Технологии искусственного интеллекта в системе здравоохранения: общий обзор потенциальных возможностей и рисков
Аннотация
Обоснование. Технологии искусственного интеллекта (ИИ) находят все большее применение в системе здравоохранения ведущих стран мира (прежде всего, речь идет о США и Китае). Между тем, существуют и риски подобных инноваций, последствия которых еще далеко не оценены. В этой связи представляется актуальным анализ данных об использовании подобных систем в текущей медицинской практике и перспектив использования в ближайшем будущем.
Цель – представить общий обзор потенциальных возможностей и рисков применения технологий ИИ в системе здравоохранения на основе актуальных научных данных.
Материалы и методы. В качестве материалов исследования использованы публикации за последние пять лет, отобранные из баз данных Web of Science, Scopus, PubMed, РИНЦ, а также отчёты профильных организаций (ВОЗ и др.). Основной метод – контент-анализ литературы с выделением основных тематических категорий применения ИИ: клиническая диагностика, лечебно-профилактическая помощь, управление и логистика здравоохранения, общественное здоровье и эпиднадзор,
Результаты. Проведённый анализ подтверждает исходную гипотезу о двойственном влиянии ИИ на здравоохранение: его трансформационный потенциал огромен, но реализовать его можно лишь при условии преодоления сопутствующих рисков.
Скачивания
Литература
Бородулина, Е.А., Гогоберидзе, Ю.Т., Просвиркин, И.А., Бородулин, Б.Б., Вдоушкина, Е.С., Поваляева, Л.В., Жилинская, К.В., Поваляев, Е.И., & Карась, С.И. (2025). Оценка эффективности использования технологий искусственного интеллекта для скрининга заболеваний легких в муниципальной больнице. Сибирский журнал клинической и экспериментальной медицины, 40(1), 209–217. https://doi.org/10.29001/2073-8552-2025-40-1-209-217. EDN: https://elibrary.ru/PTTAQR
Васильев, Ю.А., Владзимирский, А.В., Омелянская, О.В., Решетников, Р.В., Блохин, И.А., Коденко, М.Р., & Нанова, О.Г. (2024). Обзор метаанализов о применении искусственного интеллекта в лучевой диагностике. Медицинская визуализация, 28(3), 22–41. https://doi.org/10.24835/1607-0763-1425. EDN: https://elibrary.ru/QYASNZ
Васильев, Ю.А., Владзимирский, А.В., Бондарчук, Д.В., Кожихина, Д.Д., Решетников, Р.В., Блохин, И.А., Соловьев, А.В., & Гатин, Д.В. (2023). Значение технологий искусственного интеллекта для профилактики дефектов в работе врача-рентгенолога. Врач и информационные технологии, (2), 16–27. https://doi.org/10.25881/18110193_2023_2_16. EDN: https://elibrary.ru/SYZAOQ
Долгушева, Ю.А., Ефремова, Ю.Е., Горнякова, Н.Б., Кудрина, В.Г., Айрапетян, А.А., Миронов, Н.Ю., Богданова, В.О., & Сорокин, Е.В. (2024). Хроническая сердечная недостаточность: лекарственное обеспечение, диспансерное наблюдение и перспективы использования цифровых технологий. РМЖ. Медицинское обозрение, 8(7), 375–385. https://doi.org/10.32364/2587-6821-2024-8-7-3. EDN: https://elibrary.ru/CPXJWW
Ким, Г.И., Блеканов, И.С., Ежов, Ф.В., Коваленко, Л.А., Ларин, Е.С., Разумилов, Е.С., Пугин, К.В., Дадашов, М.С., Пягай, В.А., & Шматов, Д.В. (2024). Методы искусственного интеллекта в сердечно-сосудистой хирургии и диагностика патологии аорты и аортального клапана (обзор литературы). Сибирский журнал клинической и экспериментальной медицины, 39(2), 36–45. https://doi.org/10.29001/2073-8552-2024-39-2-36-45. EDN: https://elibrary.ru/TBHPDK
Ковелькова, М.Н., & Яковлева, Е.Г. (2025). Системы искусственного интеллекта в профилактике и диагностике сердечно-сосудистой патологии в России (систематический обзор). Сибирский журнал клинической и экспериментальной медицины, 40(1), 28–41. https://doi.org/10.29001/2073-8552-2025-40-1-28-41. EDN: https://elibrary.ru/ZKPMNP
Кульбакин, Д.Е., Чойнзонов, Е.Л., Толмачев, И.В., Стариков, Ю.В., Старикова, Е.Г., & Каверина, И.С. (2022). Искусственный интеллект в онкологии: области применения, перспективы и ограничения. Вопросы онкологии, 68(6), 691–699. https://doi.org/10.37469/0507-3758-2022-68-6-691-699. EDN: https://elibrary.ru/LIKRKG
Мусаева, Ф.Т., Суменова, Е.Р., Исламгулов, А.Х., Кумыкова, З.М., Элипханова, Т.С., Ушаева, А.И., Хасиева, А.С., Озерова, Е.С., Хуснутдинова, Д.А., Набиуллина, А.А., Кулинская, Я.Ю., Якупова, Р.Р., & Мустафин, А.А. (2025). Роль искусственного интеллекта и новых методов визуализации в ранней диагностике рака поджелудочной железы: научный обзор. Digital Diagnostics, 6(2), 317–330. https://doi.org/10.17816/DD670193. EDN: https://elibrary.ru/TFNTZA
Нероев, В.В., Зайцева, О.В., Петров, С.Ю., & Брагин, А.А. (2024). Применение искусственного интеллекта в офтальмологии: настоящее и будущее. Российский офтальмологический журнал, 17(2), 135–141. https://doi.org/10.21516/2072-0076-2024-17-2-135-141. EDN: https://elibrary.ru/NWXIQQ
Нероев, В.В., Брагин, А.А., Зайцева, О.В., & Яни, Е.В. (2024). Разработка модели сегментации капилляров глазной поверхности по снимкам с офтальмологической щелевой лампы с использованием инструментов искусственного интеллекта. Офтальмология, 21(1), 100–106. https://doi.org/10.18008/1816-5095-2024-1-100-106. EDN: https://elibrary.ru/OHRNLM
Полушин, Ю.С., Шлык, И.В., Смолин, Н.С., & Тимофеев, Г.А. (2024). Цифровизация в анестезиологии-реаниматологии — задел для искусственного интеллекта? Вестник анестезиологии и реаниматологии, 21(6), 6–16. https://doi.org/10.24884/2078-5658-2024-21-6-6-16. EDN: https://elibrary.ru/QOEFRI
Пранович, А.А., Исмаилов, А.К., Карельская, Н.А., Костин, А.А., Кармазановский, Г.Г., & Грицкевич, А.А. (2022). Искусственный интеллект в диагностике и лечении мочекаменной болезни: обзор литературы. Российский журнал телемедицины и электронного здравоохранения, 8(1), 42–57. https://doi.org/10.29188/2712-9217-2022-8-1-42-57. EDN: https://elibrary.ru/DRZBSD
Соловьёв, И.А., & Курочкина, О.Н. (2024). Приложения искусственного интеллекта в кардиологии: обзор. Российский кардиологический журнал, 29(11S), 5673. https://doi.org/10.15829/1560-4071-2024-5673. EDN: https://elibrary.ru/SNQWYE
Солодкий, В.А., Каприн, А.Д., Нуднов, Н.В., Харченко, Н.В., Ходорович, О.С., Запиров, Г.М., Шерстнёва, Т.В., Дибирова, Ш.М., & Канахина, Л.Б. (2023). Современные системы поддержки принятия врачебных решений на базе искусственного интеллекта для анализа цифровых маммографических изображений. Вестник рентгенологии и радиологии, 104(2), 151–162. https://doi.org/10.20862/0042-4676-2023-104-2-151-162. EDN: https://elibrary.ru/ZMHPDG
Сперанская, А.А. (2022). Роль искусственного интеллекта в оценке прогрессирующих фиброзирующих болезней лёгких. Терапевтический архив, 94(3), 409–412. https://doi.org/10.26442/00403660.2022.03.201407. EDN: https://elibrary.ru/QVCUWW
Трошина, Е.А., Захарова, С.М., Цыгулева, К.В., Ложкин, И.А., Королев, Д.В., Трухин, А.А., Зайцев, К.С., Солдатова, Т.В., & Гармаш, А.А. (2024). Применение искусственного интеллекта в ультразвуковой диагностике узловых образований щитовидной железы. Клиническая и экспериментальная тиреоидология, 20(1), 15–29. https://doi.org/10.14341/ket12782. EDN: https://elibrary.ru/IOSPRQ
Трусов, Ю.А., Чупахина, В.С., Нуркаева, А.С., Яковенко, Н.А., Абленина, И.В., Латыпова, Р.Ф., Питке, А.П., Язовских, А.А., Иванов, А.С., Богатырева, Д.С., Попова, У.А., & Юзлекбаев, А.Ф. (2024). Применение искусственного интеллекта в диагностике кальцификации артерий. Digital Diagnostics, 5(1), 85–100. https://doi.org/10.17816/DD623196. EDN: https://elibrary.ru/DDJDBN
Труфанов, Г.Е., & Ефимцев, А.Ю. (2023). Технологии искусственного интеллекта в МР-нейровизуализации. Взгляд рентгенолога. Российский журнал персонализированной медицины, 3(1), 6–17. https://doi.org/10.18705/2782-3806-2023-3-1-6-17. EDN: https://elibrary.ru/KMOYDC
Филь, Т.С., & Бакулин, И.Г. (2024). Искусственный интеллект в диагностике и лечении воспалительных заболеваний кишечника (обзор литературы). Колопроктология, 23(3), 136–149. https://doi.org/10.33878/2073-7556-2024-23-3-136-149. EDN: https://elibrary.ru/CEXWXK
Швороб, Д.С., Васяева, Т.А., Хрюкин, Е.А., & Папакина, А.В. (2025). Применение искусственного интеллекта в патологической анатомии. Сибирский журнал клинической и экспериментальной медицины, 40(2), 211–217. https://doi.org/10.29001/2073-8552-2025-40-2-211-217. EDN: https://elibrary.ru/VCDXNM
Adams, R., Henry, K.E., Sridharan, A., et al. (2022). Prospective, multi-site study of patient outcomes after implementation of the TREWS machine learning-based early warning system for sepsis. Nature Medicine, 28(7), 1455–1460. https://doi.org/10.1038/s41591-022-01894-0. EDN: https://elibrary.ru/GXUQGZ
Al-Zaiti, S.S., Martin-Gill, C., Zègre-Hemsey, J.K., Bouzid, Z., Faramand, Z., Alrawashdeh, M.O., et al. (2023). Machine learning for ECG diagnosis and risk stratification of occlusion myocardial infarction. Nature Medicine, 29(7), 1804–1813. https://doi.org/10.1038/s41591-023-02396-3. EDN: https://elibrary.ru/IHEOEZ
Boussina, A., Shashikumar, S.P., Malhotra, A., et al. (2024). Impact of a deep learning sepsis prediction model on quality of care and survival. NPJ Digital Medicine, 7(1), 14. https://doi.org/10.1038/s41746-023-00986-6. EDN: https://elibrary.ru/LDDYRE
Cao, K., Xia, Y., Yao, J., Han, X., Lambert, L., Zhang, T., et al. (2023). Large-scale pancreatic cancer detection via non-contrast CT and deep learning. Nature Medicine, 29(12), 3033–3043. https://doi.org/10.1038/s41591-023-02640-w. EDN: https://elibrary.ru/QPNNNU
Eisemann, N., Bunk, S., Mukama, T., Baltus, H., Elsner, S.A., Gomille, T., et al. (2025). Nationwide real-world implementation of AI for cancer detection in population-based mammography screening. Nature Medicine, 31(3), 917–924. https://doi.org/10.1038/s41591-024-03408-6. EDN: https://elibrary.ru/HZRIAD
Groh, M., Badri, O., Daneshjou, R., Koochek, A., Harris, C., Soenksen, L.R., et al. (2024). Deep learning-aided decision support for diagnosis of skin disease across skin tones. Nature Medicine, 30(2), 573–583. https://doi.org/10.1038/s41591-023-02728-3. EDN: https://elibrary.ru/NAQFAM
Karsenti, D., Tharsis, G., Perrot, B., Cattan, P., Percie du Sert, A., Venezia, F., et al. (2023). Effect of real-time computer-aided detection of colorectal adenoma in routine colonoscopy (COLO-GENIUS): a single-centre randomised controlled trial. The Lancet Gastroenterology & Hepatology, 8(8), 726–734. https://doi.org/10.1016/S2468-1253(23)00104-8. EDN: https://elibrary.ru/ORVAVB
Khanna, A., Wolf, T., Frank, I., et al. (2025). Enhancing accuracy of operative reports with automated artificial intelligence analysis of surgical video. Journal of the American College of Surgeons, 240(5), 739–746. https://doi.org/10.1097/XCS.0000000000001352. EDN: https://elibrary.ru/KBKJCK
Lång, K., Josefsson, V., Larsson, A.-M., Larsson, S., Högberg, C., Sartor, H., et al. (2023). Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study. The Lancet Oncology, 24(8), 936–944. https://doi.org/10.1016/S1470-2045(23)00298-X. EDN: https://elibrary.ru/DMEAUK
Leibig, C., Brehmer, M., Bunk, S., et al. (2022). Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis. The Lancet Digital Health, 4(7), e507–e519. https://doi.org/10.1016/S2589-7500(22)00070-X. EDN: https://elibrary.ru/UJQRYE
Porto, B.M., & Fogliatto, F.S. (2024). Enhanced forecasting of emergency department patient arrivals using feature engineering approach and machine learning. BMC Medical Informatics and Decision Making, 24(1), 377. https://doi.org/10.1186/s12911-024-02788-6. EDN: https://elibrary.ru/DQOSMD
Reddy, S. (2022). Explainability and artificial intelligence in medicine. The Lancet Digital Health, 4(4), e214–e215. https://doi.org/10.1016/S2589-7500(22)00029-2. EDN: https://elibrary.ru/HVOMQM
Singh, G. (2023). Artificial intelligence in colorectal cancer: a review. Siberian Journal of Oncology, 22(3), 99–107. https://doi.org/10.21294/1814-4861-2023-22-3-99-107. EDN: https://elibrary.ru/EXXVEV
Taylor-Phillips, S., & Freeman, K. (2022). Artificial intelligence to complement rather than replace radiologists in breast screening. The Lancet Digital Health, 4(7), e478–e479. https://doi.org/10.1016/S2589-7500(22)00094-2. EDN: https://elibrary.ru/VCPLEW
References
Borodulina, E.A., Gogoberidze, Yu.T., Prosvirkin, I.A., Borodulin, B.B., Vdoushkina, E.S., Povalyaeva, L.V., Zhilinskaya, K.V., Povalyaev, E.I., & Karas, S.I. (2025). Evaluation of the effectiveness of using artificial intelligence technologies for screening lung diseases in a municipal hospital. Siberian Journal of Clinical and Experimental Medicine, 40(1), 209–217. https://doi.org/10.29001/2073-8552-2025-40-1-209-217. EDN: https://elibrary.ru/PTTAQR
Vasiliev, Yu.A., Vladzimirsky, A.V., Omelyanskaya, O.V., Reshetnikov, R.V., Blokhin, I.A., Kodenko, M.R., & Nanova, O.G. (2024). Overview of meta-analyses on the use of artificial intelligence in radiological diagnostics. Medical Imaging, 28(3), 22–41. https://doi.org/10.24835/1607-0763-1425. EDN: https://elibrary.ru/QYASNZ
Vasiliev, Yu.A., Vladzimirsky, A.V., Bondarchuk, D.V., Kozhikhina, D.D., Reshetnikov, R.V., Blokhin, I.A., Soloviev, A.V., & Gatin, D.V. (2023). The significance of artificial intelligence technologies for the prevention of defects in the work of a radiologist. Medical Doctor and Information Technologies, (2), 16–27. https://doi.org/10.25881/18110193_2023_2_16. EDN: https://elibrary.ru/SYZAOQ
Dolgusheva, Yu.A., Efremova, Yu.E., Gornyakova, N.B., Kudrina, V.G., Airapetyan, A.A., Mironov, N.Yu., Bogdanova, V.O., & Sorokin, E.V. (2024). Chronic heart failure: drug provision, dispensary observation, and prospects for using digital technologies. Russian Medical Inquiry, 8(7), 375–385. https://doi.org/10.32364/2587-6821-2024-8-7-3. EDN: https://elibrary.ru/CPXJWW
Kim, G.I., Blekanov, I.S., Ezhov, F.V., Kovalenko, L.A., Larin, E.S., Razumilov, E.S., Pugin, K.V., Dadashov, M.S., Pyagai, V.A., & Shmatov, D.V. (2024). Artificial intelligence methods in cardiovascular surgery and diagnosis of aortic and aortic valve pathology (literature review). Siberian Journal of Clinical and Experimental Medicine, 39(2), 36–45. https://doi.org/10.29001/2073-8552-2024-39-2-36-45. EDN: https://elibrary.ru/TBHPDK
Kovelkova, M.N., & Yakovleva, E.G. (2025). Artificial intelligence systems in the prevention and diagnosis of cardiovascular pathology in Russia (systematic review). Siberian Journal of Clinical and Experimental Medicine, 40(1), 28–41. https://doi.org/10.29001/2073-8552-2025-40-1-28-41. EDN: https://elibrary.ru/ZKPMNP
Kulbakin, D.E., Choynzonov, E.L., Tolmachev, I.V., Starikov, Yu.V., Starikova, E.G., & Kaverina, I.S. (2022). Artificial intelligence in oncology: areas of application, prospects, and limitations. Voprosy Onkologii, 68(6), 691–699. https://doi.org/10.37469/0507-3758-2022-68-6-691-699. EDN: https://elibrary.ru/LIKRKG
Musaeva, F.T., Sumenova, E.R., Islamgulov, A.Kh., Kumykova, Z.M., Elipkhanova, T.S., Ushaeva, A.I., Khasieva, A.S., Ozerova, E.S., Khusnutdinova, D.A., Nabiullina, A.A., Kulinskaya, Ya.Yu., Yakupova, R.R., & Mustafin, A.A. (2025). The role of artificial intelligence and new imaging methods in early diagnosis of pancreatic cancer: a scientific review. Digital Diagnostics, 6(2), 317–330. https://doi.org/10.17816/DD670193. EDN: https://elibrary.ru/TFNTZA
Neroev, V.V., Zaitseva, O.V., Petrov, S.Yu., & Bragin, A.A. (2024). Application of artificial intelligence in ophthalmology: present and future. Russian Ophthalmological Journal, 17(2), 135–141. https://doi.org/10.21516/2072-0076-2024-17-2-135-141. EDN: https://elibrary.ru/NWXIQQ
Neroev, V.V., Bragin, A.A., Zaitseva, O.V., & Yani, E.V. (2024). Development of a model for segmentation of ocular surface capillaries from slit-lamp images using artificial intelligence tools. Ophthalmology Journal, 21(1), 100–106. https://doi.org/10.18008/1816-5095-2024-1-100-106. EDN: https://elibrary.ru/OHRNLM
Polushin, Yu.S., Shlyk, I.V., Smolin, N.S., & Timofeev, G.A. (2024). Digitalization in anesthesiology and resuscitology — a foundation for artificial intelligence? Vestnik Anesteziologii i Reanimatologii, 21(6), 6–16. https://doi.org/10.24884/2078-5658-2024-21-6-6-16. EDN: https://elibrary.ru/QOEFRI
Pranovich, A.A., Ismailov, A.K., Karelskaya, N.A., Kostin, A.A., Karmazanovsky, G.G., & Gritskevich, A.A. (2022). Artificial intelligence in the diagnosis and treatment of urolithiasis: a literature review. Russian Journal of Telemedicine and eHealth, 8(1), 42–57. https://doi.org/10.29188/2712-9217-2022-8-1-42-57. EDN: https://elibrary.ru/DRZBSD
Soloviev, I.A., & Kurochkina, O.N. (2024). Applications of artificial intelligence in cardiology: a review. Russian Journal of Cardiology, 29(11S), 5673. https://doi.org/10.15829/1560-4071-2024-5673. EDN: https://elibrary.ru/SNQWYE
Solodky, V.A., Kaprin, A.D., Nudnov, N.V., Kharchenko, N.V., Khodorovich, O.S., Zapirov, G.M., Sherstneva, T.V., Dibirova, Sh.M., & Kanakhina, L.B. (2023). Modern artificial intelligence-based clinical decision support systems for analysis of digital mammographic images. Vestnik Rentgenologii i Radiologii, 104(2), 151–162. https://doi.org/10.20862/0042-4676-2023-104-2-151-162. EDN: https://elibrary.ru/ZMHPDG
Speranskaya, A.A. (2022). The role of artificial intelligence in the assessment of progressive fibrosing lung diseases. Terapevticheskii Arkhiv, 94(3), 409–412. https://doi.org/10.26442/00403660.2022.03.201407. EDN: https://elibrary.ru/QVCUWW
Troshina, E.A., Zakharova, S.M., Tsyguleva, K.V., Lozhkin, I.A., Korolev, D.V., Trukhin, A.A., Zaitsev, K.S., Soldatova, T.V., & Garmash, A.A. (2024). Application of artificial intelligence in ultrasound diagnostics of thyroid nodules. Clinical and Experimental Thyroidology, 20(1), 15–29. https://doi.org/10.14341/ket12782. EDN: https://elibrary.ru/IOSPRQ
Trusov, Yu.A., Chupakhina, V.S., Nurkaeva, A.S., Yakovenko, N.A., Ablenina, I.V., Latypova, R.F., Pitke, A.P., Yazovskikh, A.A., Ivanov, A.S., Bogatyreva, D.S., Popova, U.A., & Yuzlekbaev, A.F. (2024). Application of artificial intelligence in the diagnosis of arterial calcification. Digital Diagnostics, 5(1), 85–100. https://doi.org/10.17816/DD623196. EDN: https://elibrary.ru/DDJDBN
Trufanov, G.E., & Efimtsev, A.Yu. (2023). Artificial intelligence technologies in MR neuroimaging. A radiologist's perspective. Russian Journal for Personalized Medicine, 3(1), 6–17. https://doi.org/10.18705/2782-3806-2023-3-1-6-17. EDN: https://elibrary.ru/KMOYDC
Fil, T.S., & Bakulin, I.G. (2024). Artificial intelligence in the diagnosis and treatment of inflammatory bowel disease (literature review). Koloproktologia, 23(3), 136–149. https://doi.org/10.33878/2073-7556-2024-23-3-136-149. EDN: https://elibrary.ru/CEXWXK
Shvorob, D.S., Vasyaeva, T.A., Khryukin, E.A., & Papakina, A.V. (2025). Application of artificial intelligence in pathological anatomy. Siberian Journal of Clinical and Experimental Medicine, 40(2), 211–217. https://doi.org/10.29001/2073-8552-2025-40-2-211-217. EDN: https://elibrary.ru/VCDXNM
Adams, R., Henry, K.E., Sridharan, A., et al. (2022). Prospective, multi-site study of patient outcomes after implementation of the TREWS machine learning-based early warning system for sepsis. Nature Medicine, 28(7), 1455–1460. https://doi.org/10.1038/s41591-022-01894-0. EDN: https://elibrary.ru/GXUQGZ
Al-Zaiti, S.S., Martin-Gill, C., Zègre-Hemsey, J.K., Bouzid, Z., Faramand, Z., Alrawashdeh, M.O., et al. (2023). Machine learning for ECG diagnosis and risk stratification of occlusion myocardial infarction. Nature Medicine, 29(7), 1804–1813. https://doi.org/10.1038/s41591-023-02396-3. EDN: https://elibrary.ru/IHEOEZ
Boussina, A., Shashikumar, S.P., Malhotra, A., et al. (2024). Impact of a deep learning sepsis prediction model on quality of care and survival. NPJ Digital Medicine, 7(1), 14. https://doi.org/10.1038/s41746-023-00986-6. EDN: https://elibrary.ru/LDDYRE
Cao, K., Xia, Y., Yao, J., Han, X., Lambert, L., Zhang, T., et al. (2023). Large-scale pancreatic cancer detection via non-contrast CT and deep learning. Nature Medicine, 29(12), 3033–3043. https://doi.org/10.1038/s41591-023-02640-w. EDN: https://elibrary.ru/QPNNNU
Eisemann, N., Bunk, S., Mukama, T., Baltus, H., Elsner, S.A., Gomille, T., et al. (2025). Nationwide real-world implementation of AI for cancer detection in population-based mammography screening. Nature Medicine, 31(3), 917–924. https://doi.org/10.1038/s41591-024-03408-6. EDN: https://elibrary.ru/HZRIAD
Groh, M., Badri, O., Daneshjou, R., Koochek, A., Harris, C., Soenksen, L.R., et al. (2024). Deep learning-aided decision support for diagnosis of skin disease across skin tones. Nature Medicine, 30(2), 573–583. https://doi.org/10.1038/s41591-023-02728-3. EDN: https://elibrary.ru/NAQFAM
Karsenti, D., Tharsis, G., Perrot, B., Cattan, P., Percie du Sert, A., Venezia, F., et al. (2023). Effect of real-time computer-aided detection of colorectal adenoma in routine colonoscopy (COLO-GENIUS): a single-centre randomised controlled trial. The Lancet Gastroenterology & Hepatology, 8(8), 726–734. https://doi.org/10.1016/S2468-1253(23)00104-8. EDN: https://elibrary.ru/ORVAVB
Khanna, A., Wolf, T., Frank, I., et al. (2025). Enhancing accuracy of operative reports with automated artificial intelligence analysis of surgical video. Journal of the American College of Surgeons, 240(5), 739–746. https://doi.org/10.1097/XCS.0000000000001352. EDN: https://elibrary.ru/KBKJCK
Lång, K., Josefsson, V., Larsson, A.-M., Larsson, S., Högberg, C., Sartor, H., et al. (2023). Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study. The Lancet Oncology, 24(8), 936–944. https://doi.org/10.1016/S1470-2045(23)00298-X. EDN: https://elibrary.ru/DMEAUK
Leibig, C., Brehmer, M., Bunk, S., et al. (2022). Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis. The Lancet Digital Health, 4(7), e507–e519. https://doi.org/10.1016/S2589-7500(22)00070-X. EDN: https://elibrary.ru/UJQRYE
Porto, B.M., & Fogliatto, F.S. (2024). Enhanced forecasting of emergency department patient arrivals using feature engineering approach and machine learning. BMC Medical Informatics and Decision Making, 24(1), 377. https://doi.org/10.1186/s12911-024-02788-6. EDN: https://elibrary.ru/DQOSMD
Reddy, S. (2022). Explainability and artificial intelligence in medicine. The Lancet Digital Health, 4(4), e214–e215. https://doi.org/10.1016/S2589-7500(22)00029-2. EDN: https://elibrary.ru/HVOMQM
Singh, G. (2023). Artificial intelligence in colorectal cancer: a review. Siberian Journal of Oncology, 22(3), 99–107. https://doi.org/10.21294/1814-4861-2023-22-3-99-107. EDN: https://elibrary.ru/EXXVEV
Taylor-Phillips, S., & Freeman, K. (2022). Artificial intelligence to complement rather than replace radiologists in breast screening. The Lancet Digital Health, 4(7), e478–e479. https://doi.org/10.1016/S2589-7500(22)00094-2. EDN: https://elibrary.ru/VCPLEW
Copyright (c) 2026 Dmitry A. Belyaev, Ivan N. Skripkin, Mikhail Yu. Smirnov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
