Директор по стратегическим и национальным проектам Yandex Cloud – о том, как ИИ меняет российское здравоохранение
Цифровые технологии в индустрии постепенно выгружаются из кокона эксперимента в практическую медицину, помогая врачам проводить диагностику, стандартизировать операционные процессы и снижать нагрузку на систему здравоохранения. Центр технологий для общества Yandex Cloud активно участвует в инициировании и разработке ИИ-решений – от инструментов для анализа МРТ и поддержки клинических исследований (КИ) до комплексных платформ для работы с медицинскими данными. О приоритетах компании, подходах к повышению эффективности и безопасности использования ИИ-решений Vademecum рассказала директор по стратегическим и национальным проектам компании Yandex Cloud Анна Лемякина.
– Yandex Cloud работает в тесной кооперации с медорганизациями и научными центрами. Какие свежие примеры такого сотрудничества вы могли бы привести?
– В 2025 году мы реализовали два крупных проекта. Первый – сервис автоматического анализа МРТ головного мозга младенцев: ИИ-система за минуты сегментирует структуру мозга и помогает оценивать риски ранних неврологических нарушений, например, ДЦП. Это заметно ускоряет интерпретацию снимков, которая требует высокой квалификации и занимает много времени. Решение уже используется в медцентрах Санкт-Петербурга и Москвы, готовится к масштабированию в регионы и Казахстан. Система развивается в партнерстве с врачами и научными командами, которые могут дорабатывать и настраивать ее под свои клинические сценарии.
Второй проект – система ускоренной экспертизы документов для локальных этических комитетов. Исследовательские центры отмечают, что согласование КИ требует больших трудозатрат: эксперты вручную просматривают сотни страниц и временные задержки могут влиять на доступ пациентов к лечению. Чтобы уменьшить эту нагрузку и ускорить запуск исследований, была создана система автоматизированной первичной проверки. Ключевым элементом решения выступает YandexGPT – сервис входит в платформу Yandex AI Studio, объединяющую ИИ-технологии, модели и инструменты. Система структурирует данные, сверяет их с чек-листами и формирует предварительное заключение, оставляя специалистам финальную оценку. С 20 мая 2025 года модель использовалась более чем на десяти заседаниях этических комитетов и за пять месяцев проанализировала свыше 170 документов, или более 11 тысяч страниц.
Мы отвечаем за технологическую часть: продумываем, как система устроена и работает, настраиваем обработку данных, разрабатываем и дорабатываем модели, подключаем инженеров и аналитиков. Медицинские специалисты формулируют клинические задачи и дают экспертную оценку результатов.
– Вы намереваетесь развивать эти направления?
– Мы продолжим работать с клиниками в России и странах СНГ. В ближайшей перспективе – запуск новых прикладных научно-исследовательских проектов и развитие уже существующих инициатив.
– Какие разработки в сфере здравоохранения интересны компании в первую очередь?
– Для нас ключевые направления – онкодиагностика и поддержка решений в онкологии, технологии для выявления патологий во время беременности и у новорожденных, а также кардиология. В онкологии ИИ ускоряет анализ данных и принятие клинических решений, а в перинатальной медицине даже небольшое повышение точности или скорости критично для дальнейшего качества жизни ребенка.
В кардиологии модели учитывают динамические факторы риска и предсказывают сразу несколько неблагоприятных исходов, что важно для сложных пациентов. ИИ помогает выявлять скрытые подтипы заболеваний внутри широких синдромов – сердечной недостаточности, кардиогенного шока, острых коронарных синдромов, – делая лечение более адресным. Эти области остаются приоритетными из-за ощутимого клинического эффекта, но мы открыты и к другим задачам, которые требуют серьезной технологической поддержки и способны масштабно повлиять на отрасль.
– Готова ли Yandex Cloud выйти с собственным продуктом на рынок решений для диагностики с применением компьютерного зрения?
– Мы работаем в области медицинской визуализации и участвуем в ряде проектов – от анализа УЗИ до сложных сценариев обработки МРТ. Эти решения уже применяются в клиниках и показывают практическую ценность.
Но тут стоит оговориться: визуальная диагностика как самостоятельный продукт не является для нас приоритетом. Тем не менее мы готовы участвовать в проектах с сильными клиническими партнерами, четкой научно-медицинской задачей и возможностью создать инструмент, который действительно улучшит качество диагностики.
– Профильные регуляторы, крупные государственные и частные клиники обращаются в Yandex Cloud с тематическими запросами?
– Мы кооперируемся с широким кругом операторов индустрии – с НМИЦ, региональными МИАЦ, НКО и коммерческими компаниями. Ведем диалог с регуляторами, сотрудничаем с Департаментом здравоохранения Москвы – здесь высокая зрелость данных и ИТ, что создает прочную базу для внедрения ИИ.
Один из наших стратегических фокусов совпадает с национальным приоритетом РФ – материнство и детство. Мы активно взаимодействуем с ведущими профильными центрами – НМИЦ АГП им. В.И. Кулакова, Сеченовским центром материнства и детства, СПбГПМУ. Именно там возникают сложные клинические задачи, требующие применения новейших технологий.
Частные сети тоже все чаще приходят с запросами на технологическое развитие. Алгоритм работы со всеми учреждениями одинаковый: медики формируют медицинскую задачу и предоставляют экспертизу, мы берем на себя ее технологическую реализацию. Это позволяет быстро конвертировать идеи в рабочие инструменты.
– Как вы оцениваете регуляторику в сфере применения ИИ-продуктов в здравоохранении?
– Здравоохранение остается консервативной сферой. Для медицины критически важно наличие четких правил, без которых высоки риски ошибок и подрыва доверия.
Мы готовы помогать регуляторам экспертизой и технологиями, делиться практическими результатами. Качественная регуляторная среда, на наш взгляд, основа безопасного развития ИИ в медицине.
– Как Yandex Cloud оценивает, когда универсальная модель может работать безопасно в медицинском контексте, а когда требуются специализированные решения?
– Большие языковые модели обучаются на больших массивах открытой информации – в основном это интернет-источники, научные статьи и публичные текстовые базы. Закрытые медицинские данные, включая электронные медицинские карты пациентов, в обучение не попадают. При этом качество открытых данных сильно различается, поэтому использование таких моделей в медицине, где ошибка может иметь серьезные последствия, требует осторожного подхода и четкой технической настройки, согласованной с владельцами данных.
Для повышения надежности мы используем несколько практических методов: разбиваем сложные задачи на простые шаги, с которыми модель справляется стабильно; подключаем поиск по проверенным медицинским источникам (RAG); дообучаем модели на верифицированных данных. Лучший результат дает их комбинация, когда архитектура подбирается под конкретную клиническую задачу и обеспечивает предсказуемую и точную работу системы.
– Как Yandex Cloud оценивает перспективы рынка ИИ-ассистентов и свое положение на этом рынке в ближайшие годы?
– Спрос на ИИ-решения продолжает расти – как на инфраструктуру для разработки ИИ-приложений и агентов, так и на готовые «коробочные» продукты, которые можно внедрить без собственной разработки. Быстро развивается рынок API-технологий (когда ИИ-функции подключаются как сервис и используются внутри существующих систем), что особенно востребовано у малого и среднего бизнеса.
Крупные заказчики, в свою очередь, активнее развивают собственные ИИ-сервисы – как на собственной инфраструктуре, так и в облаке. Потребление генеративных моделей в Yandex AI Studio с начала 2025 года выросло в пять раз, а годовой повторяющийся доход (ARR) от облачного использования платформы превысил 1,2 млрд рублей.
Модели применяются в ритейле, финтехе и IТ, а также в промышленности, строительстве и медицине. Это подтверждает широкое распространение технологий и потенциал роста ИИ-ассистентов.
– Какие барьеры для внедрения ИИ-решений в российское здравоохранение вы назовете в первую очередь?
– Первый барьер – нехватка данных для обучения моделей и сложности с их объединением. Мы видим решение в инфраструктурных подходах, включая федеративное обучение, когда организации обучают модели совместно, не передавая данные, что особенно важно при редких заболеваниях.
Второй – дефицит специалистов для участия в разработке проектов с применением ИИ: врачи участвуют в постановке задач и валидации, но сильно перегружены. ИИ может снять рутинную нагрузку, например, автоматизировать документооборот.
Третье ограничение – разная зрелость ИТ-инфраструктуры, поэтому облако становится оптимальным способом внедрять ИИ без капитальных затрат.
Эти сложности технологически решаемы, и мы уже работаем над их преодолением вместе с научными и клиническими партнерами. Возможен перенос в здравоохранение подходов из отраслей с высокой цифровой зрелостью, и это уже начинает происходить на рынке.
