Маргарита Пиринен обсудила возможности и риски ИИ в здравоохранении в МТПП

9 сентября Комитет МТПП по развитию превентивной, интегративной, функциональной медицины и нутрициологии провёл круглый стол о цифровых технологиях и ИТ-решениях в превентивной медицине. В нём участвовали владельцы клиник, разработчики медицинских технологий, руководители образовательных проектов, врач-онколог и другие специалисты.

В начале встречи председатель Комитета Антон Поляков выступил с докладом о применении цифровых инструментов в превентивной медицине и нутрициологии. Он рассмотрел сбор анамнеза, обработку лабораторных данных и функциональных опросников, использование ИИ, а также цифровые каналы взаимодействия врача и пациента.

После доклада разговор продолжился в формате открытой дискуссии. Основатель и CEO BIOS Маргарита Пиринен включилась в обсуждение будущего ИИ в медицине: его допустимой роли в принятии решений, требований к данным и возможностей исследовать изменения здоровья на длинном временном интервале.

Разные позиции

ИИ как инструмент врача — и как основа нового исследовательского контура

В дискуссии прозвучало общее предостережение против полностью автономной модели, которая подменяет специалиста. Антон Поляков описал ИИ прежде всего как инструмент обработки информации: он может ускорять отдельные операции, но медицинское решение должно оставаться за человеком.

Маргарита Пиринен согласилась с необходимостью врачебного контроля, но предложила смотреть на возможности технологии шире. По её мнению, ИИ нужен не для автоматического назначения диагноза, а для вычислительной, аналитической и исследовательской работы, которую невозможно выполнить вручную на больших массивах медицинских данных.

Это различие принципиально: система не заменяет врача готовым ответом, а помогает собрать основания для профессионального решения. Она должна сопоставить историю, выявить устойчивые изменения, показать противоречия и вернуть специалисту результат вместе с источниками и ограничениями.

Позиция Маргариты Пиринен

Нормализация должна сохранять медицинский смысл данных

Одна из тем, поднятых Маргаритой Пиринен, — различия между показателями, полученными в разных лабораториях и странах. Проблема не сводится к пересчёту единиц измерения. На сопоставимость влияют метод исследования, референсный диапазон, дата, источник и условия, в которых было сделано наблюдение.

Поэтому технически единый формат ещё не создаёт медицински однородный массив. При нормализации необходимо сохранять происхождение и версию каждого факта, а также правила, по которым он был приведён к сопоставимому виду. Иначе система скрывает различия, которые могут изменить смысл результата.

В подходе BIOS данные рассматриваются как наблюдения за состоянием человека, а не как само состояние. Отдельный анализ, симптом или назначение фиксирует только часть картины. Смысл возникает при сопоставлении этих наблюдений с предыдущей историей и другими изменениями во времени.

Данные и регулирование

Обезличивание и трансграничная передача требуют отдельных правил

Участники обсудили, какие ограничения возникают при использовании моделей и инфраструктуры, расположенных за пределами страны. Для медицинского продукта важно заранее определить, какие сведения передаются внешнему поставщику, где они обрабатываются и может ли получатель восстановить связь с конкретным человеком.

Работа с обезличенными данными открывает возможности для исследований и обучения аналитических систем, но не снимает автоматически всех требований. Необходимо различать обезличивание и псевдонимизацию, контролировать риск повторной идентификации и фиксировать допустимые цели использования массива.

По мнению Маргариты Пиринен, эти правила должны быть заложены в архитектуру продукта. Локализация, разграничение доступа, журналирование операций и отдельный порядок трансграничной передачи нельзя добавлять после запуска как формальное юридическое приложение.

Ограничения технологии

Большая языковая модель — ещё не медицинский интеллект

Отдельная часть разговора была посвящена моделям, доступным для работы в российском контуре, и их месту в медицинском продукте. Большие языковые модели умеют разбирать текст, извлекать информацию и формировать связный ответ. Однако эти способности сами по себе не обеспечивают доказательность медицинского вывода.

Генеративная модель может потерять происхождение факта, объединить несовместимые наблюдения или заполнить пробел вероятным продолжением. В обычном диалоге это выглядит как неточность; в медицинской и исследовательской аналитике такая ошибка способна изменить смысл всей картины.

Поэтому, считает Маргарита Пиринен, LLM следует использовать как один из инструментов внутри контролируемой системы. Она может участвовать в чтении и структурировании документов, но вывод должен опираться на формальные правила, проверяемые источники и экспертную оценку.

Новое поколение ИИ

От статичных рекомендаций — к исследованию состояния человека во времени

В ходе дискуссии Маргарита Пиринен обратила внимание ещё на одно ограничение: медицинские знания и рекомендации неизбежно описывают обобщённую модель, тогда как состояние конкретного человека меняется. На него одновременно влияют лечение, образ жизни, психологическая нагрузка, окружающая среда и множество других факторов.

По её мнению, задача следующего поколения цифровых медицинских систем — исследовать продольные данные. Не только сравнивать человека с популяционной нормой, но и видеть его собственную траекторию: какие показатели менялись вместе, какие сочетания повторялись, где возникали расхождения и каких данных не хватает для проверки гипотезы.

Такой подход меняет и направление исследований. Наблюдения, накопленные вокруг конкретного пациента, становятся исходной точкой для поиска воспроизводимых паттернов, которые затем могут проверяться на более широких выборках. Это движение от индивидуального случая к проверяемому знанию, а не попытка заранее подогнать каждого человека под единую схему.

BIOS развивает эту логику через Health Memory и BIOS Intelligence. Первая сохраняет историю, версии и происхождение данных; вторая сопоставляет наблюдения во времени и формирует проверяемые гипотезы с явными ограничениями. Результат предназначен для дальнейшей оценки специалистом и не является диагнозом.