Прогресс в медицине к 2026 году: применение генного редактирования и искусственного интеллекта

В Узбекистане будет увеличено применение технологий искусственного интеллекта в сфере здравоохранения. Начиная со следующего года, в кардиологии, гепатологии, офтальмологии и гематологии будут запущены десять систем на базе ИИ.

Президент Шавкат Мирзиёев, выступая на встрече с сотрудниками медицинского и фармацевтического секторов, объявил о внедрении новых решений. Эти системы позволят осуществлять дистанционный мониторинг состояния пациентов, обнаруживать заболевания по особенностям речи и контролировать безопасность лекарственных препаратов. Данное расширение увеличит сферу применения ИИ в здравоохранении, стимулируя врачей к более активному использованию современных технологий.

Конкурсы и поощрения в сфере цифровой медицины

В каждой из упомянутых областей будут организованы конкурсы, направленные на определение «Лучшего IT-оператора» и «Лучшего врача цифровой медицины». Победители этих соревнований получат вознаграждение в размере 100 миллионов сумов.

Ранее глава государства сообщал, что начиная со следующего года, лауреаты областных этапов конкурса среди медицинских работников в Узбекистане будут награждаться электромобилями. В текущем году конкурсы проводятся впервые, и призовой фонд для победителей составляет 30 миллионов сумов, однако с будущего года предусмотрено усиление мотивационных стимулов.

Искусственный интеллект (ИИ) представляет собой потенциальный помощник в подготовке к Национальному экзамену среднего образования (Enem), предлагая учащимся поддержку в повторении материала, составлении пробных тестов и выявлении слабых мест. Однако эксперты подчеркивают необходимость проверки информации, предоставляемой этими инструментами, в надежных источниках.

Винисиус Гонсалвес, координатор курсов компьютерных наук и анализа и разработки систем в Uninassau Teresina, предполагает, что эффективный подход заключается в использовании тестов прошлых лет Enem для направления ответов, генерируемых ИИ. Он пояснил, что лучшая тактика для студентов, особенно при генерации вопросов, состоит в том, чтобы загрузить в искусственный интеллект образцы предыдущих экзаменов, инструктируя его основывать новые вопросы исключительно на этих данных.

Эта методология позволяет участникам запрашивать упражнения, аналогичные тем, что были заданы в предыдущие годы, и повторять темы, которые часто встречаются на экзамене.

Как применять ИИ для повторения материала

Технология может использоваться для создания резюме, ментальных карт и пробных тестов, а также для разъяснения концептуальных вопросов. Учащиеся также могут попросить вопросы по конкретным темам и отслеживать свой прогресс во время учебы. По словам Винисиуса, персонализация обучения зависит от постоянного мониторинга успеваемости. Регистрируя свои правильные ответы и трудности по различным заданиям, студент может использовать эти данные для определения следующих направлений повторения.

Однако профессор предупреждает, что инструменты ИИ могут выдавать ложные или вымышленные данные, явление, называемое «галлюцинацией» ИИ. По этой причине он советует студентам всегда проверять ответы и требовать ссылки для подтверждения происхождения информации. Он посоветовал: «Это просто, всегда запрашивайте источник. Если вы видите ответ, который вас не слишком беспокоит, или у вас есть учебный материал, и то, что говорит ИИ, не соответствует учебному материалу, попросите его указать источник, чтобы вы могли проверить, откуда берется эта информация».

Основная рекомендация заключается в сопоставлении полученных ответов с официальными материалами и надежными ключами, поскольку ИИ помогает в объяснении вопросов, но не следует рассматривать его как непогрешимый источник информации.

Меры предосторожности на заключительном этапе перед Enem

На заключительном этапе подготовки к Enem профессор советует отдавать приоритет решению упражнений, а не попыткам усвоить большие объемы нового материала за один раз. В этот период ИИ может быть полезен для создания упражнений, основанных на старых тестах, помогая кандидатам привыкнуть к структуре экзамена.

Винисиус отмечает, что регулярная практика помогает студенту выявить закономерности в проверке и разработать эффективные методы решения задач. Инструмент также способен представлять новые сценарии для тем, часто встречающихся в тесте. Тем не менее, координатор предупреждает, что использование технологии не должно заменять критическое мышление студента. Если она используется только для предоставления готовых решений, ИИ может способствовать зависимости и подорвать развитие самостоятельности.

Он предупредил: «Вы можете превратить инструмент в костыль, при котором студент полностью зависит от ответов этого искусственного интеллекта».

Таким образом, рекомендация состоит в том, чтобы студент сначала попытался решить упражнения, прежде чем обращаться к инструменту, а затем сверил ответы в надежных источниках. Таким образом, ИИ выступает в качестве поддержки обучения, не заменяя усилий и практики, необходимых для Enem.

Стартапы разрабатывают решения для улучшения оказания медицинской помощи в Индии, включая инструменты для раннего обнаружения заболеваний и удаленный мониторинг, помогающие медицинским работникам на местах принимать более обоснованные решения. Однако основная сложность заключается в интеграции этих технологий в существующую систему общественного здравоохранения Индии и обеспечении их доступности.

На мероприятии TechSparks 2026 доктор Гита Манджунат, основатель и генеральный директор Niramai Health Analytix; Дебрадж Банерджи, глобальный технологический инвестор и генеральный партнер Fundamentum Frontier Advisors; и Шекхар Сивасубраманиян, руководитель Wadhwani AI, обсудили инновации в сфере здравоохранения и роль искусственного интеллекта, а также причины, по которым многообещающие разработки часто не достигают широкого внедрения.

По мнению участников панели, стартапы сталкиваются с тремя взаимосвязанными проблемами: необходимость тщательной клинической проверки, интеграция с действующей инфраструктурой общественного здравоохранения и потребность в терпении капитала для масштабирования решений по всей разнообразной экосистеме здравоохранения Индии.

Шекхар Сивасубраманиян, руководитель Wadhwani AI, заявил, что «в системе нет пробелов», утверждая, что новаторам следует учиться создавать решения с учетом реальных ограничений, а не рассматривать их как препятствия. Он подчеркнул, что разработчики должны учитывать такие реалии, как непостоянство интернет-соединения, неполнота данных, а также необходимость работы на разных языках и в различных культурных контекстах.

Гита Манджунат отметила, что одним из главных барьеров для принятия технологий является склонность ставить приоритетом быстрое создание продукта над его клинической проверкой. Хотя ИИ-инструменты можно создать за считанные дни с использованием готовых наборов данных, модель, хорошо работающая в лаборатории, не гарантирует надежных результатов при использовании в реальной медицинской практике.

Она уточнила: «Вопрос не в том, создаете ли вы свою модель. Реальная проблема в том, чтобы увидеть, работает ли ваш алгоритм на реальных людях». Для первичной оценки можно использовать ретроспективные исследования на основе существующих данных больниц, тогда как проспективные исследования тестируют технологию в живой клинической обстановке, не позволяя ее прогнозам влиять на лечение, а затем сравнивают результаты с установленными клиническими данными.

Тем не менее, Манджунат добавила, что даже эти этапы могут быть недостаточными для внедрения в общественном здравоохранении. Технология, протестированная в больнице, должна быть оценена и в тех условиях, где она предназначена для использования, включая сельские районы с ограниченной диагностической инфраструктурой. Перед тем как рекомендовать технологию для более широкого применения, необходимо учесть стоимость реализации, осуществимость развертывания и клиническую эффективность. Она заключила, что «здравоохранение требует больше терпения», и что основатели нуждаются в стойкости и долгосрочной приверженности.

Помимо клинической проверки, значительным вызовом остается включение новых технологий в существующие государственные системы. Сивасубраманиян из Wadhwani AI посоветовал компаниям, работающим в сфере общественного здравоохранения, понимать системы, используемые как центральными, так и государственными органами. Его организация имеет команды, работающие в офисах здравоохранения штатов в 17 штатах, причем в этих офисах работают группы из пяти-семи человек.

Такой подход необходим, поскольку внедрение технологии требует большего, чем просто разработка функционального продукта. Команды должны обучать пользователей, понимать местные требования и адаптировать свои решения к существующим рабочим процессам. Он подчеркнул, что каждое приложение требует интеграции с инфраструктурой первичной медико-санитарной помощи. Сивасубраманиян отметил, что в Индии около 150 000 центров первичной медико-санитарной помощи, и новаторы должны быть готовы работать в таком масштабе. Без терпения, настойчивости и достаточных финансовых ресурсов компания может достичь середины пути, разочароваться и отказаться от проекта. Он добавил, что правительственные чиновники внедряют эти решения, в то время как новаторы выступают в роли фасилитаторов, и технологические компании должны работать с ними, а не предполагать, что они смогут самостоятельно добиться изменений.

Чтобы медицинские технологии могли охватить недостаточно обслуживаемые слои населения, их дизайн должен предусматривать доступность и приемлемость. Гита Манджунат привела в пример технологию скрининга рака молочной железы от Niramai. Компания использует тепловизионную съемку и ИИ для оценки риска рака молочной железы посредством неинвазивного процесса скрининга. Цель компании — снизить стоимость скрининга до уровня ниже 50 рупий в масштабе. Эта технология также разработана для устранения барьеров, которые мешают женщинам проходить обследование, включая дискомфорт от процедур, требующих физического контакта или компрессии груди.

Манджунат определила доступность, приемлемость, допустимость и точность как ключевые требования для успешного внедрения ИИ в общественном здравоохранении. Также важны своевременность результатов и четкая подотчетность. Для инвесторов задача выходит за рамки определения работоспособности технологии; им необходимо оценить, сможет ли бизнес пройти регуляторные одобрения, выполнить финансовые требования и справиться со сложностями привлечения клиентов.

Дебрадж Банерджи, генеральный партнер Fundamental Frontier Advisors, заявил, что высокотехнологичным компаниям необходима экосистема, поддерживающая переход от разработки продукта к коммерциализации. Он подчеркнул, что «нет единой формулы для масштабирования медицинских инноваций». При оценке продуктов на основе ИИ, по его словам, смотрят на базовые принципы и то, насколько они применимы к продукту. Продукт должен быть должным образом сегментирован, интегрирован в соответствующую систему и локализован. Эти факторы помогают оценить вероятность успеха инвестиций.

Банерджи также отметил, что венчурный капитал составляет лишь часть всей экосистемы, и необходимо развитие более широкой сети поставщиков медицинских услуг, регуляторов, инвесторов и коммерческих партнеров. Более широкая проблема, по его мнению, заключается не просто в создании лучшей технологии, а в построении систем, которые позволяют ей достигать пользователей.

Для Niramai возможности выходят за пределы Индии, поскольку компания провела скрининг около семи сотен тысяч женщин и работает над расширением доступа к своей технологии. Гита Манджунат заявила, что цель компании — охватить каждую женщину, признавая, что это потребует устойчивых усилий на протяжении многих лет. Компания также вышла на международные рынки. Та же технология может быть актуальна и на развитых рынках, где системы здравоохранения ищут способы управления расходами. Niramai имеет шесть центров в США, использующих ее решение, и получила одобрение FDA США для совместного использования с существующими методами скрининга. Однако, как она добавила, расширение требует иного подхода на каждом рынке, поскольку регуляторные требования, структуры возмещения расходов и модели ценообразования различаются, и решение не всегда может быть развернуто одинаково везде. Она заключила, что индийские новаторы в области здравоохранения не должны отказываться от международных возможностей из-за необходимости создания решений для местных нужд.