. И наша миссия, фактически, заключается в том, чтобы реализовать максимальную траекторию для здорового периода жизни и долголетия. Здоровье нужно формировать с периода младенчества, и программы позволяют это делать. Блок вопросов, касающихся трудоспособного населения, лиц старшего возраста – все это объединяется в единую цифровую систему, которая позволяет «видеть» человека и в том числе прогнозировать то или иное состояние», – отметил глава Минздрава.
По его словам, цифровой медицинский профиль позволит планировать расходы и выбирать наиболее эффективные пути лечения. Если на начальном этапе создавались система поддержки принятия решений и проводились тестирования ИИ, разработанного для сдачи экзамена, то сегодня требование уже повышаются. Сейчас специалисты должны, отметил Мурашко, выбирать оптимальные траектории как в лечении пациента, так и на длительном пути.
Анастасия Ракова, заместитель мэра Москвы:
Про сервис «МосМедИИ»
«На сегодняшний день мы с помощью сервиса уже проанализировали более 20 млн цифровых изображений. Это такой проект, который позволяет к тем цифровым решениям, которые делает и покупает для себя Москва, подключаться другим регионам. Проект действует чуть больше года, и 7,4 млн человек уже этим сервисом пользуются. По предварительным итогам 2025 года, только 35% снимков из общего объема, анализируемых через эту систему, приходятся на московских пациентов, а 65% – это те исследования, которые представляют регионы России», – рассказала заммэра.
Сервис «МосМедИИ» стал доступен и для других субъектов РФ с февраля 2024 года. Это привело к росту конкуренции среди поставщиков, которые разрабатывают специальные модули для интеграции с московской системой – от медицинских информационных систем (МИС) до Единой государственной информационной системы в сфере здравоохранения (ЕГИСЗ). К лету 2025 года к платформе был подключен уже 71 регион и 1,2 тысячи медучреждений, а система обработала 2,7 млн снимков, поступивших из субъектов. Подробнее о том, как «МосМедИИ» повлиял на сегмент – в материале Vademecum.
Про партнерство со Сбером и Яндексом
Заммэра рассказала, что Москва вместе с партнерами из Сбербанка накапливает и отдает в работу массив цифровых данных. Несколько продуктов, подготовленных совместно со Сбербанком, работают во всех московских поликлиниках, где обслуживают 19 млн пациентов. Это системы поддержки принятия врачебных решений, постановки предварительного и окончательного диагноза.
Также Анастасия Ракова отметила, что генетика сегодня становится все более важным направлением – сегмент активно развивают столичное правительство совместно со Сбербанком и с Яндексом. Несколько моделей находятся сейчас на тестировании во многих поликлиниках Москвы. В ближайший год, по словам заммэра, столица получит решения, которые действительно станут прорывными для медицины.
Про разработки
«Мы взяли ИИ и предоставили ему большое количество данных о людях, которые умерли от болезней системы кровообращения, умерли в возрасте, в котором они не должны были умереть. Это позволило выявить скрытые закономерности и маркеры, предшествующие неблагоприятному исходу. Мы взяли тех, кто живет в Москве, и посмотрели, есть ли у них эти маркеры. В результате сегодня выявлено чуть больше 100 тысяч мужчин трудоспособного возраста, у которых риск развития сосудистых катастроф в ближайшие 2–10 лет очень высокий. Мы встроили систему поддержки врачебных решений, которая показывает для каждого пациента индивидуальную программу обследования и лечения, а также подходы к организации последующего наблюдения, включая необходимость дополнительных манипуляций или хирургических вмешательств», – рассказала Анастасия Ракова.
Она привела данные, согласно которым порядка 500 врачей наблюдают за здоровьем 30 тысяч таких пациентов в режиме онлайн. Система отслеживает исследования, прием лекарственных препаратов, вызовы скорой помощи, госпитализации и так далее. В ближайшее время систему планируют распространить на все 100 тысяч пациентов и на все поликлиники Москвы.
Второе направление, отмеченное Анастасией Раковой, – система умного приема. «В Москве ежедневно более 650 тысяч человек приходят к нам на прием, и у всех абсолютно разные цели. Раньше все они попадали к терапевтам, и их время тратилось на административные вопросы. Мы проанализировали структуру обращений и выяснили, что половина визитов носит не медицинский, а административный характер. Этот клиентский путь не требует участия врача. Поэтому мы создали систему умного приема, при которой пациент при записи обязательно указывает цель визита. В зависимости от цели система формирует для него оптимальный маршрут получения помощи», – пояснила заммэра.
Герман Греф, президент ПАО Сбербанк
Первые результаты работы системы GigaChat
«Мы уже видим первые результаты. Точность ранней диагностики болезни Альцгеймера повысилась на 58%, а частота диагностических ошибок снизилась на 30% в тех учреждениях, где используется искусственный интеллект. Средний цикл разработки новых лекарств сократился примерно на 14 лет. Говоря о GigaChat, мы не просто сдали экзамены. Было много дискуссий о том, как обучать такую модель. Мы специально разработали для нее технику, которую назвали Single Student University – университет для одного студента. Мы обучали модель всем миром, по всем специальностям, начиная именно с медицинских дисциплин», – отметил Герман Греф.
Также глава Сбербанка уточнил, что нельзя обучать систему на неточных данных. Разработчики использовали проверенные источники, научную литературу, академические базы, а уже потом расширяли контент. По словам Грефа, благодаря этому модель научилась ставить диагнозы: «Сегодня точность нашего помощника в диагностике достигает 93% – это очень высокий результат, которого пока не удалось достичь никому».
В августе 2025 года американские исследователи сравнили ChatGPT-4o и DeepSeek DeepThink R1 при подготовке к USMLE – тестам, необходимым для получения медицинской лицензии в США и дающим право на медицинскую практику. На базе 1 079 вопросов оказалось, что ChatGPT дал верные ответы в 88,8% случаев, DeepSeek – в 78,7%, тогда как средний результат студентов составил лишь 56,9%. В октябре 2025 года международной группе ученых удалось довести успех ChatGPT в сдаче USMLE до 97%. Для этого им понадобилось объединить сразу пять чат-ботов, которые работали в команде. На данный момент о 100% верных ответов заявили только разработчики ИИ-платформы для помощи врачам OpenEvidence, которая использует собственного чат-бота, обученного на информации из научной литературы из ведущих журналов (таких как New England Journal of Medicine и Journal of the American Medical Association).
Персонализированные сервисы
«Это – один из критически важных трендов, подразумевающий создание гиперперсонализированных сервисов и персонального риска профиля здоровья человека, включающего данные о состоянии, социальной среде и образе жизни. Мы проводим масштабные эксперименты по моделированию. Если у британского проекта Delphi-2M точность 76%, то у нашего проекта AIRI она достигает 86%, а удовлетворенность врачей в Москве – порядка 91%», – рассказал Греф.
Помимо этого, он отметил, что цель Сбера – создать личного помощника, «личную поликлинику в кармане». Мультиагентная система даст возможность каждому пользователю получать медицинскую поддержку от группы специализированных агентов – терапевта, кардиолога, уролога и других специалистов. По словам Грефа, система будет способна проводить внутренний консилиум и выдавать человеку оптимальное, обоснованное решение: «Мультиагентные технологии уже перестали быть просто советчиками – они становятся инструментами управления и координации в сфере здравоохранения».
Международная группа исследователей в сентябре 2025 года представила в Nature модель Delphi-2M – инструмент на базе ИИ, который прогнозирует вероятность развития более тысячи заболеваний с горизонтом до 20 лет. Алгоритм учитывает медицинскую историю, образ жизни, возраст, пол и индекс массы тела пациента, а обучен он на данных 400 тысяч участников проекта Биобанка Великобритании. Также модель проверили и на датском национальном регистре, включающем почти 2 млн пациентов с данными за несколько десятилетий. Несмотря на обучение исключительно на британской выборке, при переносе на другую систему здравоохранения точность снизилась совсем незначительно.
В модель встроили механизмы интерпретации, позволяющие понять, как именно формируются прогнозы. Исследователи показали, что прошлые диагнозы напрямую влияют на будущие риски и образуют устойчивые группы заболеваний. Например, перенесенный рак надолго увеличивает вероятность смертности, тогда как последствия сепсиса заметны лишь в первые годы и затем постепенно сходят на нет.
Игорь Артамонов, губернатор Липецкой области:
«В Липецкой области все медицинское сообщество прошло стопроцентное обучение по базовым медицинским технологиям, 10% – по специальным, 3% – глубокое по Process Mining [метод анализа бизнес-процессов. – Vademecum] и ML [машинное обучение. – Vademecum]. Оптимизировать удалось 202 процесса здравоохранения. Process Mining, который есть в Сбере, сильно помог нам в оптимизации, и мы расширяем применение. То, что команда делает 10 дней, этот подход делает за 3 минуты, что приводит к следующим эффектам: 35% снижения временных потерь, 11% финансовых», – рассказал глава региона.
Он добавил, что в Липецкой области начали использовать интеллектуальную систему управления. «То, чем славился и славится Сбер. По сути, мы ведь тоже работаем с населением. Мы заинтересованы в использовании передовых технологий, которые для нас заменят большое количество врачей и позволят населению поверить, что медицина есть, меньше критиковать общество и власть», – резюмировал губернатор.
Михаил Мурашко, министр здравоохранения РФ:
«Наша с вами задача при смене мышления – перейти от пути просто лечения и рекомендаций по профилактике к учебе человека управлять здоровьем. И наша миссия, фактически, заключается в том, чтобы реализовать максимальную траекторию для здорового периода жизни и долголетия. Здоровье нужно формировать с периода младенчества, и программы позволяют это делать. Блок вопросов, касающихся трудоспособного населения, лиц старшего возраста – все это объединяется в единую цифровую систему, которая позволяет «видеть» человека и в том числе прогнозировать то или иное состояние», – отметил глава Минздрава.
По его словам, цифровой медицинский профиль позволит планировать расходы и выбирать наиболее эффективные пути лечения. Если на начальном этапе создавались система поддержки принятия решений и проводились тестирования ИИ, разработанного для сдачи экзамена, то сегодня требование уже повышаются. Сейчас специалисты должны, отметил Мурашко, выбирать оптимальные траектории как в лечении пациента, так и на длительном пути.
Анастасия Ракова, заместитель мэра Москвы:
Про сервис «МосМедИИ»
«На сегодняшний день мы с помощью сервиса уже проанализировали более 20 млн цифровых изображений. Это такой проект, который позволяет к тем цифровым решениям, которые делает и покупает для себя Москва, подключаться другим регионам. Проект действует чуть больше года, и 7,4 млн человек уже этим сервисом пользуются. По предварительным итогам 2025 года, только 35% снимков из общего объема, анализируемых через эту систему, приходятся на московских пациентов, а 65% – это те исследования, которые представляют регионы России», – рассказала заммэра.
Сервис «МосМедИИ» стал доступен и для других субъектов РФ с февраля 2024 года. Это привело к росту конкуренции среди поставщиков, которые разрабатывают специальные модули для интеграции с московской системой – от медицинских информационных систем (МИС) до Единой государственной информационной системы в сфере здравоохранения (ЕГИСЗ). К лету 2025 года к платформе был подключен уже 71 регион и 1,2 тысячи медучреждений, а система обработала 2,7 млн снимков, поступивших из субъектов. Подробнее о том, как «МосМедИИ» повлиял на сегмент – в материале Vademecum.
Про партнерство со Сбером и Яндексом
Заммэра рассказала, что Москва вместе с партнерами из Сбербанка накапливает и отдает в работу массив цифровых данных. Несколько продуктов, подготовленных совместно со Сбербанком, работают во всех московских поликлиниках, где обслуживают 19 млн пациентов. Это системы поддержки принятия врачебных решений, постановки предварительного и окончательного диагноза.
Также Анастасия Ракова отметила, что генетика сегодня становится все более важным направлением – сегмент активно развивают столичное правительство совместно со Сбербанком и с Яндексом. Несколько моделей находятся сейчас на тестировании во многих поликлиниках Москвы. В ближайший год, по словам заммэра, столица получит решения, которые действительно станут прорывными для медицины.
Про разработки
«Мы взяли ИИ и предоставили ему большое количество данных о людях, которые умерли от болезней системы кровообращения, умерли в возрасте, в котором они не должны были умереть. Это позволило выявить скрытые закономерности и маркеры, предшествующие неблагоприятному исходу. Мы взяли тех, кто живет в Москве, и посмотрели, есть ли у них эти маркеры. В результате сегодня выявлено чуть больше 100 тысяч мужчин трудоспособного возраста, у которых риск развития сосудистых катастроф в ближайшие 2–10 лет очень высокий. Мы встроили систему поддержки врачебных решений, которая показывает для каждого пациента индивидуальную программу обследования и лечения, а также подходы к организации последующего наблюдения, включая необходимость дополнительных манипуляций или хирургических вмешательств», – рассказала Анастасия Ракова.
Она привела данные, согласно которым порядка 500 врачей наблюдают за здоровьем 30 тысяч таких пациентов в режиме онлайн. Система отслеживает исследования, прием лекарственных препаратов, вызовы скорой помощи, госпитализации и так далее. В ближайшее время систему планируют распространить на все 100 тысяч пациентов и на все поликлиники Москвы.
Второе направление, отмеченное Анастасией Раковой, – система умного приема. «В Москве ежедневно более 650 тысяч человек приходят к нам на прием, и у всех абсолютно разные цели. Раньше все они попадали к терапевтам, и их время тратилось на административные вопросы. Мы проанализировали структуру обращений и выяснили, что половина визитов носит не медицинский, а административный характер. Этот клиентский путь не требует участия врача. Поэтому мы создали систему умного приема, при которой пациент при записи обязательно указывает цель визита. В зависимости от цели система формирует для него оптимальный маршрут получения помощи», – пояснила заммэра.
Герман Греф, президент ПАО Сбербанк
Первые результаты работы системы GigaChat
«Мы уже видим первые результаты. Точность ранней диагностики болезни Альцгеймера повысилась на 58%, а частота диагностических ошибок снизилась на 30% в тех учреждениях, где используется искусственный интеллект. Средний цикл разработки новых лекарств сократился примерно на 14 лет. Говоря о GigaChat, мы не просто сдали экзамены. Было много дискуссий о том, как обучать такую модель. Мы специально разработали для нее технику, которую назвали Single Student University – университет для одного студента. Мы обучали модель всем миром, по всем специальностям, начиная именно с медицинских дисциплин», – отметил Герман Греф.
Также глава Сбербанка уточнил, что нельзя обучать систему на неточных данных. Разработчики использовали проверенные источники, научную литературу, академические базы, а уже потом расширяли контент. По словам Грефа, благодаря этому модель научилась ставить диагнозы: «Сегодня точность нашего помощника в диагностике достигает 93% – это очень высокий результат, которого пока не удалось достичь никому».
В августе 2025 года американские исследователи сравнили ChatGPT-4o и DeepSeek DeepThink R1 при подготовке к USMLE – тестам, необходимым для получения медицинской лицензии в США и дающим право на медицинскую практику. На базе 1 079 вопросов оказалось, что ChatGPT дал верные ответы в 88,8% случаев, DeepSeek – в 78,7%, тогда как средний результат студентов составил лишь 56,9%. В октябре 2025 года международной группе ученых удалось довести успех ChatGPT в сдаче USMLE до 97%. Для этого им понадобилось объединить сразу пять чат-ботов, которые работали в команде. На данный момент о 100% верных ответов заявили только разработчики ИИ-платформы для помощи врачам OpenEvidence, которая использует собственного чат-бота, обученного на информации из научной литературы из ведущих журналов (таких как New England Journal of Medicine и Journal of the American Medical Association).
Персонализированные сервисы
«Это – один из критически важных трендов, подразумевающий создание гиперперсонализированных сервисов и персонального риска профиля здоровья человека, включающего данные о состоянии, социальной среде и образе жизни. Мы проводим масштабные эксперименты по моделированию. Если у британского проекта Delphi-2M точность 76%, то у нашего проекта AIRI она достигает 86%, а удовлетворенность врачей в Москве – порядка 91%», – рассказал Греф.
Помимо этого, он отметил, что цель Сбера – создать личного помощника, «личную поликлинику в кармане». Мультиагентная система даст возможность каждому пользователю получать медицинскую поддержку от группы специализированных агентов – терапевта, кардиолога, уролога и других специалистов. По словам Грефа, система будет способна проводить внутренний консилиум и выдавать человеку оптимальное, обоснованное решение: «Мультиагентные технологии уже перестали быть просто советчиками – они становятся инструментами управления и координации в сфере здравоохранения».
Международная группа исследователей в сентябре 2025 года представила в Nature модель Delphi-2M – инструмент на базе ИИ, который прогнозирует вероятность развития более тысячи заболеваний с горизонтом до 20 лет. Алгоритм учитывает медицинскую историю, образ жизни, возраст, пол и индекс массы тела пациента, а обучен он на данных 400 тысяч участников проекта Биобанка Великобритании. Также модель проверили и на датском национальном регистре, включающем почти 2 млн пациентов с данными за несколько десятилетий. Несмотря на обучение исключительно на британской выборке, при переносе на другую систему здравоохранения точность снизилась совсем незначительно.
В модель встроили механизмы интерпретации, позволяющие понять, как именно формируются прогнозы. Исследователи показали, что прошлые диагнозы напрямую влияют на будущие риски и образуют устойчивые группы заболеваний. Например, перенесенный рак надолго увеличивает вероятность смертности, тогда как последствия сепсиса заметны лишь в первые годы и затем постепенно сходят на нет.
Игорь Артамонов, губернатор Липецкой области:
«В Липецкой области все медицинское сообщество прошло стопроцентное обучение по базовым медицинским технологиям, 10% – по специальным, 3% – глубокое по Process Mining [метод анализа бизнес-процессов. – Vademecum] и ML [машинное обучение. – Vademecum]. Оптимизировать удалось 202 процесса здравоохранения. Process Mining, который есть в Сбере, сильно помог нам в оптимизации, и мы расширяем применение. То, что команда делает 10 дней, этот подход делает за 3 минуты, что приводит к следующим эффектам: 35% снижения временных потерь, 11% финансовых», – рассказал глава региона.
Он добавил, что в Липецкой области начали использовать интеллектуальную систему управления. «То, чем славился и славится Сбер. По сути, мы ведь тоже работаем с населением. Мы заинтересованы в использовании передовых технологий, которые для нас заменят большое количество врачей и позволят населению поверить, что медицина есть, меньше критиковать общество и власть», – резюмировал губернатор.
Товары
-
Книги по молекулярной биологии
342 ₽
-
Кормление грудью
684 ₽
-
Oncology Books 7
342 ₽
-
Handbook of Stem Cells
342 ₽
