ВОЗ предлагает усилить этический контроль ИИ в медицинских исследованиях

ВОЗ меняет подход к ИИ в медицине: этику предлагают контролировать на всём пути исследования

21 сентября 2026 года ВОЗ провела публичный запуск доклада Artificial Intelligence-related health research: ethics review and oversight и выпустила сообщение с призывом усилить этический надзор за медицинскими исследованиями с применением искусственного интеллекта. При этом официальная страница самого 69-страничного доклада датирована 21 июля 2026 года: сентябрьская дата относится именно к его публичному представлению и новому сообщению организации.

Документ посвящён не тому, следует ли использовать ИИ в медицинской науке. ВОЗ исходит из того, что это уже происходит. Алгоритмы анализируют медицинские изображения и электронные медицинские записи, помогают работать с крупными массивами геномных и эпидемиологических данных, используются при разработке новых технологий и всё чаще становятся инструментом самого исследовательского процесса.

Главный вопрос теперь другой: способны ли механизмы, созданные для традиционных медицинских исследований, контролировать исследование, в котором существенную часть решений принимает сложная вычислительная система.

ИИ сделал исследовательский протокол гораздо менее статичным

Традиционная этическая экспертиза во многом построена вокруг понятной последовательности. Исследователи описывают цель работы, участников, вмешательство, собираемые данные, потенциальные риски и способы защиты людей. Комитет по этике рассматривает этот протокол и решает, допустимо ли начинать исследование.

С ИИ такая модель работает хуже.

ВОЗ выделяет три большие группы исследований: анализ медицинских данных с помощью ИИ; исследования, в которых ИИ используется как рабочий инструмент; и исследования, где объектом разработки или проверки является сама система искусственного интеллекта.

Эти категории могут пересекаться, но у них появляется общая особенность: поведение системы определяется не только первоначальным протоколом, но и данными, архитектурой модели, способом её обучения и условиями последующего применения.

Если набор данных меняется, модель переобучается или технология переносится в другую больницу и на другую популяцию, профиль риска также может измениться. Поэтому ВОЗ рассматривает этический контроль не как однократное разрешение перед стартом проекта, а как процесс, который должен сопровождать исследование от проектирования до публикации, регулирования и практического внедрения.

Проблема не сводится к непрозрачности алгоритма

Одним из наиболее известных рисков ИИ остаётся алгоритмическая предвзятость. Если модель обучалась преимущественно на данных одной группы населения, её точность для других групп может оказаться хуже. В медицине это превращается из технической погрешности в этическую проблему: польза и риск технологии начинают распределяться между людьми неравномерно.

Но список вопросов значительно шире.

Крупные медицинские массивы создают риск повторной идентификации человека даже после удаления очевидных персональных данных. Сложные модели могут затруднять объяснение того, почему система пришла к определённому выводу. Возникают вопросы о том, кто отвечает за ошибку алгоритма и насколько полно участник исследования должен понимать возможные способы дальнейшего использования своих данных.

Есть и ещё один уровень проблемы. Медицинский ИИ часто создаётся не одной организацией. Данные могут поступать из больниц, алгоритм — разрабатываться технологической компанией, исследование — проводиться университетом, а будущий продукт — выводиться на рынок другой структурой. Поэтому ответственность, которая в классическом исследовании сравнительно легко связывается с исследователем и его учреждением, становится распределённой.

Именно поэтому ВОЗ обращается не только к комитетам по этике. В систему надзора должны включаться организации, финансирующие исследования, структуры управления данными, научные журналы и издательства, профессиональные общества и регуляторы.

Комитетам по этике придётся стать технически сильнее

Комитет по этике медицинского исследования традиционно включает специалистов, способных оценить научную обоснованность проекта, соотношение пользы и риска, процесс получения информированного согласия и защиту участников.

Однако для оценки ИИ этого может оказаться недостаточно.

Экспертам приходится понимать, как формировалась обучающая выборка, насколько она соответствует будущей популяции пользователей, как проверялась модель, может ли она воспроизводить скрытые различия между группами людей и что произойдёт после её обновления.

Недавние исследования показывают, что это не теоретическая проблема.

В опубликованной в 2026 году работе из Танзании исследователи опросили 25 членов и сотрудников десяти комитетов по этике. Помимо обычных проблем — нагрузки, финансирования и кадровых ограничений — проекты с ИИ создавали дополнительные трудности: оценку алгоритмической валидности, работу с крупными наборами данных и необходимость привлекать технических экспертов. Особенно слабым звеном участники исследования называли контроль уже после одобрения проекта.

Похожая картина обнаружилась в Южной Африке. В исследовании с участием 14 руководителей, членов и сотрудников комитетов по этике авторы выявили фрагментарные знания об ИИ. При этом все опрошенные сходились в одном: большие языковые модели могут помогать этической экспертизе, но не должны её автоматизировать.

Для стран с низким и средним доходом вопрос стоит особенно остро

ВОЗ отдельно рассматривает положение стран с низким и средним уровнем дохода. Причина — не только недостаток специалистов или вычислительной инфраструктуры.

Глобальная индустрия ИИ создаёт возможность более фундаментального дисбаланса: данные собираются в одной стране, а контроль над моделями, интеллектуальной собственностью и коммерческими результатами оказывается в другой.

ВОЗ прямо упоминает риск «колониализма данных» — ситуации, когда данные населения становятся ресурсом для внешних организаций без сопоставимого местного контроля и распределения получаемой пользы. Ещё одно понятие — «этический демпинг»: перенос исследований туда, где механизмы экспертизы или регулирования слабее.

Это особенно важно для медицины. Данные о заболеваниях, генетике и медицинской помощи имеют высокую исследовательскую ценность, но население, предоставившее эти данные, вовсе не обязательно станет первым получателем созданных на их основе технологий.

Поэтому ВОЗ говорит не только о защите данных, но и о местном лидерстве, подготовке специалистов, участии исследователей из этих стран в принятии решений и справедливом распределении преимуществ.

ИИ может войти даже в работу самих комитетов по этике

Есть ещё один парадоксальный поворот: искусственный интеллект способен не только создавать новые объекты этической экспертизы, но и помогать проводить саму экспертизу.

Алгоритмы потенциально могут проверять комплектность документов, находить несоответствия в протоколах, сравнивать версии документов или помогать искать уже известные этические риски. В условиях, когда комитеты рассматривают большое число проектов, такая автоматизация выглядит привлекательной.

Но здесь возникает тот же вопрос, что и в клинической медицине: означает ли наличие человека «в контуре» реальный человеческий контроль?

ВОЗ рассматривает как потенциальные преимущества, так и риски применения ИИ внутри самой системы этической экспертизы. Это продолжает более широкую линию организации: ещё в рекомендациях 2021 года ВОЗ подчёркивала, что управление медицинским ИИ должно сохранять человеческую автономию, прозрачность, ответственность, инклюзивность и безопасность. Новый доклад переносит эти принципы непосредственно в устройство исследовательского процесса.

Этика превращается из проверки документов в инфраструктуру исследования

Практическое значение доклада заключается не в появлении ещё одного списка этических принципов. Эти принципы — защита человека, справедливость, конфиденциальность, ответственность — существовали задолго до современного ИИ.

Меняется способ их применения.

Для исследователей это означает необходимость анализировать возможные этические риски ещё при выборе данных и проектировании модели, а не после завершения разработки.

Для комитетов по этике — необходимость доступа к специалистам по машинному обучению, управлению данными и кибербезопасности и, вероятно, развитие механизмов наблюдения за проектом после первоначального разрешения.

Для научных журналов — более высокие требования к прозрачности данных, методов и ограничений моделей.

Для регуляторов и финансирующих организаций — необходимость решать вопросы, которые невозможно исправить на уровне одного исследовательского проекта: например, отсутствие репрезентативных данных или устойчивое технологическое неравенство между странами.

Для пациентов и участников исследований смысл ещё конкретнее. Чем больше медицина зависит от алгоритмов, тем меньше защита человека может сводиться только к формальному согласию на использование его данных. Важными становятся качество самой модели, группы населения, на которых она проверялась, возможность выявлять ошибки после внедрения и понятное распределение ответственности за последствия.

Доклад ВОЗ при этом не является готовой универсальной системой регулирования. Организация сама называет его отправной точкой для дальнейших стандартов и механизмов управления. Технологии меняются быстрее, чем традиционно обновляются правила, поэтому часть предложенных решений ещё предстоит превратить в конкретные процедуры.