Серия 21. Управление (государство и общество). 2025. № 4

Технологии искусственного интеллекта интенсивно внедряются в сфере здравоохранения в России с 2023 г. Приоритетным направлением внедрения технологий ИИ является применение медицинских изделий с технологиями ИИ (МИ с ИИ) и их внедрение в контур государственных информационных систем в сфере здравоохранения субъектов Российской Федерации. Целью исследования является изучение результатов развития и внедрения технологий ИИ в здравоохранении Российской Федерации. В статье показано, что на 7 июля 2025 г. Росздравнадзором зарегистрировано 47 медицинских изделий с технологиями ИИ, 29 решений направлено на анализ радиологических изображений, 6 — на анализ данных электронной медицинской карты, 2 решения — на анализ видеопотока, 2 решения — на анализ цифровых ЭКГ, 2 решения — на планирование операций и 1 решение — на анализ фармакологической терапии. Более 200 инновационных отечественных ИИ-решений с различным уровнем технологической готовности создаются в подведомственных организация Минздрава России. Сформировано более 190 наборов данных, сформулировано около 100 клинических задач, которые могут быть решены с помощью ИИ. В 2023 г. все субъекты Российской Федерации приступили к внедрению ИИ в сфере здравоохранения (за исключением новых субъектов РФ). На 31 декабря 2024 г. реализовано 412 внедрений МИ с ИИ в государственных и муниципальных МО. На основе проведенного анализа показано, что с 2023 г. в систему здравоохранения интенсивно внедряются технологии ИИ, создаются регуляторные механизмы применения ИИ, создаются и внедряются инновационные решения с технологиями ИИ.

Системы поддержки принятия клинических решений (СППР, CDSS) активно внедряются в цифровое сопровождение деятельности медицинских организаций, предоставляя врачам оперативный доступ к научно-методической доказательной базе знаний и медицинских данных на всех этапах оказания медицинской помощи. Опыт применения СППР показал улучшение результатов лечения пациентов, снижение количества медицинских ошибок и повышение клинической и экономической эффективности в целом. Изучение потенциальных возможностей СППР продолжается, ими определяются перспективы будущих разработок в этой области. В то же время существует ряд проблем, связанных с внедрением СППР, из которых приоритетными являются проблемы безопасности медицинских данных, системной интеграции и одобрения программного продукта медицинскими специалистами. СППР продемонстрировали значительный потенциал, но их внедрение и оптимизация остаются сложной задачей. В статье представлен обзор публикаций по результатам исследований по теме развития и внедрения СППР в медицине, роли искусственного интеллекта (ИИ, AI) и машинного обучения (ML) в разработке новых моделей лечения. Системы поддержки принятия решений для медицинских работников и пациентов вошли в число приоритетов прикладных научных исследований в интересах медицины и здравоохранения, предложенных Минздравом России. Эти разработки включены в раздел инновационных технологий цифрового управления в здравоохранении. 

Искусственный интеллект (ИИ) играет важную роль в современном здравоохранении в целом и в фармацевтике в частности. Его применение охватывает широкий спектр задач: от оптимизации процессов разработки лекарственных препаратов до повышения точности диагностики заболеваний и управления цепочками поставок. В фармацевтической практике ИИ может значительно улучшить управление приемом лекарств и уход за пациентами, а также способствовать оптимизации процесса разработки лекарств, индивидуализированного подхода к пациентам, повышению эффективности логистических операций, что в свою очередь будет способствовать более рациональному распределению медикаментов среди населения. 

Однако внедрение ИИ в здравоохранение сопряжено с рядом проблем, которые требуют тщательного анализа и стратегического подхода. Вопрос о характере этих препятствий — временный он или долгосрочный — остается открытым и требует дальнейшего исследования. Одной из центральных задач в управлении этой сферой является эффективное взаимодействие ключевых стейкхолдеров, включая государственные органы, медицинские учреждения, технологические компании и профессиональные сообщества. Их согласованная деятельность критически важна для формирования политики в области применения ИИ в здравоохранении, а также для определения возможностей и ограничений, связанных с его использованием.

Широкое внедрение возможностей искусственного интеллекта (ИИ) в систему здравоохранения создает новые требования и условия для подготовки медицинских кадров. Статья посвящена изучению современных вызовов, аспектов методологии и перспектив обучения специалистов для успешной работы с ИИ-технологиями. Данное исследование содержит разбор наиболее актуальных для применения ИИ-систем направлений, анализ требований к компетенциям специалистов, нововведений в образовательном процессе и этические аспекты. Особое внимание уделяется формированию доверия к новым технологиям, преодолению многолетних организационных барьеров и созданию современных обучающих программ. Результаты исследования показывают важность системного подхода к подготовке кадров с учетом технического образования, критического мышления и этико-психологической подготовки.

В статье рассматриваются вопросы доверия к системам искусственного интеллекта (ИИ) в здравоохранении, которые становятся ключевым барьером на пути широкого внедрения новых технологий. Актуальность работы обусловлена быстрым ростом числа медицинских изделий на основе ИИ как в России, так и за рубежом, и одновременным дефицитом доверия со стороны профессионального сообщества и пациентов. В качестве методов исследования использован анализ современной научной литературы, международных стандартов, регуляторных практик, а также обзор эмпирических данных, полученных в зарубежных и отечественных исследованиях. Основное внимание уделяется восприятию ИИ пациентами и медицинскими специалистами, а также причинам скептицизма, связанным с непрозрачностью алгоритмов, риском ошибок и дискриминации. В статье обсуждаются стратегические направления по укреплению доверия: обеспечение прозрачности и объяснимости решений ИИ, проведение независимых испытаний и постмаркетингового мониторинга, вовлечение профессионального сообщества и пациентов в процесс внедрения технологий, а также развитие механизмов управления качеством на основе международных стандартов. Сделан вывод о необходимости формирования «калиброванного» доверия на основе эмпирически подтверждённой пользы и справедливости применения ИИ в клинической практике. Перечислены задачи для дальнейших исследований в российских условиях.

Искусственный интеллект (ИИ) трансформирует жизненный цикл фармацевтических препаратов — от открытия до производства и надзора за безопасностью. В процессе открытия ИИ ускоряет идентификацию мишеней, молекулярный дизайн и перепрофилирование (например, барицитиниб; рентосертиб), в то время как опыт DSP-1181 подчеркивает риск структурного консерватизма. В клинических разработках ИИ поддерживает стратификацию пациентов, разработку цифровых двойников и автоматизированный анализ, повышая статистическую мощность и скорость работы. В производстве предиктивная аналитика, компьютерное зрение и документирование с помощью графов знаний повышают качество и производительность. Фармаконадзор выигрывает от обработки естественного языка (NLP), позволяющей обнаруживать сигналы и автоматизировать рабочий процесс. Появляющиеся возможности использования в разработке антител и персонализированной терапии расширяют сферу применения, но реальные преимущества зависят от качества данных, скрупулезной проверки, прозрачности и соответствия нормативным требованиям (включая реальные доказательства).

В статье рассматривается новый подход в здравоохранении, связанный с выделением цифровых детерминант здоровья, который в последнее время получил распространение для анализа системы охраны здоровья населения. Рассмотрение его основных концептуальных положений показало, что при всей важности для понимания существующих в данной области проблем, цифровые детерминанты здоровья нуждаются в дальнейшем изучении, необходимо определить их связь с другими факторами здоровья, прежде всего социально-экономическими.

На основании данных Росстата в статье дана общая характеристика состояния отдельных цифровых детерминант в России, в частности, проанализированы вопросы доступности Интернета, основных направлений его использования с точки зрения охраны здоровья, состояния цифровизации учреждений здравоохранения. Сделан вывод, что, хотя цифровизация является важным приоритетом развития современного здравоохранения в России, необходимы дальнейшие исследования ее влияния не просто на отдельные параметры организации системы охраны здоровья, а воздействие на конечный результат — улучшение состояния здоровья населения. Понимание цифровых детерминант здоровья может стать хорошей теоретической и практической основой для решения этой задачи.

Статья предлагает обратить внимание на новые задачи, которые ставит перед пациентом ориентированная на применение технологий генеративного искусственного интеллекта система здравоохранения. Технология способна расширить сложившуюся практику, как положительную, так и требующую изменений. Необходимо ориентироваться в проблемах и задачах, которые пришли из прошлых периодов развития систем здравоохранения и попыток применения методов машинного обучения в здравоохранении. Новым особенности, с которыми сталкиваются пациенты, коренятся в самих технологиях, отношении человека и машины, понимании компетентности и пониманию категории доверия. Работа представлена общенаучными методами, анализом вторичных данных в области применения технологий искусственного интеллекта в медицине. Несмотря на отсутствие необходимости владеть навыками программирования для применения технологий генеративного искусственного интеллекта, необходимо уделить внимание именно технической грамотности высокого уровня в рамках общей медицинской грамотности.

На фоне того, что цифровая экономика становится ключевым фактором глобального экономического роста, инновационные методы управления талантами, применяемые современными государствами, имеют решающее значение для повышения конкурентоспособности национального человеческого капитала. За последнее десятилетие Китай внедрил уникальные беспрецедентные инструменты цифрового/умного правительства, давшие высокие положительные результаты в области развития национальных человеческих ресурсов. В статье рассматривается, как технологические инновации и трансформация моделей цифрового управления повышают конкурентоспособность китайских специалистов и эффективность использования человеческого капитала. Теоретическую базу исследования составили результаты данных актуального Отчета о человеческом капитале Китая за 2024 год, а также материалы китайских экспертов и практиков в сфере цифровизации государственного управления КНР. На основе исследования эволюции интеллектуального управления талантами под руководством китайского Правительства, обобщения и выявления специфики текущих мер, таких как создание цифровых кадровых резервов, подбор персонала с использованием искусственного интеллекта и персонализированных систем обучения, и оценки их влияния, в статье описаны движущие силы, достижения и сохраняющиеся проблемы в сфере умного  правительства и использования цифровых технологий развития национального человеческого капитала. Авторы делают вывод о том, что интеграция передовых технологий, таких как искусственный интеллект и большие данные, в обновленную систему цифрового управления коренным образом меняет методы выявления, распределения, развития и удержания талантов. Наконец, в исследовании описаны тенденции и предложены практические рекомендации, направленные на то, чтобы внести структурированный "китайский опыт" в глобальный дискурс по управлению человеческими ресурсами в государственном секторе в цифровую эпоху.

Сетецентрическое государственное управление имеет очевидные преимущества. Однако для его эффективного использования требуется преодолеть ряд ограничений и наметить пути по его внедрения в государственное управление. На основе сравнительного анализа централизованных и децентрализованных систем управления статья описывает преимущества сетецентрического подхода такие, как генерация данных, хранение, распределение и осуществление обмена данными, сохранение устойчивости системы, поиск и использования данных, гарантия достоверности данных и доверие к источникам данных; раскрывает такие ключевые принципы сетецентрического управления, как децентрализация, открытость, интрактивность, гибкость, технологическая интеграция, коллаборация, безопасность; выявляет сложности при внедрении сетецентрического управления на практике, такие как киберугрозы, цифровое неравенство, технологическая зависимость, децентрализация власти, технологические риски, юридические риски; демонстрирует онтологические принципы осуществления сетецентрического государственного управления; содержит сравнительный анализ иерархических, сетевых и сетецентричных моделей управления; обосновывает анализ концептуальных особенностей сетецентрического государственного управления. Делается вывод о необходимости развития гибридных управленческих систем, интегрирующих иерархические и сетецентрические принципы взаимодействия. Реализация сетецентрического подхода открывает перспективы оптимизации государственного управления.