Искусственный интеллект в здравоохранении: как ИИ повышает эффективность диагностики и меняет конкуренцию за пациентов
11 ноября 2026 года в Москве в рамках XIII ежегодной конференции «Инвестиции в здравоохранение» состоялась сессия, посвящённая применению искусственного интеллекта в медицинском бизнесе.
ИИ всё активнее используется в диагностике, работе врачей и привлечении пациентов. Однако для медицинских организаций ключевым остаётся вопрос экономической эффективности: как новые технологии помогают повышать качество медицинской помощи, увеличивать доходы и сокращать расходы?
Практические примеры представили Арсений Поздышев, генеральный директор IRA Labs, и Сергей Семёнов, основатель и генеральный директор RECOMO AI. Первый рассказал о результатах применения ИИ в лучевой диагностике, второй — о том, как генеративный поиск меняет продвижение клиник и выбор медицинских услуг пациентами.
IRA Labs: как ИИ помогает выявлять больше патологий и раскрывать экономический потенциал диагностики
Арсений Поздышев, генеральный директор IRA Labs, представил анализ российского рынка медицинского ИИ и результаты внедрения технологий в частных клиниках.
Одной из основных предпосылок для развития искусственного интеллекта становится увеличение нагрузки на врачей-рентгенологов.
По данным, представленным Арсением, за последние десять лет количество КТ-исследований в России выросло на 658%, тогда как число рентгенологов увеличилось лишь на 32%.
При этом современная компьютерная томография позволяет выявлять значительно больше информации, чем требуется для ответа на первоначальный клинический вопрос.
Например, на одном КТ-исследовании органов грудной клетки можно оценить более 100 биомаркеров, включая состояние лёгких, коронарный кальций, плотность костной ткани, диаметр аорты и другие показатели.
Однако из-за ограниченного времени врач зачастую концентрируется на основной диагностической задаче, оставляя часть сопутствующих изменений без подробного описания.
По мнению Арсения, именно здесь искусственный интеллект способен существенно повысить эффективность диагностики.
Более 2 млн обработанных исследований и 20 алгоритмов
IRA Labs разрабатывает системы комплексного анализа компьютерной томографии, позволяющие выявлять несколько патологий в рамках одного исследования.
Платформа Multi-IRA объединяет более 20 алгоритмов и свыше 100 биомаркеров, формируя единое диагностическое заключение.
В частности, система Chest-IRA анализирует 14 видов патологических изменений органов грудной клетки, а Abdomen-IRA — семь категорий изменений органов брюшной полости.
По данным компании, её сервисы обработали более 2 млн КТ-исследований и используются более чем в 300 медицинских организациях в 32 регионах России.
Полный цикл обработки исследования, включая передачу данных, анализ и возврат результата, занимает до пяти минут.
Кейс № 1. Как ИИ обнаружил дополнительные патологии в 81 из 160 исследований
Одним из наиболее показательных примеров стало ретроспективное исследование, проведённое в московской частной клинике.
Специалисты повторно проанализировали 160 КТ органов грудной клетки, сравнив первоначальные заключения врачей с результатами совместной работы ИИ и рентгенолога. Полученные находки проверялись двумя экспертами.
Из 160 исследований в 90 были подтверждены патологические изменения. При этом в 81 исследовании ИИ помог выявить хотя бы одну находку, не отражённую в первоначальном заключении врача.
Особенно заметная разница была получена при выявлении расширения аорты: без ИИ было описано два случая, а при совместном анализе врача и алгоритма — 40.
Арсений подчеркнул, что речь идёт не о замене медицинского специалиста, а об инструменте, позволяющем врачу более полно использовать информацию, содержащуюся в снимках.
IRA Labs: как ИИ помогает выявлять больше патологий и раскрывать экономический потенциал диагностики
Арсений Поздышев, генеральный директор IRA Labs, представил анализ российского рынка медицинского ИИ и результаты внедрения технологий в частных клиниках.
Одной из основных предпосылок для развития искусственного интеллекта становится увеличение нагрузки на врачей-рентгенологов.
По данным, представленным Арсением, за последние десять лет количество КТ-исследований в России выросло на 658%, тогда как число рентгенологов увеличилось лишь на 32%.
При этом современная компьютерная томография позволяет выявлять значительно больше информации, чем требуется для ответа на первоначальный клинический вопрос.
Например, на одном КТ-исследовании органов грудной клетки можно оценить более 100 биомаркеров, включая состояние лёгких, коронарный кальций, плотность костной ткани, диаметр аорты и другие показатели.
Однако из-за ограниченного времени врач зачастую концентрируется на основной диагностической задаче, оставляя часть сопутствующих изменений без подробного описания.
По мнению Арсения, именно здесь искусственный интеллект способен существенно повысить эффективность диагностики.
Более 2 млн обработанных исследований и 20 алгоритмов
IRA Labs разрабатывает системы комплексного анализа компьютерной томографии, позволяющие выявлять несколько патологий в рамках одного исследования.
Платформа Multi-IRA объединяет более 20 алгоритмов и свыше 100 биомаркеров, формируя единое диагностическое заключение.
В частности, система Chest-IRA анализирует 14 видов патологических изменений органов грудной клетки, а Abdomen-IRA — семь категорий изменений органов брюшной полости.
По данным компании, её сервисы обработали более 2 млн КТ-исследований и используются более чем в 300 медицинских организациях в 32 регионах России.
Полный цикл обработки исследования, включая передачу данных, анализ и возврат результата, занимает до пяти минут.
Кейс № 1. Как ИИ обнаружил дополнительные патологии в 81 из 160 исследований
Одним из наиболее показательных примеров стало ретроспективное исследование, проведённое в московской частной клинике.
Специалисты повторно проанализировали 160 КТ органов грудной клетки, сравнив первоначальные заключения врачей с результатами совместной работы ИИ и рентгенолога. Полученные находки проверялись двумя экспертами.
Из 160 исследований в 90 были подтверждены патологические изменения. При этом в 81 исследовании ИИ помог выявить хотя бы одну находку, не отражённую в первоначальном заключении врача.
Особенно заметная разница была получена при выявлении расширения аорты: без ИИ было описано два случая, а при совместном анализе врача и алгоритма — 40.
Арсений подчеркнул, что речь идёт не о замене медицинского специалиста, а об инструменте, позволяющем врачу более полно использовать информацию, содержащуюся в снимках.
RECOMO AI: как генеративный поиск меняет конкуренцию за пациентов
Сергей Семёнов, основатель и генеральный директор RECOMO AI, посвятил выступление новому направлению продвижения медицинских организаций — AI Visibility, или видимости клиник в ответах генеративного искусственного интеллекта.
По мере развития ChatGPT, Алисы и других ИИ-сервисов меняется привычный сценарий поиска медицинской информации.
Вместо просмотра нескольких сайтов пациент всё чаще получает готовый ответ на вопрос: где пройти обследование, какую клинику выбрать, какие услуги доступны и сколько они стоят.
В результате медицинским организациям становится недостаточно занимать высокие позиции в традиционной поисковой выдаче. Важно понимать, появляется ли клиника в рекомендациях нейросетей и насколько корректно представлена информация о ней.
ИИ-сводки снижают вероятность перехода на сайты
Сергей привёл результаты исследования Pew Research Center, проведённого в США.
Согласно наблюдательным данным исследования, при наличии ИИ-сводки пользователи переходили по обычным поисковым результатам в 8% случаев, тогда как без ИИ-сводки — в 15%.
Исследование охватывало 900 взрослых пользователей и более 68 тыс. уникальных поисковых запросов.
Эти результаты не относятся непосредственно к российскому рынку медицинских услуг, однако иллюстрируют изменение поведения пользователей в поисковых системах.
Для клиник возникает новая задача: обеспечить точность и доступность информации о своих услугах не только для потенциального пациента, но и для ИИ-систем, формирующих рекомендации.
Что влияет на присутствие клиники в ответах нейросетей?
По словам Сергея, при формировании ответов ИИ может использовать различные источники информации: официальный сайт медицинской организации, профессиональные реестры, карты, каталоги, публикации и отзывы.
Проблемы возникают, когда сведения в этих источниках противоречат друг другу или устаревают.
Например, на сайте может быть указан один адрес филиала, в каталоге — другой, а информация о стоимости обследования и доступности услуги может не совпадать.
Такие расхождения способны приводить к некорректным ответам, смешению сведений о разных организациях и ошибкам при рекомендации медицинских услуг.
Сергей рекомендовал клиникам регулярно проверять данные о филиалах, врачах, квалификации специалистов, стоимости услуг, условиях записи и подготовки к исследованиям.
Вместо общих рекламных формулировок вроде «современная диагностика» и «индивидуальный подход» медицинским организациям следует публиковать конкретную, проверяемую информацию.
Как измерить AI Visibility: методика из 120 наблюдений
Одним из центральных вопросов выступления стала оценка присутствия клиники в генеративном поиске.
Сергей предложил не ограничиваться единичными запросами к ChatGPT или другим ИИ-сервисам, поскольку ответы могут различаться в зависимости от формулировок и условий поиска.
В качестве примера он представил методику тестирования:
Для каждого ответа предлагается отдельно фиксировать четыре показателя: упоминание бренда, рекомендацию клиники, цитирование её сайта и переход пользователя.
При этом эксперт подчеркнул принципиальное различие между этими событиями.
Упоминание клиники ещё не означает, что нейросеть рекомендует её пациенту. Рекомендация не гарантирует переход на сайт, а переход — фактическую запись на приём.
Отдельно необходимо проверять корректность ответов: ИИ может рекомендовать неподходящий филиал, указывать устаревшую цену или ошибочно сообщать о наличии услуги.
Поэтому высокая частота рекомендаций сама по себе не является достаточным показателем успешности продвижения.
Как проверить эффективность за 90 дней
RECOMO AI предложила модель пилотного проекта продолжительностью 90 дней.
В первые две недели проводится исходный замер видимости клиники в нескольких ИИ-системах, формируется набор пользовательских запросов и фиксируются ошибки.
Следующий этап предполагает актуализацию информации по выбранным медицинским услугам: уточнение цен, характеристик исследований, условий записи и сведений о специалистах.
На заключительном этапе проводится повторное измерение, результаты которого сопоставляются с обращениями пациентов и данными медицинской информационной системы.
При этом необходимо учитывать рекламу, сезонность, изменение цен и другие факторы, способные повлиять на количество обращений.
Сколько новых пациентов необходимо для окупаемости?
Сергей подчеркнул, что задача AI Visibility не ограничивается увеличением количества рекомендаций.
Медицинской организации необходимо оценивать экономический результат продвижения.
В презентации был приведён условный пример: при затратах на пилотный проект 150 тыс. рублей и маржинальном вкладе одного дополнительного визита 5 тыс. рублей для покрытия расходов потребуется 30 дополнительных визитов.
Это иллюстративный расчёт, а не стоимость услуг RECOMO AI или прогноз фактической окупаемости.
Для принятия инвестиционного решения клинике необходимо подтвердить, что изменения действительно привели к росту числа пациентов и дополнительной прибыли.
Сергей рекомендовал использовать для этого сочетание веб-аналитики, опросов пациентов, данных CRM и медицинских информационных систем, а также контрольных сравнений.
Главная задача — перейти от измерения цифровой видимости к оценке реального вклада нового канала в экономику медицинской организации.
Итоги: эффективность ИИ определяется не только технологией
Выступления Арсения Поздышева и Сергея Семёнова показали два направления применения искусственного интеллекта в медицинском бизнесе.
В диагностике ИИ помогает выявлять дополнительные патологии, повышать полноту исследований и формировать более информативные рекомендации. Однако экономический эффект зависит от того, насколько грамотно технология интегрирована в клинические процессы.
В маркетинге генеративный поиск становится новым каналом взаимодействия с пациентами. Клиникам необходимо следить за достоверностью информации о себе, оценивать присутствие в рекомендациях нейросетей и связывать цифровые показатели с реальными обращениями.
Объединяет оба подхода необходимость измерять конкретные результаты, а не ограничиваться самим фактом внедрения технологий.
Главный вывод сессии: искусственный интеллект становится инструментом повышения качества медицинской помощи и эффективности бизнеса, но его реальная ценность определяется подтверждёнными клиническими и экономическими результатами.
XIII ежегодная конференция «Инвестиции в здравоохранение» состоялась 11 ноября 2026 года. Мероприятие объединило представителей инвестиционного и банковского сообщества, собственников и руководителей медицинских компаний, отраслевых экспертов для обсуждения актуальных вопросов развития российского рынка здравоохранения.