Федоров Максим Валериевич — и.о. директора, член-корреспондент РАН
Большой Каретный переулок, д.19, стр. 1, Москва, 127051
Maxim V. Fedorov
Bolshoy Karetny lane, 19, bld. 1, Moscow, 127051
Репин Дмитрий Александрович — д. социол. н., г.н.с., зав. лабораторией
Большой Каретный переулок, д.19, стр. 1, Москва, 127051
Dmitry A. Repin
Bolshoy Karetny lane, 19, bld. 1, Moscow, 127051
Клевцова Ольга Юрьевна — к.э.н., с.н.с.
Большой Каретный переулок, д.19, стр. 1, Москва, 127051
Olga Yu. Klevtsova
Bolshoy Karetny lane, 19, bld. 1, Moscow, 127051
Игнатьев Сергей Александрович — зав. лабораторией
Большой Каретный переулок, д.19, стр. 1, Москва, 127051
Sergey A. Ignatiev
Bolshoy Karetny lane, 19, bld. 1, Moscow, 127051
Бедрик Олег Иванович — с.н.с.
Большой Каретный переулок, д.19, стр. 1, Москва, 127051
Oleg I. Bedrik
Bolshoy Karetny lane, 19, bld. 1, Moscow, 127051
Изотова Мария Евгеньевна — м.н.с.
Большой Каретный переулок, д.19, стр. 1, Москва, 127051
Maria E. Izotova
Bolshoy Karetny lane, 19, bld. 1, Moscow, 127051
Буслов Кирилл Александрович — н.с.
Большой Каретный переулок, д.19, стр. 1, Москва, 127051
Kirill A. Buslov
Bolshoy Karetny lane, 19, bld. 1, Moscow, 127051
Щеголева Анжелика Анатольевна
Рахмановский пер., д. 3, Москва, 127994,
Anzhelika A. Shchegoleva
Rakhmanovsky lane, 3, Moscow, 127994
Демко Владислав Валерьевич — с.н.с.
Петроверигский пер., д. 10, стр. 3, Москва
Vladislav V. Demko
Petroverigsky Lane, 10, bld. 3, Moscow, 101990
Цель. Провести анализ моделей и методов искусственного интеллекта (ИИ), применяемых в медицинских технологиях, а также оценить перспективы их внедрения в клиническую практику с учетом организационных, экономических, этических и нормативных правовых факторов.
Материал и методы. Выполнен аналитический обзор научной литературы и практик внедрения технологий ИИ в здравоохранении. В обзор включены отечественные и зарубежные публикации, индексируемые в базах данных Scopus и PubMed за период 2016-2026 гг., а также нормативные правовые документы Российской Федерации, регулирующие разработку и применение медицинских изделий на основе технологий ИИ. Основное внимание уделялось публикациям, содержащим данные о клинической валидации алгоритмов машинного обучения и глубоких нейронных сетей.
Результаты. Установлено, что технологии ИИ активно применяются для анализа медицинских изображений, обработки клинических данных и поддержки принятия врачебных решений. Наиболее распространенными методами являются алгоритмы машинного обучения, глубокие нейронные сети, включая сверточные архитектуры, а также методы обработки естественного языка. Международные исследования демонстрируют высокую диагностическую точность таких алгоритмов сопоставимую с результатами экспертной оценки профильных специалистов. В Российской Федерации внедрение технологий ИИ осуществляется преимущественно в области лучевой диагностики и анализа медицинских изображений. Вместе с тем, эффективность их применения во многом зависит от качества медицинских данных, особенностей клинической практики, уровня цифровой инфраструктуры и нормативного правового регулирования.
Заключение. ИИ обладает значительным потенциалом для повышения эффективности системы здравоохранения, улучшения точности диагностики и оптимизации клинических процессов. Однако его широкое внедрение требует проведения многоцентровых клинических исследований, развития национальных медицинских датасетов, совершенствования нормативной правовой базы и подготовки медицинских специалистов, обладающих компетенциями в области анализа данных и цифровых технологий.
Aim. To analyze artificial intelligence (AI) models and methods used in medical technologies and assess the prospects for their implementation in clinical practice, taking into account organizational, economic, ethical, and regulatory factors.
Material and methods. An analytical review of the research literature and experience of implementing AI technologies in healthcare was conducted. The review included domestic and international publications indexed in Scopus and PubMed for the period 2016-2026, as well as regulatory documents of the Russian Federation governing the development and use of AI-based medical devices. The focus was on publications containing data on the clinical validation of machine learning algorithms and deep neural networks.
Results. AI technоologies are actively used for medical image analysis, clinical data processing, and decisionmaking support. The most common methods are machine learning algorithms, deep neural networks, including convolutional architectures, and natural language processing methods. International studies demonstrate the high diagnostic accuracy of such algorithms, comparable to expert assessments by specialists. In the Russian Federation, AI technologies are being implemented primarily in radiology and medical image analysis. However, the effectiveness of their application largely depends on the quality of health data, clinical practice, the level of digital infrastructure, and regulatory frameworks.
Conclusion. AI has significant potential to improve the efficiency of the healthcare system, enhance diagnostic accuracy, and optimize clinical processes. However, its widespread implementation requires multicenter clinical trials, the development of national medical datasets, improved regulatory frameworks, and the training of medical specialists with competencies in data analysis and digital technologies.
The authors declare that there are no conflicts of interest present.