Искусственный интеллект в дерматовенерологии: новые смыслы, новая практика, новые горизонты

В статье рассматривается влияние технологий искусственного интеллекта (ИИ) на современные подходы к диагностике и лечению в дерматовенерологии и подготовке специалистов. Анализируются направления применения ИИ, включая оценку кожных новообразований, автоматизированный триаж в теледерматологии, интерпретацию изображений при хронических дерматозах, в т.ч. в рамках динамического наблюдения, и поддержку принятия клинических решений. В работе проанализировано 32 источника литературы, большинство из которых составляют иностранные публикации за последние 5 лет. Приведены данные верифицированных исследований, в т.ч. демонстрирующих сопоставимую точность алгоритмов компьютерного зрения и оценки опытных специалистов, а также примеры интеграции ИИ-систем в клиническую практику различных стран. Отдельное внимание уделено вопросам нормативного регулирования и профессиональных барьеров. Обсуждаются условия внедрения технологий высокой степени риска в амбулаторном звене и специализированной помощи в соответствии с действующими регуляторными требованиями, а также факторы, ограничивающие использование ИИ в реальной практике, включая недостаток цифровых компетенций, юридическую неопределенность и осторожное отношение врачей к рекомендациям алгоритмов. Рассматривается концепция «врач-в-контуре» как механизм обеспечения клинической валидности и безопасности решений, основанных на ИИ. Показано, что ИИ способен повысить эффективность диагностики и мониторинга заболеваний, однако его применение требует участия специалиста, интерпретирующего результаты алгоритмов и обеспечивающего соблюдение этических норм. Представлены рекомендации по обучению медицинских работников, выбору и оценке ИИ-инструментов, а также организационные меры, направленные на безопасную и обоснованную интеграцию цифровых технологий в дерматовенерологическую практику. Материал может быть полезен дерматовенерологам, специалистам по цифровой медицине и организаторам здравоохранения, занимающимся вопросами внедрения ИИ и оценкой рисков, связанных с использованием интеллектуальных систем в клинической деятельности, а также преподавателям медицинских дисциплин как в системе высшего и среднего медицинского образования, так и в системе дополнительного профессионального образования, что в итоге влияет на качество оказываемой медицинской помощи.

Для цитирования: Мартынов А.А., Лернер М.Ю., Мерцалова И.Б., Сысоева Т.А., Мураховская Е.К., Власова А.В., Плахова К.И., Ткаченко Д.Л. Искусственный интеллект в дерматовенерологии: новые смыслы, новая практика, новые горизонты. Фарматека. 2026;33(5):41-48. DOI: https://dx.doi.org/10.18565/pharmateca.2026.5.41-48

Вклад авторов: А.А. Мартынов – концепция и дизайн исследования, редактирование. М.Ю. Лернер, И.Б. Мерцалова, Т.А. Сысоева, Е.К. Мураховская, К.И. Плахова, Д.Л. Ткаченко – сбор и обработка материала, написание текста, составление списка литературы. А.В. Власова – сбор и обработка материала, написание текста, редактирование. Все авторы несут ответственность за целостность всех частей рукописи и утверждение окончательного варианта рукописи.
Конфликт интересов: Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.
Финансирование: Работа выполнена без спонсорской поддержки.

Введение

Искусственный интеллект (ИИ) перестал быть футуристическим понятием и все чаще становится интегральной составляющей медицинской практики. Дерматовенерология – одна из дисциплин, наиболее восприимчивых к цифровым инновациям благодаря визуальной природе диагнозов и большому объему обрабатываемых изображений, различных данных [1–3].

В ноябре 2022 г. компания OpenAI (США) представила модель GPT-3.5 (Generative Pre-trained Transformer), что открыло возможности внедрения генеративных моделей, интеграции ИИ-систем в клиническую среду, включая алгоритмы диагностики кожных заболеваний, телемедицинские платформы, автоматизированные системы подбора лечения и мониторинга. В настоящее время наблюдается переход от экспериментальных решений к широкомасштабному применению валидированных ИИ-продуктов в практике врача-дерматовенеролога [4]^{1, 2}.

Вместе с тем активное распространение технологий ИИ вызывает опасения и сопротивление со стороны профессионального сообщества. В числе основных вопросов остается страх замещения: могут ли алгоритмы заменить врача? Как сохранить качество и этические принципы медицины в условиях цифровой трансформации?

Целью статьи является систематизация данных о текущем состоянии и перспективах ИИ в дерматовенерологии, определение ключевых областей применения, устранение опасений специалистов. Основная задача – обеспечить информационную безопасность и показать, что ИИ расширяет возможности врача, а не заменяет его.

Эволюция ИИ в медицине: от экспериментов к практике

ИИ прошел путь от простых алгоритмов поддержки принятия решений до многоуровневых моделей, способных интерпретировать медицинские изображения, анализировать структурированные и неструктурированные данные и взаимодействовать с пациентами в форме цифровых ассистентов [5]. В дерматовенерологии этот путь включал несколько этапов.

• Первый этап (2015–2018): появление классификаторов кожных новообразований по фотографиям (например, A. Esteva и соавт. [1, 6]).
• Второй этап (2019–2022): разработка и опытное внедрение моделей и платформ для поддержки врачебных решений, интеграция в телемедицину, создание общедоступных приложений (SkinVision³, DermAssist⁴, VisualDx⁵).
• Третий этап (2023–2025): внедрение explainable AI, персонализированных терапевтических моделей, генеративных систем (DermGPT, MedPalm [4], BioGPT [7]), регулирование (AI Act⁶, WHO Guidance [8], FDA Plan⁷).

К настоящему моменту доказана сопоставимая точность некоторых ИИ-систем с мнением опытных дерматовенерологов, особенно в диагностике меланомы, базальноклеточного рака, атопического дерматита [9–11]. Крайне важным для процесса внедрения ИИ в клиническую и научную практику в дерматовенерологии является жесткая стандартизация процессов [12].

Объединенные датасеты (HAM10000 [13], ISIC⁸) обеспечили обучение алгоритмов на миллионах изображений. Ряд систем получил регистрацию в качестве медицинских изделий.

Тем не менее использование ИИ в реальной практике требует не только технической валидации, но и профессиональной адаптации: интерфейсы, обучение, доверие и этическое сопровождение [7].

ИИ в дерматовенерологии: текущее состояние и практическое применение

К 2025 г. применение технологий ИИ в дерматовенерологии вышло за рамки экспериментальных прототипов и стало частью клинической практики ведущих центров США, стран Европы и Азиатско-Тихоокеанского региона. Инструменты, созданные разработчиками с применением технологий и возможностей ИИ, интегрируются в диагностические процессы, планирование маршрутизации пациентов, мониторинг заболеваний, телемедицинское взаимодействие, а также в профессиональное образование. Среди основных направлений такой работы можно выделить следующие.

• Диагностика кожных новообразований. Системы и алгоритмы на основе «сверточных нейронных алгоритмов» (CNN – convolutional neural networks) демонстрируют диагностическую точность, в частности чувствительность и специфичность до 91–95% [1, 9]. Такие показатели сопоставимы с результатами опытных экспертов-дерматологов. В ряде исследований точность алгоритмов при выявлении меланомы и других злокачественных новообразований кожи достигала 91–95% [9, 10]. В частности, эти данные подтверждают, что ИИ может использоваться как вспомогательный инструмент при раннем выявлении онкологической патологии (таблица).
• Анализ хронических дерматозов. Использование ИИ для стратификации степени тяжести псориаза, атопического дерматита, экземы по изображениям и анамнезу (AI-PASI, DeepAtopic Index). Активно разрабатываются модели, позволяющие количественно оценивать тяжесть атопического дерматита и псориаза по изображениям кожи. Например, системы, интегрирующие визуальные данные и клинический анамнез, продемонстрировали эффективность при расчете индекса PASI и стратификации пациентов по степени тяжести заболевания [12, 14]. Анализ клинических изображений из рандомизированных исследований также продемонстрировал, что обучение на стандартизованных наборах повышает переносимост...

Мартынов А.А., Лернер М.Ю., Мерцалова И.Б., Сысоева Т.А., Мураховская Е.К., Власова А.В., Плахова К.И., Ткаченко Д.Л.