AI и здравоохранение на Давосе: рамочный документ ВОЗ по AI в медицине

Всемирная организация здравоохранения выбрала Давос-2026 для презентации документа, который может определить развитие медицинского AI на ближайшее десятилетие. Рамочный документ по применению AI в здравоохранении -- результат двухлетней работы с участием экспертов из семидесяти стран. Документ устанавливает принципы, рекомендации и конкретные требования к AI-системам, используемым в диагностике, лечении, эпидемиологии и управлении здравоохранением.

Ключевой принцип фреймворка -- дифференцированный подход к рискам. AI-система, рекомендующая статьи о здоровом образе жизни, и AI-система, помогающая хирургу во время операции, требуют принципиально разного уровня регулирования. ВОЗ предложила четырехуровневую классификацию: информационные системы, системы поддержки принятия решений, системы прямого вмешательства и автономные медицинские системы. Каждый уровень предполагает свой набор требований к валидации, прозрачности и надзору.

На Давосе были представлены впечатляющие примеры применения AI в медицине. Google DeepMind продемонстрировала систему AlphaFold 3, которая предсказывает структуру белков с точностью, сопоставимой с экспериментальными методами, и уже используется для разработки лекарств. Компания Isomorphic Labs, дочерняя структура DeepMind, показала, как AI сокращает сроки доклинических исследований с пяти лет до полутора. Несколько фармацевтических компаний подтвердили, что AI-разработанные молекулы уже проходят клинические испытания.

Диагностика -- область, где AI уже доказал свою эффективность. Системы анализа медицинских изображений для выявления рака, диабетической ретинопатии и сердечно-сосудистых заболеваний работают на уровне или лучше, чем врачи-специалисты, в контролируемых условиях. На Давосе было представлено исследование, показывающее, что внедрение AI-скрининга в Индии и странах Африки южнее Сахары позволило выявить рак молочной железы на ранних стадиях у десятков тысяч женщин, не имевших доступа к маммографу.

Однако внедрение AI в реальную клиническую практику идет значительно медленнее, чем обещают разработчики. По данным ВОЗ, менее пяти процентов одобренных AI-медицинских устройств активно используются в клиниках. Причины: сопротивление врачей, проблемы интеграции с существующими информационными системами, вопросы юридической ответственности и отсутствие возмещения затрат со стороны страховых компаний. Разрыв между лабораторными результатами и клинической реальностью -- главная проблема медицинского AI.

Проблема данных обсуждалась особенно подробно. AI-модели для медицины требуют больших объемов качественных медицинских данных, но эти данные являются одними из наиболее чувствительных. Европейский GDPR и аналогичные законы создают значительные барьеры для обмена медицинскими данными между странами и институциями. ВОЗ предложила концепцию «федеративного обучения по умолчанию»: AI-модели обучаются на данных, которые не покидают больницу, а обмениваются только параметрами модели.

Этические вопросы выходили за рамки приватности данных. Кто несет ответственность, если AI-система ставит неверный диагноз -- разработчик, больница или врач, который следовал рекомендации? Как предотвратить воспроизведение расовых и гендерных предрассудков, содержащихся в исторических медицинских данных? Как обеспечить, чтобы AI-инструменты были доступны бедным странам, а не только клиникам премиум-класса? Фреймворк ВОЗ предлагает подходы к каждому из этих вопросов, но признает, что универсальных ответов пока нет.

Фармацевтические компании на Давосе говорили о революции в разработке лекарств. AI позволяет анализировать миллионы потенциальных молекул за дни, а не за годы. Но участники дискуссии предупредили о завышенных ожиданиях: AI ускоряет начальные этапы разработки, но клинические испытания -- самый длительный и дорогой этап -- пока остаются за пределами AI-автоматизации. Лекарство по-прежнему нужно тестировать на людях, и этот процесс занимает годы.

Представители развивающихся стран подчеркнули, что AI может стать решением проблемы дефицита медицинских кадров. В Африке на тысячу населения приходится менее одного врача, в то время как в Европе -- более четырех. AI-системы телемедицины, работающие через мобильные устройства, способны обеспечить базовую диагностику и маршрутизацию пациентов в условиях, когда врач-специалист находится за сотни километров.

Итоговый документ Давоса по AI в здравоохранении включал несколько конкретных инициатив: создание глобального реестра AI-медицинских устройств, стандартизация протоколов валидации, фонд поддержки внедрения AI в здравоохранение развивающихся стран и платформа обмена анонимизированными медицинскими данными. Реализация этих инициатив потребует политической воли и финансирования. Но рамочный документ ВОЗ создает основу, на которую могут опираться национальные регуляторы, и это уже значительный шаг.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.