Искусственный интеллект в стационарах: как ранние предупреждения влияют на смертность

ИИ снижает больничную летальность? Что стоит за заявленными 40% и что показывают международные исследования

Российские клиники сообщили о снижении летальности до 40%

28 октября 2026 года министр здравоохранения России Михаил Мурашко на сессии «Тромбозы: вызовы современности. Диалог Россия — Африка» рассказал о первых результатах внедрения искусственного интеллекта в медицинских организациях.

По его словам, клиники, активно использующие ИИ, демонстрируют обнадёживающие результаты по снижению летальности. В отдельных учреждениях величина такого эффекта может достигать 40%.

Министр связал потенциальную пользу технологии с возможностью обнаруживать небольшие, но клинически значимые изменения в состоянии пациентов. Врач может воспринимать отдельные отклонения как временные или случайные, тогда как алгоритм способен выявлять повторяющиеся признаки неблагополучия.

При этом Мурашко охарактеризовал первые результаты как предварительные, требующие осторожной интерпретации.

Здесь существует существенная методологическая проблема.

В опубликованных сообщениях о выступлении министра не указаны медицинские организации, число пациентов, период наблюдения, конкретные алгоритмы и методы расчёта эффективности. Неясно также, оценивалось ли изменение летальности внутри отдельных больниц или проводилось сопоставление учреждений, использующих ИИ, с клиниками без таких технологий.

Это принципиально разные подходы к оценке результата.

Если больничная летальность составляла 5%, а затем снизилась до 3%, относительное сокращение действительно равняется 40%. Но абсолютное изменение составляет только два процентных пункта.

Кроме того, больницы могут различаться по тяжести состояния поступающих пациентов, доступности интенсивной терапии, квалификации персонала и организации лечения. Даже существенная разница в летальности сама по себе не доказывает, что её причиной стал искусственный интеллект.

Поэтому российскую цифру пока корректнее рассматривать как предварительную оценку потенциального эффекта, а не как установленную эффективность медицинского ИИ.

Как алгоритм обнаруживает угрозу раньше врача

Наиболее перспективное направление применения искусственного интеллекта в стационарах связано не с автоматической постановкой диагноза, а с прогнозированием ухудшения состояния пациента.

Обычная медицинская информационная система преимущественно хранит результаты обследований и измерений. Алгоритмы машинного обучения позволяют дополнительно анализировать взаимосвязи между этими данными и их изменения во времени.

Представим пациента, у которого постепенно увеличивается частота дыхания, немного снижается насыщение крови кислородом и изменяются показатели артериального давления.

Каждый из этих признаков по отдельности может не вызывать серьёзных опасений. Однако их сочетание и последовательное изменение способны указывать на развитие опасного состояния.

Алгоритм, обученный на большом количестве клинических наблюдений, может распознать подобную комбинацию и предупредить медицинский персонал о повышении риска.

Применительно к сердечно-сосудистым заболеваниям такая технология потенциально полезна при наблюдении за пациентами с нестабильной гемодинамикой, нарушениями сердечного ритма и другими состояниями, требующими быстрой реакции.

Но важно понимать границы её возможностей.

Система не обязательно устанавливает причину ухудшения. Она может лишь определить, что определённая совокупность признаков статистически связана с повышенным риском неблагоприятного исхода.

Дальнейшие действия остаются клинической задачей: пациента необходимо осмотреть, уточнить диагноз, назначить обследование и при необходимости изменить лечение.

Именно поэтому эффективность ИИ следует оценивать не только по точности прогноза, но и по тому, удалось ли благодаря предупреждению предотвратить осложнения и смерти.

Тайваньское исследование: предупреждения ИИ снизили смертность за 90 дней

Одно из наиболее убедительных подтверждений клинической пользы искусственного интеллекта появилось в 2024 году.

В журнале Nature Medicine исследователи из Тайваня опубликовали результаты рандомизированного клинического испытания с участием 15 965 госпитализированных пациентов и 39 врачей.

Учёные проверяли систему, которая анализировала электрокардиограммы с помощью искусственного интеллекта и предупреждала врачей о пациентах с повышенным риском смерти.

В отличие от обычной диагностической интерпретации ЭКГ, алгоритм был ориентирован на прогнозирование неблагоприятных исходов.

Полученные результаты оказались статистически значимыми.

Смертность от всех причин в течение 90 дней составила:

• 3,6% среди пациентов, при ведении которых использовались предупреждения ИИ;
• 4,3% в контрольной группе, получавшей стандартную медицинскую помощь.

Абсолютная разница составила 0,7 процентного пункта. Относительное снижение наблюдаемой доли умерших — примерно 16%.

Наиболее выраженный эффект наблюдался среди пациентов, которых алгоритм относил к категории высокого риска.

Исследователи также обнаружили, что такие пациенты чаще получали интенсивную медицинскую помощь. Это позволяет предположить, что одним из механизмов снижения смертности стало более раннее распознавание опасного состояния и изменение тактики лечения.

Однако точная причинная последовательность, связывающая предупреждение алгоритма с предотвращением смерти, остаётся предметом изучения.

Американская система CONCERN: снижение риска смерти примерно на 36%

В апреле 2025 года Nature Medicine опубликовал результаты другого крупного исследования, проведённого в США.

Учёные оценивали систему раннего предупреждения CONCERN, использующую машинное обучение для анализа информации, которую медицинские сёстры регулярно заносят в электронные карты пациентов.

Особенность этой технологии заключается в том, что она анализирует не только физиологические показатели, но и закономерности сестринского наблюдения.

Изменения в частоте документирования состояния пациента и характере записей могут содержать дополнительную информацию о возможном ухудшении его здоровья.

В рандомизированном исследовании участвовали 74 клинических подразделения двух систем здравоохранения. Всего анализ охватывал 60 893 эпизода госпитализации.

В подразделениях, где медицинский персонал использовал CONCERN, скорректированный мгновенный риск смерти во время госпитализации оказался примерно на 35,6% ниже, чем при стандартном оказании помощи.

Этот показатель основан на статистическом анализе времени до наступления события. Его нельзя автоматически интерпретировать как уменьшение абсолютной доли умерших на 35,6 процентного пункта.

Исследователи также зарегистрировали снижение риска сепсиса и сокращение продолжительности госпитализации.

При этом риск незапланированного перевода пациента в отделение интенсивной терапии оказался выше примерно на 25%.

На первый взгляд последнее наблюдение может показаться отрицательным результатом. Однако оно допускает и другое объяснение: система могла способствовать более раннему выявлению пациентов, которым требовалось усиление медицинской помощи.

Именно сочетание своевременного распознавания угрозы и последующего вмешательства представляет наибольший интерес.

Результаты CONCERN особенно важны в контексте российского заявления: они демонстрируют, что снижение расчётного риска смерти приблизительно на треть действительно наблюдалось в крупном рандомизированном исследовании.

Но это не подтверждает автоматически величину эффекта, заявленную для российских клиник. Речь идёт о другой технологии, другой системе здравоохранения и самостоятельно проведённом исследовании.

Почему некоторые исследования не обнаруживают пользы ИИ

Положительные результаты не являются универсальными.

В феврале 2026 года журнал Scientific Reports опубликовал результаты рандомизированного исследования американских специалистов из Университета Вирджинии.

Они изучали систему искусственного интеллекта, предназначенную для непрерывного прогнозирования ухудшения состояния пациентов кардиологического и кардиохирургического отделения.

В исследование вошли 10 422 эпизода госпитализации.

Алгоритм предоставлял медицинскому персоналу информацию об изменении индивидуального риска пациента. Однако конкретные действия в ответ на прогноз обязательными не были.

В результате статистически значимого улучшения основного клинического показателя обнаружено не было.

Это наблюдение подчёркивает фундаментальное ограничение медицинского искусственного интеллекта: точность прогноза и улучшение исходов лечения — разные результаты.

Дополнительное подтверждение неоднозначности накопленных данных появилось в 2026 году.

Авторы систематического обзора, опубликованного в Journal of Critical Care, проанализировали десять рандомизированных исследований применения ИИ и компьютерных систем поддержки клинических решений в отделениях интенсивной терапии.

Совокупно исследования охватывали около 100 тысяч пациентов.

В восьми из десяти испытаний наблюдались улучшения отдельных процессов медицинской помощи, включая более раннее распознавание ухудшения состояния и лучшее соблюдение лечебных протоколов.

Однако снижение смертности было зарегистрировано только в двух исследованиях. В большинстве остальных устойчивого улучшения клинических исходов выявить не удалось.

Важно, что обзор объединял разные технологии, включая системы поддержки решений, не обязательно основанные на современных нейросетях. Поэтому его результаты нельзя распространять на все разновидности медицинского ИИ.

Тем не менее общий вывод достаточно определённый: повышение эффективности работы медицинского персонала ещё не гарантирует улучшения выживаемости пациентов.

Главный фактор эффективности — не алгоритм, а скорость медицинской реакции

Международные исследования позволяют выделить принципиальную закономерность.

Если система обнаружила признаки надвигающегося ухудшения, но предупреждение осталось без внимания, потенциальная польза алгоритма не реализуется.

Поэтому внедрение ИИ требует изменений в организации работы стационара.

Медицинская организация должна определить, кто получает предупреждения, как оценивается их срочность, кто отвечает за повторный осмотр пациента и какие действия необходимо предпринять при подтверждении опасного состояния.

Значение имеет и качество самих предупреждений.

Слишком чувствительный алгоритм способен создавать большое количество ложных сигналов. При их постоянном поступлении возникает риск усталости от оповещений, когда медицинский персонал постепенно начинает игнорировать даже действительно важные предупреждения.

Недостаточно чувствительная система, напротив, может пропускать опасные состояния и создавать необоснованное чувство безопасности.

Отдельная проблема — переносимость алгоритмов между больницами.

Модель, обученная на пациентах крупного университетского центра, не обязательно сохранит прежнюю точность в районной больнице с другим составом пациентов, оборудованием и лечебными протоколами.

Поэтому результаты внедрения необходимо регулярно проверять на данных конкретной медицинской организации.

Для пациента важнее предотвращённое осложнение, чем точность прогноза

Потенциальные преимущества искусственного интеллекта особенно заметны в стационарной помощи, где состояние пациента может изменяться за короткое время.

При своевременном распознавании ухудшения врачи получают возможность раньше начать дополнительное обследование, скорректировать терапию или перевести пациента в отделение с более интенсивным наблюдением.

Для медицинского персонала ИИ может стать инструментом приоритизации внимания. Вместо одинакового просмотра всех записей система помогает выделять пациентов, состояние которых требует первоочередной оценки.

Для руководителей больниц это открывает возможности совершенствования маршрутов оказания помощи, но одновременно создаёт новые требования к информационной инфраструктуре, подготовке специалистов и контролю качества алгоритмов.

При этом само по себе внедрение системы не должно считаться показателем успешной цифровизации.

Значимыми результатами должны становиться снижение летальности, частоты тяжёлых осложнений, предотвратимых остановок кровообращения и других неблагоприятных исходов.

Именно поэтому дальнейшая оценка российских результатов потребует публикации более подробных данных:

• какие клиники и категории пациентов включены в анализ;
• какие конкретные технологии искусственного интеллекта применялись;
• как рассчитывалось заявленное снижение летальности;
• учитывались ли различия в тяжести состояния пациентов;
• сохранялся ли эффект после статистической корректировки;
• воспроизводились ли результаты в независимых медицинских организациях.

Особенно важно определить, связано ли снижение летальности непосредственно с предупреждениями ИИ или с более широкими изменениями в организации медицинской помощи.

Поскольку заявление прозвучало на сессии, посвящённой тромбозам, отдельный интерес представляет возможное влияние таких систем на сосудистые осложнения. Однако опубликованная информация пока не позволяет утверждать, что заявленные 40% относятся именно к профилактике тромбозов, инфарктов или инсультов.