ИИ-клиника против реальных пациентов: чему научил китайский эксперимент в офтальмологии
Команда учёных из Пекинского института визуальных наук и трансляционных исследований глаза (BERI) создала офтальмологическую клинику, в которой искусственный интеллект был встроен в каждый этап работы с пациентом — от записи на приём до наблюдения после лечения. Эксперимент под названием AI-TEC описан в сентябре 2026 года в журнале Nature Medicine. Результаты оказались неоднозначными — и оттого особенно ценными.
В отличие от большинства медицинских учреждений, которые добавляют ИИ-инструменты поверх уже существующих процессов, AI-TEC (AI-Agent Augmented Tsinghua Eye Clinic) строилась изначально вокруг ИИ. Человек-врач в ней присутствовал, но система изначально проектировалась так, чтобы максимально задействовать возможности машинного обучения.
Что не так с точностью ИИ с первого раза
На старте у ИИ была серьёзная проблема: он плохо распознавал болезни на снимках сетчатки. Глаукома, возрастная макулярная дегенерация и другие патологии определялись с недостаточно высокой точностью.
Перелом наступил после того, как эксперты-офтальмологи вручную отобрали и разметили 1426 снимков высокого качества с точно выставленными диагнозами. Это количество несопоставимо меньше исходного набора обучающих данных в 27 000 изображений — но качество снимков оказалось важнее количества. После дообучения на новых данных точность диагностики по стандартизированной метрике AUROC превысила 0,93 — уровень, сопоставимый с лучшими существующими системами анализа снимков.
Вывод принципиален: качество данных важнее их объёма.
Почему клинику сначала почти перестали использовать
Внедрение ИИ-инструментов прошло не гладко. После первых пяти месяцев работы статистика выглядела удручающе: в одном из контрольных месяцев из 1113 осмотров ИИ-процессы использовались лишь в 41 случае — то есть в 3,8%.
Причина оказалась прозаической: система была слишком неудобной в использовании. Врачам приходилось совершать слишком много действий вручную. После того как команда упростила интерфейс и сократила число необходимых кликов, использование ИИ выросло до 23% — 259 из 1126 осмотров в следующем месяце.
Исследователи выделяют три ключевых урока эксперимента:
- Качество данных решает больше, чем объём обучающей выборки.
- Удобство интерфейса напрямую определяет, будет ли ИИ использоваться вообще.
- Обратная связь от врачей должна поступать быстро — задержки на недели и месяцы делают совершенствование системы невозможным.
Главное ограничение: точность не равна пользе для пациента
Самый важный вывод исследования — методологический. Авторы предупреждают: высокая точность ИИ на тестовых данных не гарантирует улучшения реальной медицинской помощи.
Причина в том, что ИИ и врач мыслят по-разному. ИИ ориентирован на результат: «есть болезнь или нет?» Врач начинает с симптомов: «пациент жалуется на размытое зрение — что это означает?» Такое несовпадение логики может делать технически грамотный ИИ клинически бесполезным или даже вредным, если не выстроить правильное взаимодействие между машиной и человеком.
Читайте также по теме: клинических стандартах для голосовых биомаркеров.
Авторы предлагают измерять успех ИИ-клиники не тем, насколько хорошо система работает на стендовых тестах, а тем, улучшает ли она реальные показатели здоровья пациентов и меняет ли к лучшему клинический процесс в целом. Это переключает фокус с алгоритмической производительности на системную интеграцию — и именно здесь, по мнению исследователей, лежит настоящий вызов для медицинского ИИ.
