Искусственный интеллект в здравоохранении

САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ИСКУССТВЕННЫЙ  
ИНТЕЛЛЕКТ 
В ЗДРАВООХРАНЕНИИ
Учебное пособие
Ответственный редактор И. М. Акулин
ИЗДАТЕЛЬСТВО САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА

УДК 614.2+004.896
ББК 51.1(2)+32.813
 
И86
Р е ц е н з е н т ы: 
д-р мед. наук, доц. М. Г. Карайланов (СПб ГБУЗ 
«Городская поликлиника № 19»);  
канд. мед. наук Л. А. Сопрун (С.-Петерб. гос. ун-т)
А в т о р ы :
И. М. Акулин, П. И. Бурцева, О. А. Махова, 
А. М. Сарана, Е. А. Чеснокова
Рекомендовано к публикации 
Учебно-методической комиссией по УГСН 
30.00.00 Фундаментальная медицина, 31.00.00 Клиническая медицина, 
32.00.00 Науки о здоровье и профилактическая медицина, 
34.02.01 Сестринское дело СПбГУ
И86
Искусственный интеллект в  здравоохранении: учебное 
пособие /  отв. ред. И. М. Акулин. СПб.: Изд-во С.-Петерб. 
ун-та, 2023. — 198 с. ISBN 978-5-288-06386-2
В учебном пособии через историческую справку о создании и развитии различных технологий искусственного интеллекта, анализ организационных вопросов правового регулирования оборота данных технологий 
как медицинского изделия и юридической ответственности медицинских 
работников за решения, принятые с использованием искусственного интеллекта, раскрываются актуальные проблемы, связанные с  искусственным интеллектом. Отдельно рассматривается этическая сторона внедрения искусственного интеллекта в медицинскую деятельность, а также кейсы современных мировых разработок в сфере искусственного интеллекта 
для медицинского применения и опыта их применения. 
Издание предназначено для студентов медицинских вузов и студентов 
юридических факультетов, изучающих медицинское и фармацевтическое 
право.
УДК 614.2+004.896
ББК 51.1(2)+32.813
Рекомендовано к публикации по результатам ежегодного 
открытого конкурса учебных изданий «Университетский заказ — 2023» 
Санкт-Петербургского государственного университета
Изображение на обложке создано с применением 
технологий искусственного интеллекта при использовании 
 сервиса «Шедеврум». Все права принадлежат Яндексу
  
© Санкт-Петербургский 
ISBN 978-5-288-06386-2 
 
государственный университет, 2023

СОДЕРЖАНИЕ
Введение .............................................................................................. 
 
5
Раздел 1. Технологии искусственного интеллекта ................. 
7
§ 1. Общие положения  ...................................................... 
—
§ 2. История развития технологий 
искусственного интеллекта 
........................................ 
14
§ 3. Наборы данных для обучения и тестирования 
алгоритмов искусственного интеллекта ................. 
17
Тестовые задания 
................................................................. 
23
Задачи для самостоятельного решения ......................... 
25
Раздел 2. Применение искусственного интеллекта 
в здравоохранении 
....................................................... 
28
§ 1. Искусственный интеллект и медицина ..............  
—
§ 2. Развитие отечественных технологий 
искусственного интеллекта в здравоохранении 
... 
41
§ 3. Программное обеспечение, в том числе 
с применением технологий искусственного 
интеллекта, являющееся медицинским 
изделием ........................................................................ 
48
§ 4. Регулирование обращения программного 
обеспечения, в том числе с применением 
технологий искусственного интеллекта, 
являющегося медицинским изделием .................... 
61
3

§ 5. Ответственность медицинских организаций 
за нарушения в сфере обращения 
медицинских изделий ................................................. 
81
Тестовые задания 
................................................................. 
87
Задачи для самостоятельного решения ......................... 
89
Раздел 3. Основные барьеры на пути внедрения 
технологий искусственного интеллекта 
в здравоохранение, пути их преодоления ............ 
91
§ 1. Глобальные проблемы, связанные 
с развитием искусственного интеллекта ................ 
—
§ 2. Базовые этические принципы 
применения искусственного интеллекта 
в сфере здравоохранения  ......................................... 116
§ 3. Наиболее актуальные аспекты 
внедрения искусственного интеллекта 
в здравоохранение России ........................................ 124
§ 4 Государственная политика Российской 
Федерации в сфере развития использования 
искусственного интеллекта 
в здравоохранении ................................................... 141
Тестовые задания 
................................................................. 149
Задачи для самостоятельного решения ......................... 152
Ключи к тестовым заданиям 
.............................................. 154
Глоссарий 
............................................................................................. 155
Список использованной литературы .......................................... 158
Нормативная литература ................................................... 
—
Основная литература .......................................................... 159
Приложения ........................................................................................ 167
1. Работы по прогнозированию в вертебрологии 
с использованием искусственного интеллекта ....... 
—
2. Российские системы ИИ для здравоохранения 
........ 179
3. Кодекс этики в сфере искусственного интеллекта 
... 183
4. Эффективные отечественные проекты 
в здравоохранении, по версии Альянса в сфере 
искусственного интеллекта .......................................... 192

ƬƬƯƮƯƷƲƯ
Объем знаний в мире огромен и продолжает стремительно увеличиваться. При этом в большинстве знания разнородны, не отформатированы, не структурированы и постоянно изменяются. В таких 
условиях крайне важно найти способы эффективно анализировать 
и применять имеющиеся знания, в том числе неполные и неточные. 
Эту задачу решают технологии, основанные на использовании искусственного интеллекта (далее — ИИ).
В настоящее время применение ИИ в разных сферах жизни общества, в том числе здравоохранении, становится уже привычным. 
Развитие ИИ наряду с другими элементами цифрового здравоохранения, например интернетом вещей, телемедициной, способствует 
повышению качества и доступности медицинской помощи.
Медицинское сообщество находится на заре новой эры, когда 
ИИ начинает внедряться в повседневную клиническую практику. 
Технологии искусственного интеллекта в  здравоохранении активно развиваются, что требует создания полноценного правового регулирования всего жизненного цикла ИИ, от разработки до 
контроля за его применением. Глобальной сейчас является проб- 
лема почти полного отсутствия подобного регулирования. Только 
отдельные государства, в том числе Российская Федерация, проводят системную работу по созданию нормативной базы в  об- 
ласти ИИ.
В формирующемся регулировании применения ИИ ключевую 
роль играет соблюдение безопасности и базовых этических принципов. Понимание возможностей и ограничений, связанных с ис5

пользованием ИИ при оказании медицинских услуг, а  также основных требований в сфере обращения медицинских изделий (далее — МИ) необходимо для эффективной работы организаторов 
здравоохранения.
Настоящее учебное пособие предназначено для самоподготовки студентов медицинских высших учебных заведений, а  также 
ординаторов по дисциплине «Общественное здоровье и здравоохранение». 

ƺNJǑǎǏǕ
ƼƯƿƷƸƵƸƭƲƲ
ƲƻƴƽƻƻƼƬƯƷƷƸƭƸƲƷƼƯƵƵƯƴƼƪ
iƸNjǣǒǏǙǘǕǘǐǏǗǒǩ
Концепция использования компьютерных технологий для имитации мышления и разумного поведения была впервые описана Аланом Тьюрингом (Alan Mathison Turing) в 1950 г. Основной научной 
задачей являлось изучение работы человеческого мозга. Шесть лет 
спустя Джон Маккарти (John McCarthy) дал определение термина 
«искусственный интеллект» (artificial intelligence, AI): наука и техника создания интеллектуальных машин, особенно интеллектуальных 
компьютерных программ.
В начале 1980-х годов ученые, занимающиеся теорией вычислений, Барр (Valerie Barr) и Файгенбаум (Edward Albert Feigenbaum) 
предложили такое определение искусственного интеллекта: «область информатики, которая занимается разработкой интеллектуальных компьютерных систем, то есть систем, обладающих возможностями, которые мы традиционно связываем с человеческим 
разумом, — понимание языка, обучение, способность рассуждать, 
решать проблемы и т. д.»1. 
Суть создания ИИ заключается в том, чтобы сформировать систему, которая смогла бы автономно работать, решая интеллектуальные задачи по подобию когнитивных процессов у человека. Разработка данной системы основана на таких дисциплинах, как математика, компьютерные науки, биология, физиология, психология, 
лингвистика и др.
Основой ИИ являются алгоритмы, которые транслируются 
в компьютерный код, содержащий инструкции для быстрого ана1
Искусственный интеллект (ИИ) / artificial intelligence (AI) как ключевой фактор цифровизации глобальной экономики. https://www.novostiitkanala.ru/
news/detail.php?ID=117544 (дата обращения: 26.10.2022). 
7

лиза и преобразования данных в выводы, информацию или другие 
выходные данные.
В настоящее время в  России ИИ определяется как комплекс 
технологических решений, позволяющих имитировать когнитивные функции человека (включая самообучение и  поиск 
решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека 
[Указ…, 2019]. 
Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обес- 
печение, в том числе то, в котором используются методы машинного обучения, процессы и сервисы по обработке данных и поиску 
решений.
Система ИИ (artificial intelligence system) — программное обеспечение, в котором используются технологические решения ИИ.
Для понимания сути ИИ также важен ряд понятий и терминов, 
применяемых при описании технологий: данные, набор данных, 
большие данные (big data), аппаратное обеспечение, вычислительная система, база знаний (значение данных терминов см. в глоссарии, расположенном в конце учебного пособия). 
Вычислительная система — предназначенный для решения задач и обработки данных (в том числе вычислений) программно-аппаратный комплекс или несколько взаимосвязанных комплексов, 
образующих единую инфраструктуру с ИИ, в отличие от программирования без ИИ может ответить не только на конкретные, но и на 
общие вопросы. Также возможна быстрая и простая модификация 
программы, в том числе частичная, не приводящая к изменению ее 
структуры.
Экспертная система — технология ИИ, позволяющая на основе 
базы знаний воспроизвести модель поведения экспертов в определенной области знаний, сократить время и трудозатраты пользователя на решение типовых задач. Характерными чертами экспертной 
системы являются:
 
— четкая ограниченность предметной области;
 
— способность принимать решения в условиях неопределенности;
 
— способность объяснять ход и результат решения понятным 
для пользователя способом;
 
— четкое разделение данных и механизмов вывода;
 
— способность пополнять базу данных;
 
— ориентация на решение неформализованных задач;
8

 
— отсутствие гарантий нахождения оптимального решения 
с возможностью учиться на ошибках;
 
— также то, что результат выдается в виде конкретных рекомендаций, не уступающих решениям лучших специалистов в конкретной области знаний;
 
— алгоритм решения не описывается заранее, а строится самой 
экспертной системой.
Сильнейшей стороной технологий ИИ стала способность к обучению.
Машинное обучение (machine learning, ML) — это использование определенных признаков при выявлении шаблонов для анализа конкретной ситуации. Машина может «учиться» (обучение по 
прецедентам (индуктивное обучение)) и применять эту информацию в будущих подобных сценариях. Этот инструмент прогнозирования можно, например, применять динамически для клинических решений, чтобы персонализировать уход за пациентом, а не 
следовать статическому алгоритму. Модели улучшаются, обучаясь 
на представленных наборах данных. Машинное обучение использует определенное количество признаков и требует участия человека. 
Машинное обучение развилось в широко известное глубокое обучение (deep learning) (в настоящее время считается одним из видов 
машинного обучения), состоящее из алгоритмов для создания искусственной нейронной сети (artificial neural network, ANN), которая затем может обучаться, в том числе самостоятельно классифицировать данные, и принимать решения самостоятельно, подобно 
человеческому мозгу. Такое обучение основано на использовании 
многоуровневых моделей для постепенного извлечения признаков 
из большого объема данных.
Искусственная нейронная сеть — сеть элементов простейшей 
обработки, соединенных взвешенными связями с регулируемыми 
весами, в которой каждый элемент производит значение, применяя к своим входным значениям нелинейную функцию, и передает 
его другим элементам или представляет его в виде выходного значения.
Сверточная нейронная сеть (convolutional neural network, 
CNN) — это тип алгоритма глубокого обучения, применяемого для 
обработки изображений, имитирующего поведение взаимосвязанных нейронов человеческого мозга. CNN состоит из нескольких слоев, которые анализируют входное изображение для распознавания 
шаблонов и создания определенных фильтров. Окончательный ре9

зультат достигается за счет объединения всех функций полностью 
подключенных слоев. Сейчас доступно несколько алгоритмов CNN, 
включая Le-NET, AlexNet, VGG, GoogLeNet и ResNet. 
Различные варианты нейронных сетей в виде упрощенных схем, 
позволяющих понять основные принципы их функционирования, 
показаны на рис. 1.
В настоящее время существуют различные типы и алгоритмы машинного обучения (рис. 2).
Существует много алгоритмов машинного обучения, отличающихся возможностями и  ограничениями. К  принципиальным характеристикам, присущим тому или иному алгоритму ИИ, можно 
отнести [Глизница и др., 2022]:
1. Интерпретируемость  — возможность установить основания 
принятого алгоритмом решения, открыть «черный ящик». Возможность объяснить решение, предлагаемое алгоритмом, значительно 
облегчает внедрение методов в медицинскую практику.
2. Устойчивость к  мультиколлинеарности  — корреляционной 
связи между независимыми переменными, которая негативно сказывается на времени обучения и точности результата. В частности, 
учет избыточного числа переменных из медицинской карты приводит к формированию слишком сложной модели с несущественными признаками заболевания (эффект переобучения), не способной 
к обобщению.
3. Возможность выбора переменных, позволяющая снизить эффект мультиколлинеарности. Например, если алгоритм учел в построенной математической модели и  национальность, и  расовую 
принадлежность пациента, то возможность вручную исключить 
один из параметров, не редактируя набор данных, значительно облегчит работу с системой.
К основным подходам машинного обучения можно отнести следующие:
 
— контролируемое машинное обучение (обучение с  учителем, 
supervised machine learning), когда алгоритм ИИ наблюдает набор 
размеченных данных и обучается функции, позволяющей предсказывать аннотацию для новых входных данных; 
 
— неконтролируемое машинное обучение (обучение без учителя, unsupervised machine learning), когда алгоритм распознает паттерны (структуру) в неразмеченных данных, выявляя скрытые закономерности. 
10