РОЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В МЕДИЦИНЕ: СИСТЕМНЫЙ АНАЛИЗ ВОЗМОЖНОСТЕЙ, ВЫЗОВОВ И ПЕРСПЕКТИВ

П.Т. Жолуева; У.Ы. Аскаров

doi:10.54890/1694-8882-2025-3-31

П.Т. Жолуева У.Ы. Аскаров

DOI:

https://doi.org/10.54890/1694-8882-2025-3-31

Аннотация

Искусственный интеллект стремительно трансформирует все сферы жизни, и здравоохранение не является исключением. Внедрение технологий машинного обучения и глубоких нейронных сетей открывает революционные возможности для повышения точности диагностики, персонализации лечения и оптимизации управленческих процессов в медицинских учреждениях. На этом фоне системный анализ возможностей, вызовов и перспектив искусственного интеллекта становится критически важным для формирования эффективной стратегии развития национального здравоохранения. Целью данной работы является аналитическая оценка роли искусственного интеллекта в современной медицинской практике и определение направлений его наиболее эффективного и доказательного внедрения с учетом текущих глобальных и национальных тенденций. Исследование выполнено в формате целенаправленного аналитического обзора литературы с последующей тематической систематизацией данных, полученных из международных и отечественных научных изданий. В результате систематизированы основные области внедрения искусственного интеллекта, включающие автоматизированный анализ визуальных данных (диагностика), поддержку персонализированного подбора терапии, прогнозирование рисков развития заболеваний, применение в роботизированной хирургии и организационно-управленческих процессах медицинских учреждений. Дополнительно рассмотрены ключевые ограничения, препятствующие широкому использованию искусственного интеллекта, среди которых недостаточная прозрачность алгоритмических решений, вопрос качества и репрезентативности исходных данных, а также необходимость соблюдения этических, юридических и профессиональных норм при интеграции цифровых технологий в клиническую практику. Выводы. На основе анализа обозначены перспективные направления для системы здравоохранения Кыргызстана, предполагающие развитие устойчивой цифровой инфраструктуры, формирование национальных стандартов, а также подготовку специалистов, способных безопасно и корректно использовать интеллектуальные инструменты.

Ключевые слова:

искусственный интеллект; машинное обучение; диагностика; персонализированная медицина; этика искусственного интеллекта; пациент; врач; медицина; здравоохранение Кыргызстана

Библиографические ссылки

1. Jiang F., Jiang Y., Zhi H., et al. Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology. 2017;2(4):230-243. https://doi.org/ 10.1136/svn-2017-000101

2. Topol EJ. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. New York: Basic Books; 2019. 400 p.

3. Litjens G, Kooi T, Bejnordi BE, et al. A survey on deep learning in medical image analysis. Med Image Anal. 2017;42:60-88. https://doi.org/10.1016/j.media. 2017.07.005

4. McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577:89–94. https://doi.org/ 10.1038/s41586-019-1799-6

5. Shademan A, Decker RS, Opfermann JD, Leonard S, Krieger A, Kim PC. Supervised autonomous robotic soft tissue surgery. Sci Transl Med. 2016 May 4;8(337):337ra64. https://doi.org/10.1126/scitranslmed.aad9398

6. Obermeyer Z, Emanuel EJ. Predicting the Future - Big Data, Machine Learning, and Clinical Medicine. N Engl J Med. 2016;375(13):1216–1219. https://doi.org /10.1056/NEJMp1606181

7. Esteva A, Kuprel B, Novoa RA, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017;542(7639):115–118. https://doi.org /10.1038/nature21056

8. Rajkomar A, Oren E, Chen K, et al. Scalable and accurate deep learning with electronic health records. NPJ Digit Med. 2018;1(1):18. https://doi.org/10.1038/s41746-018-0029-1

9. Shademan A, Decker RS, Opfermann JD, et al. Supervised autonomous robotic soft tissue surgery. Sci Transl Med. 2016;8(337):337ra64. https://doi.org/10.1126 /scitranslmed.aad9398

10. Hashimoto D.A., Rosman G., Rus D., Meireles O.R. Artificial Intelligence in Surgery: Promises and Perils. JAMA Surgery. 2022;157(3):201–208. https://doi.org/ 10.1001/jamasurg.2022.0035.

11. Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFold. Nature. 2021;596(7873):583–589. https://doi.org/10.1038/s41586-021-03819-2.

12. Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019 Jun;6(2):94-98. https://doi.org/10.7861/futurehosp.6-2-94.

13. Amann J, Blasimme A, Vayena E, et al. Explainability for artificial intelligence in healthcare: a multidisciplinary perspective. BMC Med Inform Decis Mak. 2020;20:310. https://doi.org/10.1186/s12911-020-01332-6

14. Miller T. Explanation in Artificial Intelligence: Insights from the Social Sciences // Artificial Intelligence. 2019;267:1–38. https://doi.org/10.1016/ j.artint. 2018.07.007

15. Obermeyer Z, Powers B, Vogeli C, Mullainathan S. Dissecting racial bias in an algorithm used to manage the health of populations. Science.2019;366(6464):447–453. https://doi.org/10.1126/science.aax2342

16. Chen IY, Pierson E, Rose S, Joshi S, Ferryman K, Ghassemi M. Ethical Machine Learning in Healthcare. Annu Rev Biomed Data Sci. 2021;4:123-144. https://doi.org/10.1146/annurev-biodatasci-092820-114757

17. Эмилов Б.Э., Намазов А.Б., Болотбекова А.Т., Салибаев О.А., Чубаков Т.Ч. Анализ мнений врачей на применение искусственного интеллекта в рентгенологии: результаты опроса в Кыргызской Республике. Вестник КГМА им. И.К. Ахунбаева. 2025;2:18-25 https://doi.org/10.54890/1694-8882-2025-2-18

18. Price WN 2nd, Cohen IG. Privacy in the age of medical big data. Nat Med. 2019;25(1):37-43. https://doi.org/10.1038/s41591-018-0272-7

19. Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019;6(2):94-98. https://doi.org/10.7861/futurehosp.6-2-94

20. Хайдарова Н.Б., Садыкова А.С., Алмеш Т.А., Шарипханова Г.Е. Искусственный интеллект в стоматологии: клинические исследования и перспективы применения на сегодняшний день. Евразийский журнал здравоохранения. 2025;2:252-256. https://doi.org/10.54890/1694-8882-2025-2-252