Возможности искусственного интеллекта в медицине в целом и в работе крупной клиники в частности продолжают активно расширяться. Сегодня интеграция искусственного интеллекта в повседневную жизнь крупного медицинского учреждения происходит поэтапно и сопровождается пробами, экспериментами и адаптацией под конкретные процессы. Результат — ускорение процессов на всех этапах, снижение нагрузки на персонал и повышение качества оказания медицинской помощи на всех доступных для цифровизации этапах.
Наглядным примером успешного внедрения ИИ в крупную клинику стала Краевая клиническая больница Красноярска (далее — ККБ Красноярска). Олег Андреевич Черкашин, начальник АСУ КГБУЗ «Краевая клиническая больница», главный внештатный специалист по И Т Министерства здравоохранения Красноярского края, генеральный директор ООО «МЕДИКС», представил на конференции доклад «Комплексное развитие организации с искусственным интеллектом: как технологии меняют жизнь клиники». В своем выступлении эксперт наглядно показал подробный путь, который прошла ККБ Красноярска: от первых экспериментов с генеративным искусственным интеллектом до создания рабочих агентов, решающих конкретные клинические задачи.
От фрагментарного использования до комплексного внедрения: как генеративный ИИ стал новым этапом роста клиники
На пути непрерывной цифровизации ККБ Красноярска активно использовала искусственный интеллект в организационных и клинических процессах еще до 2025 года. Однако до недавнего времени этот инструмент применялся точечно: в диагностике (МРТ, КТ и т. д.), в обзвоне пациентов и в качестве электронного клинического фармаколога.
Активное развитие генеративного искусственного интеллекта открыло перед медицинскими учреждениями новый спектр возможностей. В ККБ Красноярска поставили задачу по комплексному внедрению этого инструмента в клинику.
Активное развитие генеративного искусственного интеллекта открыло перед медицинскими учреждениями новый спектр возможностей. В ККБ Красноярска поставили задачу по комплексному внедрению этого инструмента в клинику.
Стратегия внедрения реализовывается в виде последовательности этапов:
Личная трансформация
Использование ИИ в процессах без глубокой интеграции
Интеграция ИИ в системы и, в частности, в МИС клиники
Внедрение агентов: создание автономных систем, которые общаются с МИС и используют различные инструменты для решения задач клиники.
Внедрение мультиагентных систем, которое планируется осуществить в ближайшем будущем. Оно представляет собой взаимодействие нескольких ИИ-агентов для комплексного решения сложных задач.
Генеративный ИИ, который лишь недавно начал применяться в медицине, пока не получил четких алгоритмов внедрения в клиники, но его использование предполагает большое поле для экспериментов. Поэтому именно с опросов и проб началось поэтапное внедрение инструмента в ККБ Красноярска.
Опросы и эксперименты как часть подготовки к внедрению
Говоря о личной трансформации сотрудников, Олег Андреевич Черкашин отметил, что это необходимый шаг перед внедрением генеративного ИИ на уровне организации.
- Олег Андреевич ЧеркашинНачальник АСУ КГБУЗ «Краевая клиническая больница», главный внештатный специалист по ИТ Министерства здравоохранения Красноярского края, генеральный директор ООО «МЕДИКС»Прежде чем внедрять новый инструмент в систему, необходимо понять, с какими задачами способен помочь ИИ конкретным сотрудникам: что именно можно сделать быстрее, проще и эффективнее с его помощью? Только от решения конкретных повседневных задач можно перейти к системному использованию генеративного искусственного интеллекта в клинике.
Первым этапом по подготовке к внедрению стал опрос сотрудников больницы. Специалистам важно было узнать степень общего знакомства с генеративным ИИ, а также понять, используется ли уже этот инструмент стихийно, в повседневных задачах. Результаты показали, что подавляющее число сотрудников (около 65%) знают о генеративных нейросетях, а почти четверть (около 23%) — используют их для решения личных и рабочих задач. Еще выше стоят показатели по использованию умных колонок и голосовых помощников (около 48%).
Таким образом, опросы показали, что процессы стихийного использования генеративного искусственного интеллекта среди сотрудников ККБ Красноярска уже запущены. Согласно полученным результатам, внедрение ИИ в систему — не просто новый этап в развитии клиники, а необходимость. Сделать новый инструмент контролируемым, предсказуемым, точным и надежным в использовании — важный шаг к обеспечению безопасности процессов в медицинском учреждении.
Следующим шагом стал запуск экспериментов с простейшими задачами для генеративных ИИ: написание новостей для корпоративного портала, изучение внутренних стандартов и инструкций, составление ответов на обращения граждан. Эти эксперименты подтвердили эффективность внедряемой технологии и позволили накопить первый опыт системного использования еще до начала интеграции. Особенно интересным кейсом стало составление плана внедрения с помощью ИИ: нейросеть порекомендовала начать процесс с обучения сотрудников. Эта рекомендация легла в основу дальнейших действий экспертов ККБ Красноярска.
Таким образом, опросы показали, что процессы стихийного использования генеративного искусственного интеллекта среди сотрудников ККБ Красноярска уже запущены. Согласно полученным результатам, внедрение ИИ в систему — не просто новый этап в развитии клиники, а необходимость. Сделать новый инструмент контролируемым, предсказуемым, точным и надежным в использовании — важный шаг к обеспечению безопасности процессов в медицинском учреждении.
Следующим шагом стал запуск экспериментов с простейшими задачами для генеративных ИИ: написание новостей для корпоративного портала, изучение внутренних стандартов и инструкций, составление ответов на обращения граждан. Эти эксперименты подтвердили эффективность внедряемой технологии и позволили накопить первый опыт системного использования еще до начала интеграции. Особенно интересным кейсом стало составление плана внедрения с помощью ИИ: нейросеть порекомендовала начать процесс с обучения сотрудников. Эта рекомендация легла в основу дальнейших действий экспертов ККБ Красноярска.
Обучение и поиск применения в медицинских процессах
Обучение сотрудников работе с генеративными ИИ проходило полностью на добровольной основе. К моменту доклада его окончили около 350 человек. Для мотивации к обучению использовался инструмент геймификации: внутренняя корпоративная игра. В ней за прохождение курса присваиваются награды, уровень сотрудника повышается соответственно количеству пройденных обучений, а у каждого отделения есть свой рейтинг, побуждающий к здоровой, экологичной конкуренции с коллегами.
В ходе обучения удалось выяснить часто задаваемые вопросы. Ответы на них публиковались в специально созданном telegram-канале ККБ Красноярска — это позволило не только популяризировать использование генеративных ИИ, но и упростить работу с ними. Кроме того, полезным экспериментом стало написание промпта: «чем ты можешь мне помочь». По нему врач вводит свою специальность, отделение и основные задачи в диалоговое окно и получает рекомендации от нейросети. Оказалось, что 70−80% таких предложенных системой идей можно использовать сразу, без дополнительной подготовки.
Несмотря на широкие возможности генеративного ИИ, главным направлением их внедрения в клинику остаются ежедневные медицинские процессы, в частности — экспертиза медицинской карты и анализ данных. Эксперименты с выгрузкой анонимизированных данных и их анализом в ИИ с оценкой соответствия чек-листу показали высокую эффективность инструмента и стали первым опытом его глобального применения по всему учреждению.
В ходе обучения удалось выяснить часто задаваемые вопросы. Ответы на них публиковались в специально созданном telegram-канале ККБ Красноярска — это позволило не только популяризировать использование генеративных ИИ, но и упростить работу с ними. Кроме того, полезным экспериментом стало написание промпта: «чем ты можешь мне помочь». По нему врач вводит свою специальность, отделение и основные задачи в диалоговое окно и получает рекомендации от нейросети. Оказалось, что 70−80% таких предложенных системой идей можно использовать сразу, без дополнительной подготовки.
Несмотря на широкие возможности генеративного ИИ, главным направлением их внедрения в клинику остаются ежедневные медицинские процессы, в частности — экспертиза медицинской карты и анализ данных. Эксперименты с выгрузкой анонимизированных данных и их анализом в ИИ с оценкой соответствия чек-листу показали высокую эффективность инструмента и стали первым опытом его глобального применения по всему учреждению.
От облачных сервисов к локальным решениям
После этапа с опросами, экспериментами и точечным использованием генеративного ИИ без глубокой интеграции, ККБ Красноярска перешла к вопросам системного внедрения инструмента в организацию. На этом этапе стало понятно, что нейросети способны оказывать значительную поддержку в этом вопросе благодаря навыкам написания кода. Так, в качестве успешного кейса можно привести пример создания первого ИИ-ассистента сотрудника: с помощью грамотно составленных промптов была создана рабочая модель, в то время как их автор не обладал знаниями в области программирования.
Однако при внедрении новых инструментов эксперты ККБ Красноярска столкнулись с проблемами стоимости и безопасности данных. Изначально в больнице использовались облачные модели, но обработка одного файла через эту систему стоила около 78 рублей, что при массовом применении создавало слишком большую финансовую нагрузку на учреждение. Кроме того, облачные сервисы несут в себе риски утечек, что недопустимо для медицинского учреждения, оперирующего огромным количеством личных данных пациентов.
Однако при внедрении новых инструментов эксперты ККБ Красноярска столкнулись с проблемами стоимости и безопасности данных. Изначально в больнице использовались облачные модели, но обработка одного файла через эту систему стоила около 78 рублей, что при массовом применении создавало слишком большую финансовую нагрузку на учреждение. Кроме того, облачные сервисы несут в себе риски утечек, что недопустимо для медицинского учреждения, оперирующего огромным количеством личных данных пациентов.
- Олег Андреевич ЧеркашинНачальник АСУ КГБУЗ «Краевая клиническая больница», главный внештатный специалист по ИТ Министерства здравоохранения Красноярского края, генеральный директор ООО «МЕДИКС»Мы пришли к выводу, что для массовых, скрининговых процессов ККБ Красноярска необходимо локальное решение с собственным сервером. Это позволит обеспечить безопасность данных и снизить операционные затраты.
Данное решение нашло реализацию в развертке собственного локального сервера с нейросетью qAI от компании СП.АРМ. Совместно со специалистами компании локальный генеративный ИИ был интегрирован в ЦОД больницы и внедрен в основные процессы клиники.
Следующим шагом для ККБ Красноярска стала интеграция qAI с МИС qMS. Это позволит объединить все цифровые решения клиники в единую систему автоматизации, ускорит передачу данных и позволит использовать генеративный ИИ бесшовно, в рамках успешно функционирующей МИС больницы.
Следующим шагом для ККБ Красноярска стала интеграция qAI с МИС qMS. Это позволит объединить все цифровые решения клиники в единую систему автоматизации, ускорит передачу данных и позволит использовать генеративный ИИ бесшовно, в рамках успешно функционирующей МИС больницы.
Рабочий кейс: агент для раннего выявления кровотечений
Очередным этапом на пути комплексного развития организации с искусственным интеллектом стало создание первых ИИ-агентов для решения клинических задач. Главные особенность и отличие агента от более ранних инструментов состоят в проактивности и автономности: система самостоятельно анализирует данные и инициирует действия для решения поставленных задач. В медицине такое свойство можно применять в ситуациях, когда классической экспертизы может быть недостаточно.
Так, успешным рабочим кейсом в ККБ Красноярская стало создание агента для раннего выявления кровотечений. В клинической практике встречаются ситуации, когда врач не замечает кровотечение своевременно или предпринимает неверную тактику его лечения. Во многом это связано с сильной загрузкой стационара и нехваткой ресурсов, в том числе и электронных. Необходимо было найти триггерную точку, которая свидетельствовала бы о кровотечении и позволила ИИ-агенту распознавать случаи кровотечения точечно, без массовой проверки медицинских карт.
После месяцев проработки и изучения литературы был найден необходимый триггер — резкое снижение гемоглобина и гематокрита на 30%. Под эти данные был создан ИИ-агент, который, при выявлении таких показателей, автоматически собирает данные и передает их в генеративный ИИ.
Так, успешным рабочим кейсом в ККБ Красноярская стало создание агента для раннего выявления кровотечений. В клинической практике встречаются ситуации, когда врач не замечает кровотечение своевременно или предпринимает неверную тактику его лечения. Во многом это связано с сильной загрузкой стационара и нехваткой ресурсов, в том числе и электронных. Необходимо было найти триггерную точку, которая свидетельствовала бы о кровотечении и позволила ИИ-агенту распознавать случаи кровотечения точечно, без массовой проверки медицинских карт.
После месяцев проработки и изучения литературы был найден необходимый триггер — резкое снижение гемоглобина и гематокрита на 30%. Под эти данные был создан ИИ-агент, который, при выявлении таких показателей, автоматически собирает данные и передает их в генеративный ИИ.
Тот, в свою очередь, проводит анализ и выдает заключение, которое включает:
- Подтверждение кровотечения.
- Указание, знает ли лечащий врач о ситуации.
- Вероятные причины.
- Рекомендации.
За полтора месяца работы система выявила и проанализировала 20 случаев кровотечения. В 19 из них эксперты согласились с решениями ИИ, а в 4 случаях из общего числа система выявила кровотечения, о которых врач не знал или некорректно с ними работал. Это позволило своевременно вмешаться и изменить тактику ведения пациента. В настоящий момент агент функционирует в системе qMS ИИ, которая анализирует собранные данные.
Подробнее о внедрении qMS ИИ в ККБ Красноярска читайте по ссылке.
- Олег Андреевич ЧеркашинНачальник АСУ КГБУЗ «Краевая клиническая больница», главный внештатный специалист по ИТ Министерства здравоохранения Красноярского края, генеральный директор ООО «МЕДИКС»Введенная нами система ежемесячно и даже ежедневно будет спасать несколько жизней. Это доказывает, что искусственный интеллект в медицине способен не только ускорять существующие процессы, но и напрямую влиять на тактику лечения, на состояние пациентов и качество оказания медицинской помощи. И это всего один пример — подобные проекты можно реализовать во множестве направлений.
Как генеративный ИИ превратился из инструмента будущего в настоящее медицины
Завершая доклад, Олег Андреевич Черкашин процитировал заключение, которое также было сгенерировано искусственным интеллектом: «ИИ — это не будущее, а настоящая медицина. Внедрение И И в клиническую практику уже сегодня улучшает диагностику, оптимизирует процессы и повышает качество обслуживания пациентов. Главное — начать с малого, экспериментировать и делиться опытом».
Опыт ККБ Красноярска свидетельствует о том, что генеративный ИИ доступен для внедрения в медицинские организации уже сейчас.
Опыт ККБ Красноярска свидетельствует о том, что генеративный ИИ доступен для внедрения в медицинские организации уже сейчас.
Путь, пройденный больницей, можно использовать в качестве ориентира и в других клиниках:
- Применять ИИ в повседневных задачах, выявляя наиболее эффективные варианты использования;
- Расширять представление об ИИ среди сотрудников и ТОП-менеджмента учреждения;
- Обучать сотрудников локальному применению ИИ;
- Постепенно перейти к системному использованию инструмента на уровне организации;
- Интегрировать ИИ в собственные системы и МИС.
Важно отметить, что проблема информационной безопасности для медицинских учреждений особенно остро встает с развитием цифровых систем — именно поэтому Олег Андреевич Черкашин подчеркнул преимущества доверенных решений, реализованных в собственном ЦОДе клиники.
Кейс Краевой клинической больницы Красноярска наглядно демонстрирует, что поэтапный и продуманный подход к внедрению генеративного ИИ позволяет не только оптимизировать рутину, но и создавать инструменты, напрямую влияющие на качество и безопасность медицинской помощи.
Кейс Краевой клинической больницы Красноярска наглядно демонстрирует, что поэтапный и продуманный подход к внедрению генеративного ИИ позволяет не только оптимизировать рутину, но и создавать инструменты, напрямую влияющие на качество и безопасность медицинской помощи.
Подробнее о том, как нейросети помогают контролировать качество в медицинской организации, рассказал Евгений Александрович Ермилов — врач-невролог консультативно-диагностического отделения КГБУЗ ККБ.
04 декабря / 2025
Автор: Мария Михайлова