Специалисты из Дальневосточного региона разрабатывают технологии, позволяющие искусственному интеллекту анализировать сложную медицинскую документацию. Преобразование текстов в структурированные форматы, пригодные для обработки ИИ, или так называемые смарт-стандарты, открывает возможности для создания систем поддержки принятия врачебных решений – своеобразных виртуальных помощников, способных предлагать и напоминать врачу о необходимых действиях. Исследования проводят ученые Института автоматики и процессов управления Дальневосточного отделения Российской академии наук (ИАПУ ДВО РАН).

Клинические рекомендации служат основой для принятия врачами решений относительно диагностики, лечения и реабилитации пациентов. Международная классификация включает более десяти тысяч заболеваний, а в России подготовлены клинические рекомендации по большинству распространенных патологий. При этом один документ может занимать до двухсот страниц текста. Ввиду того, что врачи часто сталкиваются с множественными заболеваниями одновременно, объем информации, которую необходимо усвоить и запомнить, становится чрезмерным, а ошибки иногда возникают из-за трудностей в работе с огромными массивами данных. Однако машина обладает возможностью обрабатывать, хранить и актуализировать эти знания. Например, она может определять показания и противопоказания к лекарственным назначениям при различных диагнозах, а также корректировать терапию в зависимости от состояния пациента. Как отметил заместитель директора ИАПУ ДВО РАН, член-корреспондент РАН Валерии Викторовны ГрибовойСовременные задачи на пересечении искусственного интеллекта и медицины связаны с адаптацией текстов клинических рекомендаций к формату, доступному для корректного понимания машиной. Это позволит системе предоставлять врачам необходимые подсказки.

«Вопрос разработки смарт-стандартов остается актуальным во всем мире и затрагивает не только медицинскую сферу, но и любые области, где накапливаются обширные объемы спецификаций, сводов правил и инструкций. Это представляет собой весьма непростую задачу: подобные документы зачастую содержат сложную для машинного восприятия семантику, синонимию, контекст, а также взаимосвязи между предложениями и отдельными словами. Необходимо преобразовать текстовые документы в структурированную семантическую модель, понятную машинам, и перевести текст в четкие инструкции, на базе которых можно будет создавать системы обработки информации. В области здравоохранения интеллектуальные системы поддержки принятия решений должны помогать врачу точно диагностировать заболевания, назначать лечение и проводить реабилитационные мероприятия, включая предоставление обоснования принятых выводов», ― подчеркнула В.В. Грибова.

Дальневосточные ученые разработали смарт-стандарты в виде графов знаний для определенных категорий клинических рекомендаций и создали программные решения с высоким уровнем качества. Это означает, что машина с достаточной точностью интерпретирует медицинскую документацию. Одна из реализованных работ посвящена реабилитации пациентов после инсульта. Специалисты разработали систему поддержки принятия решений на основе методов ИИ, учитывающую диагноз, цели и задачи восстановления, а также план конкретных мероприятий.

«Особенность данного проекта заключается в том, что процесс восстановления пациентов после инсульта предполагает участие мультидисциплинарной команды: врача физической реабилитации, психолога, логопеда и эрготерапевта. Им необходимо совместно определять реабилитационный диагноз и принимать решения о конкретных действиях. Мы разработали методически обоснованные сценарии работы и взаимодействия с пациентом для каждого специалиста, чтобы врачи всегда могли обратиться к системе за дополнительной информацией. Данная система получила название “Реабилитационный консилиум”. Это готовая программа, находящаяся на этапе клинических испытаний, используемая врачами, а мы получаем от них отзывы», — пояснила В.В. Грибова.

Специалисты готовят документацию для регистрации программы как медицинского изделия и продолжают ее совершенствование. Система была адаптирована для работы на планшетных компьютерах с целью использования непосредственно у постели пациента, и в настоящее время решается вопрос о реализации голосового ввода информации. Это позволит ускорить взаимодействие с программой, однако предварительно необходимо будет заново обучить искусственный интеллект понимать текст – уже не формальный медицинский документ, а более свободную человеческую речь. На последующем этапе, над которым работают сотрудники ИАПУ ДВО РАН, машина должна научиться распознавать клинические рекомендации по травматологии.

Определение реабилитационного диагноза базируется на использовании Международной классификации функционирования, ограничений жизнедеятельности и здоровья (МКФ). Этот инструмент представляет собой универсальную систему, позволяющую описать состояние функций организма и его структуры, а также потенциальные возможности человека и влияние факторов внешней среды. Описание всех аспектов здоровья включает в себя 1500 кодов, каждый из которых может быть оценен по пятибалльной шкале для объективной оценки состояния здоровья.

В процессе реабилитации пациенту устанавливается диагноз в соответствии с набором кодов МКФ, учитывающих, например, когнитивные способности, уровень подвижности, нарушения сердечно-сосудистой или дыхательной системы, пищеварение и другие факторы. Параллельно ученые разрабатывают системы, способные на основе этих кодов автоматизировать создание индивидуальных программ реабилитации для пациентов.

«Диагностика заболеваний с использованием кодов МКФ является относительно новым направлением в медицине, ― отметила В.В. Грибова. ― К сожалению, не все эти коды находят отражение в клинических рекомендациях. Существует дефицит информации, что обуславливает важную научную задачу: разработку структур, которые позволят расширить имеющиеся данные с помощью экспертов. Для этого необходимы удобные для врачей информационные инструменты. Из этой потребности вытекает вторая задача: создание систем решения задач на основе знаний, предоставленных специалистами. Такие методы автоматической генерации, основанные на входных данных, позволят устанавливать диагнозы, состоящие из множества кодов, оценивающих жизнедеятельность, и формировать краткосрочные и долгосрочные цели, а также план реабилитации».

На текущий момент системы искусственного интеллекта не обладают достаточной точностью, могут допускать ошибки и выдавать сомнительные результаты, что неприемлемо в контексте здоровья и жизни людей. При формулировании ответа нейросетью на основе больших объемов данных возникает эффект «черного ящика»: отсутствует понимание того, каким образом система пришла к определенному заключению, что не позволяет полностью доверять ей.

Альтернативный метод предполагает обучение на основе знаний, которыми обладают специалисты. Развитие искусственного интеллекта изначально шло по этому пути, как отметила В.В. Грибова, однако на первых этапах отсутствие достаточных технических ресурсов препятствовало автоматическому созданию графов знаний, и базы данных формировались исключительно усилиями экспертов в соответствующих областях. Этот процесс оказался трудоемким, длительным и затратным. С появлением больших языковых моделей возникла возможность обработки значительных объемов специализированной информации.

«Суть нашей работы заключается в том, чтобы с помощью языковой модели извлекать достоверную информацию, подвергать ее тщательной проверке и убедиться в соответствии качества полученного результата исходным данным. При этом обязательно необходимо создавать компонент объяснения. Система искусственного интеллекта, помимо предоставления ответа, должна демонстрировать обоснование, на котором он основан. Это позволит человеку осознанно решать, стоит ли доверять информации, представленной системой», ― пояснила В.В. Грибова.

Необходимость внедрения ИИ в здравоохранение была отмечена президентом Российской Федерации В.В. Путиным весной 2026 года. Глава государства дал указание правительству изучить вопрос о комплексном использовании отечественных разработок, связанных с цифровыми помощниками и интеграцией информационных систем, в сфере здравоохранения, а также обеспечить включение технологий ИИ в медицинскую практику — в частности, для автоматизации процессов анализа данных и результатов лабораторных исследований.

Написание данной статьи стало возможным благодаря финансовой поддержке, оказанной Министерством науки и высшего образования Российской Федерации.