Масштаб проблемы огромен. Системы здравоохранения во всём мире сталкиваются с растущей нехваткой кадров и стремительно растущими цифровыми потребностями, которые продолжают менять способы оказания медицинской помощи и управления ею. В то же время системы здравоохранения по-прежнему работают в условиях разрозненных данных, а безопасный, совместимый и оперативный обмен информацией становится всё более серьёзной проблемой. Лишь 19% организаций здравоохранения заявили, что уверены в своей способности соблюдать требования регулирования, связанные с ИИ, и только 24% сообщили, что уверены в возможности управлять меняющимися требованиями к конфиденциальности и данным в условиях всё более разобщённых систем.
Финансовые последствия неэффективности становятся всё серьёзнее. Медицинские страховщики ежегодно отклоняют в США около 850 миллионов страховых требований, создавая колоссальную административную нагрузку для поставщиков медицинских услуг, плательщиков и медицинских команд. Многие из этих отказов впоследствии отменяются после затяжных процедур обжалования и повторного рассмотрения. В результате тратятся миллиарды долларов и бесчисленные часы на преодоление задержек, вызванных отсутствием документации, разрозненностью систем и несогласованностью процессов принятия решений, а не разногласиями по поводу самих медицинских доказательств.
И всё же, несмотря на растущие инвестиции в ИИ для здравоохранения, я считаю, что отрасль по-прежнему пытается решить не тот уровень проблемы.
Большинство современных систем ИИ для здравоохранения разрабатывают высококвалифицированные инженеры и технические специалисты. Эти команды прекрасно разбираются в больших языковых моделях, системах автоматизации и машинном обучении. Проблема в том, что здравоохранение — это не просто техническая среда. Это система, глубоко зависящая от контекста и построенная вокруг клинических данных, требований конкретных юрисдикций, критериев плательщиков, рекомендаций по лечению, стандартов документации и постоянно меняющихся алгоритмов принятия решений.
Без такого контекста даже сложным системам ИИ трудно эффективно работать в реальных медицинских процессах.
С другой стороны, многие медицинские организации пытаются создавать решения на основе ИИ самостоятельно, поскольку хорошо понимают клинические процессы и реалии ухода за пациентами. Но, несмотря на этот практический опыт, многим из них не хватает инженерной специализации, необходимой для создания масштабируемых систем ИИ, способных стабильно обрабатывать огромные объёмы неструктурированной информации.
В результате в отрасли возник разрыв между техническим интеллектом и предметной экспертизой. Одна сторона понимает ИИ, но ей не хватает клинических знаний. Другая разбирается в здравоохранении, но испытывает трудности с эффективным внедрением инфраструктуры ИИ. Пока эти две компетенции не будут по-настоящему объединены, здравоохранение будет и дальше создавать системы, которые генерируют информацию, но не до конца понимают, как на самом деле принимаются медицинские решения.
Основная проблема не в том, что здравоохранению не хватает информации. Напротив, здравоохранение, вероятно, одна из самых насыщенных информацией отраслей в мире.
Здравоохранение уже опирается на огромный и постоянно меняющийся массив информации, в котором многим специалистам трудно эффективно ориентироваться в режиме реального времени. Даже в сфере компенсаций работникам за производственные травмы решения часто зависят от тысяч меняющихся требований, установленных в разных юрисдикциях, страховщиками и стандартами лечения. Такая сложность легко замедляет согласование и откладывает оказание помощи.
Проблема в том, чтобы в нужный момент найти нужную информацию для принятия конкретного решения. Именно этого недостающего контекстного слоя не хватает системам ИИ для здравоохранения.
Слишком многие системы сосредоточены на формировании результатов, не учитывая обстоятельства, в которых принимается решение. Медицинские решения редко бывают однозначными. Лечение может быть подходящим для одного пациента и неподходящим для другого. Требования к документации могут различаться в зависимости от страховщика, диагноза, механизма травмы, истории предшествующего лечения или действующих в конкретном штате правил.
Без понимания этого контекста задержки становятся неизбежными. Больницы и группы медицинских организаций теперь выделяют целые отделы для работы с процедурами согласования, требованиями к страховым претензиям и проверкой медицинской документации. Врачи часто вносят записи о лечении в электронные медицинские карты, которые могут не соответствовать конкретным требованиям страховщиков для одобрения лечения.
Если не хватает важной информации, запросы на лечение быстро попадают в затяжной круг отказов, апелляций и повторных проверок документации. В итоге решения, которые должны приниматься своевременно, задерживаются на месяцы.
Большинство таких задержек не вызвано злым умыслом. Медицинские работники, как правило, хотят, чтобы пациенты выздоровели. Работодатели хотят, чтобы пострадавшие сотрудники безопасно вернулись к работе. Страховщики стремятся обеспечить надлежащее лечение эффективно и ответственно. Но каждый участник процесса часто опирается на разрозненную информацию из несвязанных между собой систем.
Такая разобщённость особенно опасна в системах компенсаций за производственные травмы, где пострадавшие сотрудники часто не могут работать, пока решение о лечении остаётся нерешённым.
Это не абстрактные административные задержки. За ними стоят люди, которые пытаются содержать семьи, сохранять финансовую стабильность и восстанавливаться после травм, полученных на работе. Последствия длительных задержек могут выходить далеко за рамки физического восстановления.
Со временем последствия таких задержек для людей становится всё труднее исправить. Исследование, посвящённое возвращению к работе после производственных травм, показало, что длительное отсутствие на работе тесно связано с худшими результатами восстановления и большими трудностями при возвращении к постоянной трудовой деятельности. В том же анализе хроническая боль, психологический стресс и снижение функциональных возможностей были названы факторами, влияние которых на работников усиливается по мере затягивания восстановления и лечения.
Ещё больше меня беспокоит растущий дефицит знаний, который возникает в системах здравоохранения.
Многие специалисты, глубоко разбирающиеся в процессах проверки обоснованности медицинских услуг, системах страховых претензий, клинических рекомендациях и требованиях плательщиков, приближаются к пенсии. Чтобы восполнить этот запас институциональных знаний, требуются годы. Новым сотрудникам приходится преодолевать огромную кривую обучения, поскольку принятие решений в здравоохранении связано с тысячами меняющихся стандартов, действующих в бесчисленных системах и юрисдикциях.
Именно здесь ИИ может по-настоящему преобразить отрасль, но только если его разработают так, чтобы он помогал людям принимать решения, а не подменял их.
Здравоохранению не нужны новые инструменты, которые просто быстрее генерируют информацию. Ему нужны системы, способные объединять доказательства, клинический контекст, требования рабочих процессов и алгоритмы принятия решений, помогая людям делать обоснованный выбор до того, как задержки перерастут в более серьёзные проблемы.
И главное — медицинские технологии должны расширять возможности самих пациентов.
Пациенты не должны месяцами оставаться между медицинскими организациями, страховщиками и административными системами, не понимая, почему лечение задерживается и какая информация ещё требуется. Они заслуживают прозрачности в отношении доказательств, на которых основаны решения об их лечении. Они заслуживают доступа к понятной информации, которая позволит им осмысленно участвовать в решениях, влияющих на их долгосрочное благополучие.
Когда ИИ в здравоохранении сосредоточен только на автоматизации, он упускает из виду человеческую сторону каждой страховой претензии, каждого запроса на согласование и каждого решения о лечении. Но если ИИ помогает вовремя объединить нужную информацию, соответствующие доказательства и необходимый контекст, он может сделать нечто гораздо более важное, чем повысить эффективность.
Он может помочь пациентам вернуть контроль над собственным лечением именно тогда, когда это нужнее всего.
Опубликовано 9 октября 2026 - 04:04 Наверх
