Почему предиктивный ИИ в медицине опережает доказательную базу клинических испытаний

Издание указывает на разрыв между темпами внедрения ИИ и объёмом доказательств, доступных для клинических исследований. Для пациента и исследовательской площадки важно не смешивать улучшение процесса с изменением исхода, который измеряет исследование.

Разница между процессом и исходом

The Clinical Trial Vanguard приводит рандомизированное исследование с участием более 9 600 пациентов в 16 клиниках первичной медицинской помощи в Кении. В нём тестировали AI Consult — генеративную систему поддержки принятия клинических решений, интегрированную с электронной медицинской картой.

Клиницисты, использовавшие AI Consult, показали более высокое качество принятия решений. При этом краткосрочные исходы у пациентов не изменились статистически значимо. Разница между двумя результатами — не периферийная деталь, а граница доказательности. Для оператора исследования улучшение процесса не заменяет данных по исходам. При отсутствии сигнала в первичной конечной точке влияние ИИ может стать конфаундером, то есть фактором, который протокол не предусматривал.

Новая переменная в протоколе

Источник выделяет два операционных последствия. Если AI-система меняет поведение врача во время исследования, но не даёт обнаружимого сигнала в первичной конечной точке, её вмешательство способно повлиять на интерпретацию результата. Если тот же инструмент встроен в EHR исследовательской площадки и передаёт данные в eClinical-инфраструктуру, проверка исходных данных (SDV, source data verification) получает новую переменную, которую не предусматривал план мониторинга. Для CRO — контрактной исследовательской организации — это меняет условия валидации данных.

The Clinical Trial Vanguard рассматривает эту проблему на фоне документа FDA, изданного в декабре 2024 года и обновлённого в августе 2025 года. Документ посвящён управлению жизненным циклом программных функций устройств с ИИ и предопределённому плану управления изменениями. По оценке издания, он не даёт операционных рекомендаций для активного клинического исследования: как документировать, маркировать и учитывать изменения AI-поддержки в клинической среде.

Наиболее непосредственная нагрузка, по мнению источника, ложится на многоцентровые исследования в онкологии и кардиологии, проводимые в университетских медицинских центрах. В качестве примера издание приводит Aidoc: компания получила разрешение FDA 510(k) для CARE AI foundation model — системы триажа, работающей в радиологии и клинических процессах поддержки решений.

Что проверять до решения

При оценке конкретного исследования пациенту и представителю клиники полезно зафиксировать несколько практических позиций:

• наличие AI-системы поддержки принятия решений и этап клинического процесса, на котором она работает;
• описание в протоколе и плане мониторинга возможных изменений поведения врача и данных EHR;
• порядок документирования, маркировки и учёта изменений AI-инструмента во время исследования;
• раздельное представление показателей качества процесса и краткосрочных исходов пациентов.

Параллельно в индустрии развлечений сообщается, что Адам Нехай и Любовь Аксенова сыграют главные роли в детективе «Подслушано в Выборге».

Итог для пациента и площадки:

• 71% американских больниц к 2024 году использовали predictive AI, интегрированный в EHR.
• AI Consult улучшил качество решений клиницистов, но не показал статистически значимого изменения краткосрочных исходов.
• FDA-рекомендации описывают жизненный цикл AI-функций, но, по оценке The Clinical Trial Vanguard, не решают операционно, как учитывать такие изменения в активном исследовании.