Следующее поколение медицинского ИИ: технологический суверенитет стран БРИКС

О докладе

Ниже представлен текст доклада Маргариты Пиринен, основателя и генерального директора BIOS, на II Международном финансово-инвестиционном и медиафоруме стран БРИКС в РЭУ им. Г. В. Плеханова 6 октября 2026 года.

Тема доклада — «Следующее поколение медицинского ИИ: технологический суверенитет стран БРИКС и будущее биоэкономики».

Цель доклада — показать, почему технологический суверенитет нельзя сводить к импортозамещению и как собственная научная постановка задачи может стать основой для продуктов, исследований и интеграции стран БРИКС. Эта логика раскрывается на примере BIOS и исследовательской задачи моделирования состояния здоровья человека во времени.

Ключевые задачи: разделить зависимость, суверенитет и международную интеграцию; сопоставить продуктовый и технологический масштабы развития медицинского ИИ; описать три поколения HealthTech; зафиксировать, какие компоненты BIOS уже работают, а какие остаются гипотезой; ответить на вопросы о вычислительном уровне модели и роли больших языковых моделей.

Три стадии

От зависимости — к суверенитету и интеграции

Доклад построен с позиции практика: шесть лет технологического предпринимательства, двенадцать лет стратегического консультирования и работа над цифровыми системами для собственных и клиентских проектов. В BIOS искусственный интеллект рассматривается не как панацея, а как один из инструментов. Даже в операционной работе компании он уже выполняет прикладные функции — от подготовки материалов до ведения проектных процессов через Executive AI, — но ценность создаёт не сам факт применения ИИ, а система, в которую он встроен.

Другие проекты команды строятся вместе с отраслевыми экспертами. Для них разрабатываются цифровые системы, которых ещё нет в готовом виде на российском рынке. Поэтому вопрос среды, капитала и международной инфраструктуры здесь не теоретический: без них новая технология рискует остаться локальным экспериментом, даже если отдельный продукт уже работает.

Технологический суверенитет часто сводят к замене зарубежного решения отечественным. Такая замена может быть необходима, но она всё ещё оставляет нам чужую постановку задачи: кто-то уже решил, каким должен быть продукт, что он измеряет и по каким правилам развивается рынок.

Эта модель включает три стадии.

1. Зависимость. Мы получаем доступ к чужой модели, вычислительной инфраструктуре или open-source-компоненту и создаём на этой базе собственный продукт.
2. Суверенитет. У нас есть собственные методы, данные, команда и контур проверки, поэтому технологию можно поддерживать и развивать независимо от внешнего поставщика.
3. Интеграция. Совместимые технологии и согласованные правила позволяют странам БРИКС вести общие исследования и создавать продукты, не отказываясь от контроля над данными и компетенциями.

Технологии в этой логике — не только способ оптимизировать бизнес или ускорить научную работу. Они становятся инструментом влияния и кооперации. Для БРИКС это особенно важно: объединение может оставаться большим рынком для чужих решений, а может создавать собственные методы, инфраструктуру проверки и правила совместной работы.

Суверенитет — это не только способность заменить чужое настоящее. Это способность сформулировать собственное технологическое будущее.

Человеческий потенциал

Почему здоровье становится базовой технологической задачей

Скорость технологического развития увеличивает скорость жизни. Но возможность учиться, работать, создавать компании и вести долгие исследовательские программы зависит от здоровья человека и продолжительности его активной жизни.

Поэтому медицинский ИИ в логике доклада — не только вспомогательная автоматизация клиники. Это область, в которой одновременно решаются три задачи: сохранение человеческого потенциала, развитие самих методов искусственного интеллекта и создание новых способов получать знания о живых системах.

Медицина заставляет модели работать с неполными наблюдениями, временем, индивидуальной нормой и последствиями вмешательств. Здесь недостаточно хорошо обработать один документ. Нужно понимать, что изменилось, после чего это произошло и какой информации не хватает.

Практическая цель BIOS сформулирована через активное долголетие: увеличить период жизни, в котором человек способен учиться, принимать решения, создавать технологии и доводить долгие проекты до результата. Это связывает медицинскую задачу не только с системой здравоохранения, но и с будущим экономики знаний.

Масштаб объединения

БРИКС — это рынок, но рынок сам по себе не создаёт технологию

На дату доклада БРИКС объединял 11 государств: Бразилию, Россию, Индию, Китай, Южную Африку, Саудовскую Аравию, Египет, Объединённые Арабские Эмираты, Эфиопию, Индонезию и Иран. По данным председательства Индии в 2026 году, на них приходилось около 49,5% населения мира. Это огромный масштаб спроса, научных задач и потенциальных данных, но он превращается в преимущество только при наличии собственных методов, инфраструктуры и правил сотрудничества.

Выбранный срез базы значимых моделей Epoch AI за 2025 год показывает разрыв между странами: 64 модели у США, 35 у Китая, две у европейских разработчиков и ни одной российской модели в этом конкретном срезе. Эти числа нельзя читать как полный перечень всех национальных разработок: база включает системы по собственным критериям значимости. Но сравнение фиксирует важный разрыв между созданием продукта поверх доступной модели и созданием нового технологического класса.

Методология и актуальная база: Epoch AI, Notable AI Models.

Международная инфраструктура

Лидерство формируется не только внутри компаний

22 июля 2026 года World Internet Conference учредила постоянную рабочую группу по цифровому и интеллектуальному здравоохранению. Она объединила более 70 организаций и экспертов из технологической индустрии, науки, клиник и международных структур. Среди участников — Huawei, Alibaba, Tencent, Baidu, NVIDIA, Roche, Bayer и Siemens.

Это показательный пример: технологическое лидерство строится не только через отдельные продукты. Оно строится через площадки, на которых участники согласуют повестку, проводят исследования, обмениваются практиками и запускают совместные проекты.

Даже собственная технология не становится международной автоматически. Для интеграции нужны доверенные площадки, совместные протоколы исследований, понятные требования к данным и каналы, через которые решение может быть проверено и внедрено в другой стране.

Два масштаба задачи

Продукт отвечает на запрос клиента. Технология создаёт новую возможность

Российский медицинский ИИ уже работает в реальной практике. Например, Webiomed сообщал, что к его сервисам подключены государственные медицинские организации 42 субъектов России, а встроенный доступ поддерживают 15 ведущих медицинских информационных систем. Это значимое внедрение готового решения.

Но продуктовый масштаб отличается от масштаба базовой технологии. В 2025 году Tempus, AstraZeneca и Pathos объявили о разработке мультимодальной foundation model в онкологии; соглашения включали 200 миллионов долларов в виде платы за лицензирование данных и разработку модели. Такая модель предназначена не только для одного интерфейса: её можно использовать в исследованиях лекарств, биомаркеров и новых диагностических продуктов.

Разрыв виден и в доступе к капиталу. Webiomed сообщал о привлечении более 130 млн рублей частных инвестиций в 2020 году. Tempus в 2017 году закрыл раунд Series C на 70 млн долларов, доведя общий объём привлечённого финансирования на тот момент до 130 млн долларов. Сами по себе эти цифры не измеряют качество технологии, но показывают, насколько различаются ресурсы для формирования данных, команды и международной инфраструктуры.

Источники: Webiomed, 22 июля 2020; Tempus, 25 сентября 2017.

Глобальный рост российских решений ограничивают три фактора:

1. Фокус поддержки. Программы развития помогают внедрению внутри России, но не всегда требуют доказать международную переносимость технологии.
2. Ограниченный круг сравнения. Если сопоставлять решение только с несколькими привычными моделями, можно не увидеть, как изменилась мировая граница качества и какие методы уже стали базовыми.
3. Недостаток долгосрочного ресурса. Базовая технология требует капитала не только на продажи ближайшего продукта, но и на данные, вычисления, исследования, валидацию и международную интеграцию.

Нужны оба уровня — и работающий продукт, и долгосрочный технологический задел. Ошибка начинается тогда, когда успешный локальный сервис автоматически принимают за завершённую технологическую независимость или, наоборот, фундаментальную разработку оценивают только по её ближайшей функции.

Эволюция HealthTech

Три поколения медицинских систем

Эволюцию медицинских систем можно представить как три последовательных поколения.

Поколения не отменяют друг друга. Без цифровой истории нечего анализировать; без обработки и нормализации данных нельзя строить модель состояния. Но на третьем уровне меняется сам объект работы системы: вместо отдельного документа или запроса им становится состояние человека и его траектория.

Диагноз фиксирует клиническое заключение, но не описывает организм целиком. Один и тот же лабораторный показатель у двух людей может иметь разное значение в зависимости от личного исходного уровня, лечения, условий измерения и скорости изменения. Поэтому модель должна хранить не только вывод, но и границы знания: что измерено, что предполагается и чего мы пока не знаем.

Диагноз остаётся необходимой частью медицинской практики, но для вычислительной модели динамики здоровья его недостаточно. Гипотеза BIOS состоит в том, что такое моделирование требует более широкого, обновляемого описания состояния человека во времени.

Архитектура BIOS

Одно технологическое ядро для человека, врача, клиники и исследования

BIOS строится вокруг связанной истории здоровья, а не вокруг одного диалога с языковой моделью. Для каждой задачи предусмотрен свой компонент.

Общее ядро должно поддерживать четыре продуктовых модуля: Personal для человека, Doctor для врача, Clinic для клиники и Research для исследований. Результат, полученный в одном контуре, не должен терять связь с исходными данными и научными основаниями при использовании в другом.

Последовательность работы выглядит так: LabSkan извлекает и нормализует наблюдения; Health Memory связывает их с человеком, временем и источником; Evidence Graph сохраняет основания и ограничения вывода; исследовательская модель состояния должна научиться описывать изменение системы при появлении новых, в том числе неполных данных. Такая архитектура нужна, чтобы продукты для пациента, врача, клиники и исследователя не создавали четыре несовместимые версии одной истории.

В прикладном контуре Personal и Doctor уже задуманы как связанные части одного процесса: человек передаёт врачу собранную историю, а результат врачебной работы возвращается в продольный контекст. Clinic должен встраивать тот же контекст в процессы медицинской организации, а Research — давать инструменты для гипотез, протоколов и воспроизводимого анализа. Так продуктовые интерфейсы становятся способами работать с одним технологическим ядром, а не независимыми приложениями.

Экономическая гипотеза состоит в том, что переиспользуемое ядро может уменьшить объём повторного обучения и подготовки данных для каждого нового продукта. Заявленный ориентир — сократить цикл обучения с лет до нескольких месяцев. Это целевой показатель исследовательской программы, а не уже доказанный результат: его предстоит проверить на заранее определённых задачах, данных и метриках.

Для клиники ожидаемый эффект связывается не только с автоматизацией отдельных операций. Если врачу не приходится заново восстанавливать историю, а результаты разных этапов наблюдения остаются совместимыми, должны сокращаться повторная ручная работа и стоимость подготовки контекста. Влияние на время врача, маржинальность и качество процесса также требует измерения в пилотах — оно не следует автоматически из наличия общего ядра.

Что предстоит доказать

Продольный контекст и модель переходов состояния

Научная гипотеза BIOS состоит в том, что история наблюдений и взаимосвязи показателей позволяют математически описывать физиологическое состояние конкретного человека и исследовать переходы между состояниями при появлении новых данных.

В 2026 году исследователи представили PULSE — подход, который использует прошлое мультимодальное состояние пациента как контекст для восстановления пропущенных данных текущего визита. В проверке на примерно 10 тысячах участников UK Biobank модель работала с 61 лабораторным показателем и восстанавливала 251 метаболомный показатель; 7 тысяч участников использовали для обучения, 3 тысячи — для независимого теста.

Для моделирования переходов мы рассматриваем нейронные операторы как одну из архитектурных гипотез. В исходной работе Fourier Neural Operator обученный оператор выполнял отдельные расчёты уравнений в экспериментах до трёх порядков быстрее традиционных решателей. Этот результат нельзя механически переносить на медицину: нужно отдельно доказать точность, объём данных, вычислительную стоимость и переносимость между клиниками.

Источник: Li et al., Fourier Neural Operator for Parametric Partial Differential Equations, ICLR 2021.

Ответы на вопросы

Что уже работает и где проходит граница гипотезы

Дискуссия началась с более широкого вопроса: какую модель технологического развития выбирает Россия между коммерческой западной логикой и ориентированной на государственные задачи восточной логикой? В ответах эта развилка была переведена из области идеологии в область инфраструктуры. Чтобы национальной моделью действительно пользовались, недостаточно назвать её отечественной: нужны качество, вычислительный контур, данные, интеграции и возможность решать реальные задачи.

Первый вопрос после доклада был прямым: существует ли уже технология или пока есть только концепция? На момент выступления, по внутренним данным BIOS, продуктом Personal пользовались 128 человек; были готовы модули для пациентов и врачей, шли два клинических пилота и работа по исследовательскому направлению с двумя научно-исследовательскими институтами.

Эти данные описывают стадию продукта и партнёрской работы на 6 октября 2026 года. Они не являются результатом внешней клинической валидации. Основное технологическое ядро — извлечение и нормализация данных, продольная память и работа с научными основаниями — уже используется в продуктах. Математическая модель состояния и её динамики остаётся исследовательской задачей.

Ещё один вопрос касался цифрового двойника ДНК, молекулярного уровня и необходимости квантовых вычислений. Текущая программа BIOS не заявляет цифровой двойник молекулы, клетки или всего организма. Отправная точка — наблюдаемый клинический уровень: история анализов, обследований, назначений, условий и изменений органов и систем. Связь с молекулярными моделями — возможный дальнейший горизонт, а не обещанная функция продукта.

Нейронные операторы обсуждались как способ проверить, можно ли моделировать сложную динамику по неполным данным с меньшей вычислительной стоимостью. Результаты на физических уравнениях показывают потенциал метода, но не доказывают его применимость к состоянию здоровья. Поэтому следующий шаг — не заявление о готовом цифровом двойнике, а экспериментальный протокол: определить объект состояния, данные, прогнозируемые переходы, базовые методы сравнения и критерии ошибки.

Роль языковой модели

Языковая модель не должна быть источником медицинского решения

BIOS не строит состояние здоровья внутри внешней большой языковой модели. Извлечение, нормализация, хранение истории и вычислительные правила должны сохраняться в собственном контуре. Языковая модель используется как интерфейс общения: помогает объяснить структуру данных и сформировать ответ по заданным правилам, но не должна подменять проверяемый алгоритм или решение врача.

В ответе из зала было уточнено, что BIOS не разрабатывает собственную большую языковую модель. Для диалогового слоя команда тестирует внешние модели, включая GigaChat и ChatGPT, по одному набору правил ответа. Это позволяет сравнивать интерфейсы, не отдавая им роль источника медицинской памяти или вычислительного решения.

Такая архитектура позволяет менять поставщика языковой модели без потери медицинской памяти и логики системы. Это и есть практическая сторона суверенитета: критическое знание не растворяется в компоненте, условия использования которого определяет внешняя компания.