9 сентября 2026 года Маргарита Пиринен приняла участие в круглом столе Комитета МТПП по развитию в сфере превентивной, интегративной, функциональной медицины и нутрициологии о цифровых технологиях и ИИ в превентивной медицине. После доклада председателя Комитета Антона Полякова вопросы применения ИИ обсудили врачи и отраслевые специалисты. Ниже — доклад, составленный по тезисам выступления Маргариты Пиринен в этой дискуссии.
Медицинский ИИ работает с фрагментами, а решение относится к человеку
Выписка, анализ, протокол исследования и описание симптома фиксируют отдельные наблюдения. Языковая модель может извлечь из них факты и подготовить объяснение, но это ещё не анализ состояния.
Значение показателя зависит от метода измерения, референсного диапазона, терапии, симптомов и предыдущей динамики. Без этого контекста нельзя определить, является ли изменение новым, устойчивым, ожидаемым после назначения или противоречащим другим данным.
Объект анализа — траектория состояния
В основе подхода — различие между медицинскими данными и состоянием человека. Данные представляют собой наблюдения за состоянием, сделанные из разных источников в разное время. Их смысл возникает в связи с историей человека и другими наблюдениями.
Система должна определять, что изменилось, какие показатели менялись вместе, какие факты подтверждают или опровергают друг друга и какой информации недостаточно. Время при этом выступает основной координатой анализа. Новое наблюдение дополняет траекторию, а не рассматривается как отдельный эпизод.
От источника к проверяемой гипотезе
Документ, измерение, симптом или событие сохраняются вместе с датой и происхождением.
Данные приводятся к сопоставимому виду с учётом метода, единиц и исходного контекста.
Наблюдение сопоставляется с историей человека и связанными изменениями.
Гипотеза выдаётся вместе с основаниями, пробелами и ограничениями.
Каждый вывод должен возвращаться к конкретным источникам и правилам сопоставления. Без этого результат нельзя проверить.
Нормализация должна сохранять медицинский смысл
Одинаково названные показатели из разных лабораторий могут различаться методом определения, единицами и референсными интервалами. Перенос значений в общую таблицу без этих признаков создаёт ложную сопоставимость.
Для каждого факта сохраняются исходный документ, дата, метод, единицы, референсный диапазон и версия. Преобразование фиксируется как отдельное действие: видны исходное значение, применённое правило и ограничения сравнения. Исправление создаёт новую версию, не удаляя предыдущую.
Языковая модель — компонент, а не источник доказательности
LLM применима для чтения документов, извлечения фактов, классификации и подготовки понятного текста. Она не устанавливает клиническую истинность. Модель может правдоподобно дополнить отсутствующий факт, объединить несопоставимые наблюдения или потерять связь вывода с источником.
Поэтому генеративный слой работает в пределах формальных правил. Происхождение данных, допустимость сопоставления и достаточность оснований проверяются отдельно. При нарушении условий автоматический анализ останавливается.
Целевой результат — проверяемая гипотеза
Автономный диагноз не рассматривается как результат системы. ИИ сопоставляет разнородные наблюдения, выделяет значимые изменения, повторяющиеся сочетания, противоречия и пробелы.
Гипотеза формируется только при достаточных основаниях и передаётся специалисту вместе с использованными фактами, источниками, временными связями, альтернативными объяснениями и границами уверенности. При недостатке данных система указывает, какой информации не хватает, и не продолжает интерпретацию.
Врач остаётся в контуре решения
ИИ удерживает длинную историю и выполняет сопоставление, которое трудно провести вручную на большом массиве данных. Врач оценивает клинический смысл, подтверждает или отклоняет гипотезу и определяет следующий шаг.
Результат врачебной оценки сохраняется в истории. Подтверждение, коррекция или отклонение гипотезы становятся контекстом для следующего анализа.
Регуляторные ограничения — часть архитектуры
В ходе встречи обсуждались трансграничная передача, обезличивание медицинских данных и применение ИИ в исследованиях. Для каждого сценария должны быть определены цель обработки, место хранения и вычисления, состав разрешённых данных, права доступа и риск повторной идентификации.
Обезличивание не разрешает произвольное повторное использование данных. Работа с историей конкретного человека и формирование исследовательской выборки относятся к разным контурам. Исследовательская гипотеза требует отдельного протокола и проверки; результат индивидуального анализа не является научным выводом.
Вывод
Медицинский ИИ должен работать с контекстом и показывать основания результата.
Целевая система связывает наблюдения во времени, сохраняет их происхождение, отделяет факт от интерпретации и останавливается при недостатке данных. Итогом служит проверяемая гипотеза для оценки врачом.
Как эта логика реализуется в BIOS
