Трансляция междисциплинарных методов искусственного интеллекта в медицинскую диагностику: оценка социально-экономических эффектов

Цель. Определить применимость междисциплинарных методов искусственного интеллекта (ИИ), разработанных и апробированных авторами в различных предметных областях, к задачам современной медицинской диагностики, а также выявить потенциал трансляции этих методов в клиническую практику с учетом методологических, этических, регуляторных, управленческих аспектов их внедрения и в контексте национальной системы здравоохранения выделить ключевые социально-экономические эффекты использования ИИ-технологий в медицинской диагностике.
Методология. Проведен обзор литературы об интеграции ИИ в управление и здравоохранение, включая исследования авторов и ряд актуальных международных и отечественных источников о применении ИИ в медицинской диагностике. Использованы системный подход и рискориентированный анализ, что позволило комплексно рассмотреть технические и социально-экономические аспекты.
Задачи. Обобщение и систематизация междисциплинарных методов ИИ, разработанных и апробированных в смежных областях (государственное управление, обработка данных, нейротехнологии, онтологические системы поддержки решений), с точки зрения возможности их трансляции в медицинскую диагностику; анализ методологических, этических, регуляторных и управленческих аспектов внедрения ИИ-технологий в диагностические процессы здравоохранения; оценка потенциальных социально-экономических эффектов применения междисциплинарных ИИ-подходов, включая влияние на доступность, качество и эффективность медицинской диагностики; формирование обобщенных выводов о перспективах и ограничениях масштабирования ИИ-решений в современной высокотехнологичной медицинской диагностике.
Результаты. Междисциплинарные ИИ-технологии демонстрируют высокий потенциал повышения точности и скорости диагностики, оптимизации рабочих процессов и сокращения затрат в здравоохранении. Показано, что применение ИИ может приводить к улучшению клинических исходов (например, за счет более раннего выявления заболеваний) и экономии ресурсов за счет сокращения лишних процедур. Вместе с тем выявлены ограничения и риски: этические и правовые барьеры, вопросы конфиденциальности данных, необходимость значительных инвестиций в инфраструктуру и подготовку кадров, а также вероятность алгоритмических смещений и предвзятости.
Выводы. Для успешной трансляции ИИ-методов в медицинскую диагностику необходим комплексный междисциплинарный подход с учетом этических норм и разработки системы регулирования. Максимизация положительных социально-экономических эффектов (повышение качества и доступности медицинской помощи, снижение затрат, развитие технологического потенциала) возможна при условии управления рисками, обеспечения прозрачности и доверия к ИИ-системам, а также развития интеллектуального капитала в сфере ИИ при его имплементации в медицинской диагностике.

1. Федоров М. В., Репин Д. А., Игнатьев С. А. Технологии искусственного интеллекта в государственном управлении: разработка парадигмы разумного (само)ограничения // Известия Санкт-Петербургского государственного экономического университета. 2024. № 5. С. 46–53.

2. Репин Д. А., Игнатьев С. А. «Внедрять нельзя отказаться»: влияние этики на применение технологий искусственного интеллекта в управлении социально-экономическими процессами // Экономика и управление. 2024. Т. 30. № 12. С. 1503–1509. https://doi.org/10.35854/1998-1627-2024-12-1503-1509

3. Репин Д. А., Игнатьев С. А. Нейротехнологии в управленческой коммуникации (на примере нейроинтерфейсов) // Известия Санкт-Петербургского государственного экономического университета. 2025. № 1. С. 84–90.

4. Федоров М. В., Репин Д. А., Игнатьев С. А. Интеллектуальный капитал в сфере искусственного интеллекта как драйвер технологического потенциала России // Экономика и управление. 2025. Т. 31. № 9. С. 1105–1120. https://doi.org/10.35854/1998-1627-2025-9-1105-1120

5. Клевцова О. Ю., Репин Д. А. Проблемные аспекты внедрения нейротехнологий в управление социально-экономическими процессами // Вестник Военной академии материально-технического обеспечения. 2025. № 2. С. 96–108.

6. El Arab R. A., Al Moosa O. A. Systematic review of cost effectiveness and budget impact of artificial intelligence in healthcare // NPJ Digital Medicine. 2025. Vol. 8. Article 548. https://doi.org/10.1038/s41746-025-01722-y

7. Янишевский И. М., Арлазаров В. В. Обучение сверточной нейронной сети с автоматическим учетом искаженности входных данных // Известия Тульского государственного университета. Технические науки. 2022. № 9. С. 52–56. https://doi.org/10.24412/2071-6168-2022-9-52-56

8. Репин Д. А. Технологии искусственного интеллекта как фактор совершенствования государственного управления: вызовы и угрозы // Экономика и управление. 2025. Т. 31. № 2. С. 139–148. https://doi.org/10.35854/1998-1627-2025-2-139-148

9. Ткаченко В. Т., Федоров М. В., Федорова В. В. и др. Новые методы оценки рисков патогенов: машинное обучение в анализе спектра токсичности Albifimbria verrucaria // Вестник войск РХБ защиты. 2025. Т. 9. № 1. С. 57–73. https://doi.org/10.35825/2587-5728-2025-9-1-57-73

10. Nikitin I., Morgunov I., Safronov V., Kalyuzhnaya A., Fedorov M. Towards explainable computational toxicology: Linking antitargets to rodent acute toxicity// Pharmaceutics. 2025. Vol. 17. No. 12. Article 1573. https://doi.org/10.3390/pharmaceutics17121573

11. Rassabina A. E., Fedorov M. V. Analysis of the toxicological profile of Heracleum sosnowskyi Manden. Metabolites using in Silico methods // Plants. 2025. Vol. 14. No. 21. Article 3253. https://doi.org/10.3390/plants14213253

12. Репин Д. А. Формирование социально-технологических инструментов государственного управления на основе ИИ-технологий // Социология и право. 2025. Т. 17. № 2. С. 150–161. https://doi.org/10.35854/2219-6242-2025-2-150-161

13. Грибова В. В., Окунь Д. Б., Шалфеева Е. А. Модель поддержки врачебных решений в диагностике и реабилитации пациентов с ограничениями жизнедеятельности // Реальная клиническая практика: данные и доказательства. 2025. Т. 5. № 4. С. 81–96. https://doi.org/10.37489/2782-3784-myrwd-091

14. Хохлов А. Л., Сычев Д. А. Концепция пациентоориентированности в медицине и фармации // Пациентоориентированная медицина и фармация. 2023. Т. 1. № 1. С. 1–4. https://doi.org/10.37489/2949-1924-0001

15. Хохлов А. Л., Белоусов Д. Ю. Этические вопросы применения искусственного интеллекта в разработке лекарственных препаратов // Качественная клиническая практика. 2025. № 3. С. 111–117. https://doi.org/10.37489/2588-0519-2025-3-111-117