ИИ в здравоохранении: скрининг по лицу, пробелы в надзоре FDA и требования к раскрытию информации

Неделя контрастов в медицинском ИИ: впечатляющие демонстрации того, что технология способна обнаруживать, и трезвый аудит того, как мало мы знаем о том, действительно ли она помогает пациентам. Плюс новые шаги в области регулирования, безопасности и общественного доверия.

5-секундное видеосэлфи поможет выявить гипертонию и диабет

Исследователи из Токийского университета представили результаты на конгрессе ESC 2026, показывающие, что модель ИИ может анализировать тонкие сигналы в коротком видео лица — паттерны кровотока, микродвижения, вариации цвета кожи — и выявлять гипертонию с точностью более 90% и диабет с точностью более 80%.

Системе требуется лишь камера смартфона и пять секунд видео, что делает её потенциально недорогим инструментом скрининга для условий, где лабораторные тесты и визиты к специалистам редки. Клиники первичной помощи по всему Средиземноморью и в развивающихся странах являются очевидными бенефициарами: гипертония часто остаётся невыявленной в течение многих лет просто потому, что обследование неудобно или недоступно.

Результаты предварительные и представлены на конференции, то есть полное рецензирование ещё продолжается. Но направленное открытие — что ИИ может извлекать клинически значимые сигналы из обычного видео — указывает на категорию неинвазивной, малотравматичной диагностики, которая в конечном счёте может интегрироваться в телемедицинские платформы и программы общественного скрининга.

Одобренные FDA устройства ИИ: разрешены, но не доказана польза для пациентов

Исследование, опубликованное в PLOS Digital Health 19 августа, изучило 1357 медицинских ИИ-устройств, одобренных FDA по пути 510(k), — и обнаружило разительный разрыв между регуляторным одобрением и доказательствами пользы для пациента.

Лишь три из этих устройств, около 0,2%, были связаны с исследованиями, оценивающими ориентированные на пациента результаты — такие как смертность, частота повторных госпитализаций или качество жизни. Лишь 2,5% имели какое-либо зарегистрированное проспективное клиническое испытание. Остальные были одобрены на основе технических показателей производительности — например, точности по отношению к эталонному стандарту — без доказательств того, что они изменяют исходы для пациентов.

Это не нишевая проблема. Путь 510(k) был разработан для ускорения одобрения устройств, признанных «существенно эквивалентными» уже одобренным продуктам. Он не был разработан для демонстрации того, что устройство улучшает уход. По мере того как устройства ИИ множатся, многие из них внедряются в больницах и клиниках без каких-либо доказательств испытаний того, что они приносят пользу — или хотя бы не вредят — людям, на которых они применяются.

FDA движется к формальной структуре для генеративного ИИ в медицине

В отличие от исследования пробелов в одобрениях, FDA опубликовала дискуссионный документ 18 августа, сигнализирующий о формальном изменении политики для медицинских устройств на базе генеративного ИИ — больших языковых моделей, мультимодальных систем и аналогичных инструментов, используемых в клинической поддержке принятия решений.

Агентство переходит от рассмотрения каждого случая по отдельности к систематической структуре, охватывающей три области: стандарты предрыночной оценки, классификацию рисков и послерыночный надзор. Публичные комментарии к дискуссионному документу принимаются до 19 октября 2026 года.

Выбор времени важен. Инструменты генеративного ИИ уже используются в больницах для документирования, интерпретации результатов радиологии и клинической поддержки принятия решений — в основном в соответствии с существующими руководящими принципами, написанными задолго до появления больших языковых моделей. FDA признаёт это несоответствие и начинает строить структуру, соответствующую цели. У клиницистов, разработчиков и систем здравоохранения есть время до середины октября, чтобы повлиять на то, как будет выглядеть эта структура.

ECRI создаёт систему отчётности об ошибках специально для ИИ

Некоммерческая организация по безопасности пациентов ECRI расширила свою Сеть сообщений о проблемах специально для регистрации ошибок, связанных с ИИ, и почти-происшествий в клинических условиях. Этот шаг последовал за опросом 124 руководителей в области качества и безопасности здравоохранения: 31% сообщили об ошибочном или вводящем в заблуждение результате ИИ за прошедший год, а 9% заявили, что ошибка ИИ фактически затронула пациента.

В здравоохранении существуют хорошо налаженные каналы для отслеживания ошибок при применении лекарств, неисправностей устройств и хирургических осложнений. Инциденты, связанные с ИИ, в основном выпадали из поля зрения — инструмент ИИ, который тихо генерирует неправильное предложение по дозировке или неправильно классифицирует результат визуализации, может никогда не появиться ни в одной базе данных нежелательных явлений.

Расширение ECRI создаёт структурированный канал для клиницистов, чтобы сообщать об ошибках ИИ так же, как они сообщают о других событиях безопасности пациентов. Собранные данные будут информировать руководство по безопасности и со временем обеспечат более чёткую эмпирическую картину того, где инструменты ИИ на практике дают сбой — тот вид доказательной базы, который потребуется регуляторам и больницам для принятия лучших решений о развёртывании.

Общество ожидает прозрачности: 8 из 10 американцев хотят раскрытия информации об ИИ

Опрос Pew Research Center, проведённый 22–28 июня 2026 года, показал, что 80% американцев хотят, чтобы их поставщик медицинских услуг сообщал им, когда в их лечении используется ИИ. Однако лишь 16% говорят, что их врач раскрыл подобное использование, а 46% не уверены, участвовал ли ИИ в их лечении вообще.

Особенно заметны опасения по поводу конфиденциальности, особенно в отношении чат-ботов для здоровья на базе ИИ, которые могут не подпадать под защиту HIPAA — пациенты, использующие потребительские инструменты для изучения симптомов, могут не осознавать, что их вводные данные могут использоваться для коммерческого обучения модели или передаваться третьим сторонам.

Опрос появляется в актуальный момент. Закон ЕС об ИИ включает требования к прозрачности для высокорисковых систем ИИ, и государства — члены ЕС сейчас реализуют эти требования. Пациенты имеют законное право знать, когда значимый ИИ влияет на решения об их лечении, и данные Pew ясно показывают, что они хотят воспользоваться этим правом даже там, где пока нет мандата.

PISA: новый инструмент раскрывает, чему на самом деле учится геномный ИИ

Наконец, методологический прорыв от Института Стоуэрса и лаборатории Кундадже в Стэнфорде, опубликованный в Nature Communications в августе 2026 года. Инструмент, названный PISA (попарное влияние по атрибуции последовательности), картирует, на что на самом деле обращает внимание геномная модель глубокого обучения при создании прогнозов — основание за основанием, по всему геному.

Исследователи создали PISA, чтобы понять свои модели, а не доверять им как чёрным ящикам. То, что они обнаружили, было тревожнее, чем ожидалось: PISA выявила скрытую экспериментальную погрешность, которая тихо искажала результаты. Модель обучалась артефактам в данных — техническому шуму от протокола секвенирования — вместо реального биологического сигнала. На стандартных тестах всё выглядело нормально; PISA обнаружила проблему.

Открытие имеет два последствия. Во-первых, это напоминание о том, что модели ИИ, обученные на биологических данных, могут и действительно обучаются ложным паттернам, которые выглядят обоснованными на отложенных тестовых наборах, но отражают артефакты измерения, а не биологию. Во-вторых, сама PISA является практическим инструментом аудита — теперь общедоступным для других геномных лабораторий, чтобы проверить, учатся ли их собственные модели тому, что они думают, что они учатся.