Фармацевтика
Экономика долголетия: как ИИ формирует рынок превентивной медицины
В России создаётся новая модель охраны здоровья — превентивная медицина и активное долголетие отнесены к приоритетам развития страны. Подход строится на проактивном управлении рисками, где искусственный интеллект выступает ключевым инструментом. Анализируя многомерные данные пациента, алгоритмы способны выявлять патологии задолго до появления первых симптомов. Разбираемся, как медицинские организации уже сегодня внедряют ИИ и с какими вызовами сталкивается отрасль.
Содержание:
Искусственный интеллект в медицине: рыночная доля и тренды
Объём глобального рынка ИИ в здравоохранении в 2025 году составил 36,7 млрд долларов. По расчётам аналитиков Grand View Research, этот сегмент покажет экспоненциальный рост и к 2033-му достигнет 505,6 млрд долларов, ежегодно увеличиваясь почти на 40%. Драйверы — развитие прецизионной медицины (основанной на генетических биомаркерах), внедрение ИИ в диагностику и дистанционное наблюдение за пациентами, спрос на персонализированное лечение, а также стремление государств оптимизировать затраты на здравоохранение.
Ключевые направления внедрения ИИ:
Искусственный интеллект на рынке здравоохранения, млрд долларов
Источник: Grand View Research
Точно оценить текущую долю ИИ в превентивном секторе сложно, но его значение в предупреждении патологий будет стремительно возрастать на фоне распространения носимых устройств для контроля показателей и осознанного отношения к здоровью. Потенциал рынка огромен: глобальный объём превентивных медицинских технологий и услуг уже в 2025 году оценивается в 367 млрд долларов, а к 2031-му он может увеличиться вдвое, до 742 млрд долларов.
«Уже сейчас глобальный рынок персонализированной медицины оценивается в сотни миллиардов долларов с устойчивым двузначным ежегодным ростом. Значимая его часть занимается геномикой, ИИ‑аналитикой и таргетной терапией, активно внедряемой в онкологии», — отмечает руководитель клиники превентивной медицины «Атлас» Константин Антонов. С другой стороны, действительно глубокая персонализация на стыке многомерных данных (генома, образа жизни, среды, поведенческих факторов) и продвинутых ИИ‑моделей пока во многом остаётся нишевым решением крупных центров и пилотных проектов, отмечает эксперт.
В 5 раз
увеличится глобальный рынок ИИ в здравоохранении к 2030 году
В России, по прогнозам консалтинговой компании «Яков и Партнёры», рынок ИИ в медицине к 2030 году увеличится более чем в 6 раз и составит 78 млрд рублей (против 12 млрд в 2024-м). В исследовании «ЗдравАI 2025» приводится ещё более оптимистичная оценка — 85 млрд рублей.
Консолидированный прогноз размера российского рынка ИИ для здравоохранения, млрд рублей
Источник: «Цифровая медицина»
Внедрение искусственного интеллекта позволит перейти к модели управления здоровьем на протяжении всей жизни, считает первый заместитель генерального директора медицинского холдинга «СМ-Клиника» Иван Смыслов. «Вместо системы, которая реагирует на болезнь постфактум, формируется подход, основанный на раннем выявлении рисков, профилактике и непрерывном сопровождении пациента, — говорит Смыслов. — ИИ позволяет анализировать большие массивы данных — от лабораторных показателей до образа жизни и генетики — и замечать угрозы задолго до появления симптомов. Это даёт возможность разрабатывать персонализированные программы профилактики, вносить изменения в образ жизни пациента и наблюдать за динамикой его состояния в режиме, приближённом к реальному времени».
Искусственный интеллект связывает разрозненные сегменты здравоохранения в единую цифровую среду, принося пользу всем участникам экосистемы — от клиник до фарминдустрии.
Бенефициары применения ИИ
Источник: Минздрав России
Эксперты выделяют сегменты российского рынка, получающие преимущества при внедрении ИИ.
С 1 сентября 2025 Приказ Минздрава № 193н узаконил применение ИИ-систем поддержки принятия врачебных решений при дистанционных консультациях. Это означает, что врач во время телеконсультации может полагаться на алгоритмы, зарегистрированные как медицинское изделие, для анализа данных пациента и постановки предварительного диагноза.
Виктор Ушаков
генеральный директор СберМедИИ
Один из главных вызовов профилактической медицины связан не с технологиями, а с поведенческими моделями людей. Большинство пациентов обращается к врачу уже при появлении симптомов, тогда как превентивная медицина требует регулярного внимания к здоровью. ИИ-помощники способны изменить этот подход за счёт персонализации и удобства взаимодействия. Когда человек получает понятную, индивидуальную и регулярную обратную связь о своём состоянии, мотивация заниматься профилактикой существенно возрастает. ИИ-решения могут помочь сделать заботу о здоровье частью повседневной жизни: через быстрый скрининг, рекомендации по образу жизни, напоминания о профилактических обследованиях, анализ динамики показателей. Особенно важно, что такие сервисы снижают порог входа, — человеку не нужно тратить много времени, чтобы получить первичную оценку состояния и рекомендации по дальнейшим действиям.
78–85 млрд ₽
прогнозируемый объём российского рынка ИИ в медицине в 2030 году
Где и как работает ИИ в превентивной медицине
Технологии уже меняют повседневную клиническую практику. Вот несколько примеров.
Константин Антонов
руководитель клиники превентивной медицины «Атлас»
При создании ИИ-калькулятора биологического возраста использовались современные глубокие нейросетевые архитектуры и объяснимый ИИ (XAI), а сам алгоритм основан на оценке более 70 биомаркеров. Он позволяет определить реальную скорость старения организма, выявить ускоряющие старение факторы и сформировать персональные рекомендации по продлению здорового долголетия. Другое важнейшее направление — генетика. Анализ данных секвенирования генома сегодня проводится при участии нейросетевых алгоритмов — с высокой точностью в оценке наследственных и онкологических рисков.
Следующим этапом развития инструментов для профилактики и персонализации становится концепция цифрового двойника пациента. Насколько она реализуема в России?
«Прогноз вполне реалистичен, но в ближайшие годы цифровой двойник будет представлять собой совокупность отдельных моделей конкретных органов, систем или заболеваний, обновляемых в реальном времени», — объясняет Константин Антонов. По его словам, уже есть работающие ИИ-программы по управлению метаболизмом, где данные с носимых сенсоров формируют виртуальную модель обмена веществ для подбора терапии и диеты. Однако полноценный цифровой двойник всего организма — это более отдалённая перспектива, считают эксперты. Главные сложности сейчас лежат в отсутствии единых стандартов и необходимости интеграции разрозненных данных.
Главным «топливом» для превентивных алгоритмов в медицине служат данные. Эксперты предупреждают: обычного накопления сырой информации уже недостаточно. «Ключевой актив для развития ИИ — это не просто большой массив, а обширные, репрезентативные и качественно размеченные клинические данные, жёстко связанные с реальными исходами лечения. Для превенции первостепенны структурированные электронные медкарты, анамнез, лабораторные показатели, результаты генетических тестов и инструментальной диагностики. И всё важнее становятся данные длительного наблюдения: треки физической активности, сна и питания с носимых устройств. Именно они делают возможной предиктивную аналитику», — говорит Константин Антонов.
Изменение экономики и метрики эффективности
Внедрение ИИ трансформирует экономику здравоохранения, однако эксперты призывают бизнес реалистично оценивать сроки окупаемости таких решений. «Эффект не возникает мгновенно. Первый этап требует серьёзных вложений в ИТ-инфраструктуру, интеграцию систем, перестройку клинических маршрутов и обучение персонала. Это инвестиционный период, который необходимо пройти. Зато в долгосрочной перспективе, благодаря минимизации стоимости лечения на ранних стадиях и предотвращения тяжёлых осложнений, система здравоохранения получает прямую и колоссальную экономию затрат», — говорит Иван Смыслов.
Для оценки успешности внедрения медицинских ИИ-продуктов эксперты рекомендуют использовать сбалансированную панель метрик, разделённую на четыре группы.
Константин Антонов советует также оценивать качество и безопасность самого ИИ: скорость и точность ответа модели, долю «галлюцинаций» в генеративных системах и принятие рекомендаций врачами.
Безопасность, этика и регулирование: где лежат границы ответственности
Развитие медицинских нейросетей накладывает на участников рынка жёсткие обязательства и регулируется законодательно:
Один из принципиальных вопросов — распределение ответственности за ИИ-рекомендации. В 2025 году Альянс в сфере ИИ выпустил Кодекс этики, закрепивший ключевые правила. Согласно документу, применение искусственного интеллекта в медицине и здравоохранении должно оставаться под контролем человека, а персональные данные пациентов — защищёнными на всех стадиях работы системы.
Андрей Воробьёв
руководитель рабочей группы по медицине Национальной комиссии по этике в сфере ИИ
Кодекс этики ИИ в медицине чётко определяет: именно врач является лицом, принимающим решения, и он несёт за них финальную ответственность. Но и разработчик отвечает в том объёме, в котором он продекларировал функционал. Если прибор работал неправильно, разработчик тоже отвечает. Но если врач для постановки диагноза использует немедицинское изделие потребительского класса (например, фитнес-трекер), то вся ответственность ложится на него, так как гаджет не предназначался для этих целей.
Генеральный директор Ассоциации «Национальная база медицинских знаний» Борис Зингерман добавляет важный аспект относительно ответственности самих пользователей: «За решения, принятые пациентом (или ещё не пациентом) на основе потребительского ИИ, отвечает он сам — точно так же, как за увлечение сыроедением или уринотерапией».
Что сдерживает масштабирование ИИ в медицине
Несмотря на очевидный прогресс, масштабное развёртывание ИИ-медицины в рутинной практике буксует из-за ряда системных проблем. Опрошенные СберПро эксперты выделяют ключевые барьеры.
Завышенные регуляторные требования. По закону, медицинские приборы и программы с ИИ по умолчанию относятся к самому высокому (третьему) классу риска. Борис Зингерман считает это следствием подсознательного страха перед новой непонятной технологией. Чем выше класс риска, тем дороже и сложнее процедура регистрации. По оценкам эксперта, это грозит оттоком инвестиций разработчиков в неконтролируемый потребительский сегмент.
Юридический вакуум в работе с данными. В России до сих пор отсутствует чёткое легальное определение обезличенных данных и не решены сложности с получением согласий на их вторичное использование для обучения нейросетей.
Андрей Воробьёв обращает внимание на скрытые риски конфиденциальности при обмене медицинскими датасетами: «Мы привыкли считать, что удаление персональных данных пациента полностью анонимизирует снимок. Однако современные алгоритмы способны за минуту воссоздать по КТ точную 3D-модель головы человека — с его лицом, родинками и морщинами. Это позволяет деанонимизировать пациента. Разработчики должны осознавать подобные технологические риски, с которыми мы ещё не сталкивались в критических масштабах».
Технологическая разрозненность. На рынке медицинских ИТ-систем наблюдается хаос: форматы данных несовместимы, а интеграция интеллектуальных платформ в унаследованную инфраструктуру клиник остаётся сложнейшей инженерной задачей.
Дефицит специалистов на стыке ИТ и медицины. Отрасли не хватает биоинформатиков, клинических инженеров и медицинских аналитиков.
Кроме того, к изменениям часто оказываются не готовы сами врачи. «Сегодня доктор сталкивается с глубоко подкованным пациентом. Тот приходит на приём с талмудом собранной информации, результатами тестов и готовым заключением от нейросети, с которой он уже пообщался, — говорит Андрей Воробьёв. — В такой реальности медикам сложно работать без профессиональных систем поддержки с применением ИИ. Чтобы использование ИИ-сервисов было осознанным и грамотным, врачей нужно обучать работе с ними. Только понимая внутреннее устройство, ограничения моделей и разделение на специализированные и массовые решения, специалист сможет адекватно применять ИИ во благо».
Изучить принципы работы нейросетевых моделей, разобраться в их возможностях и ограничениях и научиться безопасно внедрять искусственный интеллект в рутинную клиническую практику можно на специализированном курсе «ИИ-компетенции в фармации и медицине».
Виктор Ушаков
генеральный директор СберМедИИ
Несмотря на быстрый прогресс ИИ, есть направления, где классическая клиническая медицина пока существенно превосходит алгоритмы. Прежде всего это сложные мультифакторные состояния, требующие комплексной интерпретации симптомов, анамнеза, лабораторных и инструментальных данных, а также опыта врача. Искусственный интеллект пока ограничен качеством и полнотой данных, на которых он обучается. Кроме того, серьёзным вызовом остаются вопросы интерпретируемости моделей, клинической валидации и универсальности алгоритмов для разных популяций пациентов. Для дальнейшего развития превентивной диагностики необходимо преодолеть несколько барьеров, среди которых расширение качественных медицинских датасетов, повышение прозрачности ИИ-моделей, интеграция с клиническими системами, а также формирование единых стандартов регулирования и оценки эффективности медицинского ИИ. Мы считаем, что будущее медицины — не в противопоставлении врача и искусственного интеллекта, а в их эффективном сотрудничестве, где ИИ берёт на себя рутинный анализ данных и раннее выявление рисков, а врач — клиническую интерпретацию и принятие окончательных решений.
Перспективы развития: свободные ниши
Превентивный ИИ в России постепенно перерастает стадию анализа изображений. Авторы исследования «ЗдравAI 2025» называют наиболее перспективные и пока свободные ниши для бизнеса:
Заключение. Массовое использование ИИ меняет саму парадигму здравоохранения. Пациентам и врачам придётся пройти путь цифровой адаптации. Если раньше человек искал симптомы в поисковиках и сам оценивал выдачу, то теперь ИИ даёт готовое решение, говорит Борис Зингерман. По его словам, главная задача индустрии на ближайшие годы — научить специалистов грамотно вести диалог с ИИ-программой, проверяя её аргументацию и сохраняя автономию медицинских решений.
Внедрение искусственного интеллекта в превентивную медицину формирует новую модель управления здоровьем, переводя лечение заболеваний постфактум к проактивному снижению рисков старения. Анализ многомерных данных, применение объяснимого ИИ и создание поэтапных цифровых двойников пациента позволяют выявлять патологии на доклинической стадии, что в долгосрочной перспективе обеспечит колоссальную экономию затрат для всей экосистемы здравоохранения.
Что это значит для бизнеса
Редакция СберПро
Автор