Мой талантливый друг Макс сегодня прислал мне ссылку со словами: «Тебе это точно понравится».
И действительно понравилось.
В Nature Medicine вышла статья, которую подписали исследователи из Stanford ARISE, OpenAI, Anthropic, Google, Microsoft, Amazon и ведущие мировые эксперты по медицинскому ИИ.
Но самое интересное — не громкое название Medical AI Superintelligence.
Главная мысль статьи в том, что авторы предлагают чрезвычайно жёсткое определение медицинского сверхинтеллекта.
Не «ИИ лучше среднего врача».
Не «ИИ лучше опытного врача».
И даже не «ИИ лучше лучшего врача».
Медицинским сверхинтеллектом предлагается считать систему, которая превосходит команды лучших врачей-экспертов при решении клинически значимых задач.
На секунду задумайтесь, насколько высоко поднята планка.
Не один специалист.
Не профессор.
А команда лучших экспертов, которая вместе разбирает сложного пациента.
Почему даже сильнейший консилиум ограничен
Я говорю об этом не теоретически.
Почти тридцать лет я участвовал во врачебных консилиумах, многие годы председательствовал на них и хорошо знаю возможности и пределы этого формата.
Каким бы сильным ни был состав экспертов, консилиум не может посвятить одному пациенту недели и месяцы непрерывной индивидуальной работы.
У специалистов есть часы. Иногда — несколько встреч и повторных консультаций.
А при работе со сложным клиническим случаем мне нередко требуются недели и месяцы: восстановление многолетней истории, проверка каждого назначения, сопоставление лабораторных показателей, визуализации, данных генома, лекарственных взаимодействий, клинических рекомендаций и сотен научных публикаций.
Это принципиально несопоставимые условия.
Проблема не в квалификации врачей.
Проблема в том, что ни один консилиум физически не в состоянии потратить на одного пациента объём времени, сравнимый с месяцами индивидуальной аналитической работы.
Специализированный биомедицинский ИИ даёт именно этот ресурс — возможность снова и снова возвращаться к данным, проверять гипотезы, искать противоречия и сопоставлять информацию между областями, которые в обычной медицине разделены между разными специалистами.
Поэтому речь не о том, что ИИ просто «умнее» команды врачей.
Речь о том, что связка врач + специализированный биомедицинский ИИ получает то, чего у консилиума нет по определению: время и глубину анализа.
Врач — не абстрактная машина
Есть и ещё одно обстоятельство, которое часто игнорируют.
Врач — живой человек.
У него есть собственные болезни, супруг или супруга, дети, родители, кредиты, бытовые проблемы, график приёма, дежурства и отпуск.
Одновременно от него ожидают, что он будет непрерывно следить за тысячами новых исследований, обновлениями рекомендаций, новыми препаратами, диагностическими методами и технологиями.
Но у непрерывного медицинского образования есть несколько узких мест.
Первое — деньги. Подписки на ведущие научные журналы и профессиональные базы могут стоить тысячи долларов в год.
Второе — время на чтение.
Третье — ещё более дефицитное время на анализ.
Недостаточно прочитать вывод статьи. Нужно оценить дизайн исследования, статистику, выборку, ограничения, сопоставить результаты с другими работами и понять, должны ли новые данные изменить практику.
У работающего врача такого времени чаще всего просто нет.
Что я увидел в собственной работе
За последние годы специализированный биомедицинский ИИ позволял мне находить в сложных случаях то, что практически недоступно обычному консилиуму.
Не потому, что участвующие в нём врачи недостаточно квалифицированы.
А потому, что глубокий анализ требует времени, памяти и способности удерживать одновременно огромный объём разнородной информации.
ИИ способен сопоставлять многолетнюю историю пациента, лабораторную динамику, медицинские изображения, генетические данные, фармакологию, клинические рекомендации и научную литературу — и возвращаться к этим данным столько раз, сколько необходимо.
Но результат даёт не ИИ сам по себе.
Его даёт связка опытного врача и специализированного биомедицинского ИИ, в которой машина расширяет доступный человеку объём памяти и анализа, а врач сохраняет клинический контекст, ответственность и окончательное решение.
Как этот подход реализуется в Veraxon
Именно из понимания этих ограничений возник подход Veraxon.
Мы не рассматриваем пациента как набор отдельных анализов или как эпизодический визит к врачу.
Для каждого человека формируется единая продольная медицинская картина, в которой объединяются:
- анамнез и многолетняя история заболеваний;
- лабораторные показатели и их динамика;
- результаты визуализации и функциональной диагностики;
- лекарственная терапия и возможные взаимодействия;
- данные полного генома и фармакогенетики;
- показатели состава тела и метаболического здоровья;
- данные с носимых устройств: сон, пульс, вариабельность сердечного ритма, физическая нагрузка, восстановление и другие параметры.
На основании всей совокупности данных формируется персонализированная стратегия наблюдения и терапии.
Не универсальная рекомендация «для всех пациентов такого возраста», а решение, учитывающее биологию, генетику, историю заболеваний и реальную реакцию конкретного человека.
Но однократного анализа недостаточно.
Медицина меняется. Появляются новые исследования, препараты, клинические рекомендации и данные о безопасности.
Меняется и сам пациент: его лабораторные показатели, масса тела, сон, физическая активность, восстановление и ответ на лечение.
Поэтому в Veraxon предусмотрен регулярный повторный анализ всей медицинской картины пациента.
Ежемесячно система заново проверяет:
- остаётся ли назначенная терапия актуальной;
- не появились ли новые противопоказания или лекарственные взаимодействия;
- выполнены ли необходимые обследования;
- какие исследования приближаются по срокам;
- требуют ли новые результаты изменения стратегии;
- появились ли новые научные данные, способные повлиять на ранее принятые решения.
Если поступают новые результаты лабораторных исследований, визуализации или генетического анализа, они не остаются отдельным PDF-файлом в архиве.
Они включаются в общую модель пациента и при необходимости становятся основанием для немедленного внепланового врачебного пересмотра терапии.
То же относится к данным носимых устройств.
Устойчивое изменение сна, частоты пульса, вариабельности сердечного ритма, физической активности или восстановления само по себе не является диагнозом.
Но в сочетании с анамнезом, лекарственной терапией и лабораторной динамикой оно может раньше показать, что состояние пациента или его реакция на лечение изменились.
В таких случаях система не должна ждать следующего планового визита. Она должна своевременно обратить внимание врача на потенциально клинически значимое изменение.
Принципиально важно: окончательное решение принимает врач.
Задача специализированного биомедицинского ИИ — не заменить клиническую ответственность, а обеспечить врачу то, чего практически невозможно добиться в обычной модели приёма:
непрерывную память, системное сопоставление всех данных и регулярную проверку того, остаётся ли выбранная стратегия актуальной и обоснованной.
Как меняется сама модель медицины
Не отдельный приём после появления жалоб.
Не разовый набор анализов.
Не медицинская карта, состоящая из десятков несвязанных PDF-файлов.
А непрерывно обновляемая система персонализированного медицинского сопровождения, в которой каждое новое исследование и каждое значимое изменение состояния пациента могут своевременно повлиять на дальнейшие решения.
Мне кажется, именно это и есть главный методологический вывод статьи в Nature Medicine.
Не заявление о том, что медицинский сверхинтеллект уже появился.
А признание того, что мы наконец начали понимать, как его следует измерять.
А практический вопрос, которым мы занимаемся в Veraxon, звучит уже немного иначе:
как использовать эти возможности уже сейчас — не для замены врача, а для радикального увеличения глубины, непрерывности и персонализации его работы.
Источник
Goh E, Wu D, Walton C, et al. Toward a test of medical AI superintelligence. Nature Medicine. 2026 (Comment, 27 июля 2026). DOI: 10.1038/s41591-026-04539-8.