Печать
№1 (30) / 2026 Весь выпуск

Дата выхода 27.02.2026

ОБЗОРЫ И РЕЦЕНЗИИ

  

 

Кислицына Ольга Анатольевна

доктор экономических наук, главный научный сотрудник

ФГБУН Институт экономики РАН (Москва),

Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

https://orcid.org/0000-0002-4144-237X

 

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ЗДРАВООХРАНЕНИИ: «ЛЕКАРСТВО» ИЛИ «ЯД»?

Размер файла215-227
Размер файла  183 КБ
  Лицензия Creative Commons 4.0 
 

Стоимость медицинского обслуживания населения увеличивается по всему миру из-за роста населения, старения, распространения хронических заболеваний, расширения доступа к медицине и удорожания технологий и препаратов. На этом фоне всё большее значение приобретает искусственный интеллект (ИИ). ИИ применяется в диагностике, разработке лекарств, хирургии, административных процессах, реабилитации, индивидуализации лечения и в удалённой медицине. Он ускоряет процессы, снижает затраты, повышает точность и качество лечения. Однако его использование вызывает споры. Цель исследования – выявить преимущества и риски применения ИИ в здравоохранении на основе анализа публикаций на русском и английском языках. Установлено, что внедрение ИИ в здравоохранение обеспечивает различные медицинские (поддержка принятия решений, персонализированное лечение, прогнозирование заболеваний, повышение точности хирургии, помощь в сфере психического здоровья), экономические и социальные преимущества (снижение расходов, повышение доступности, автоматизация задач, ускорение диагностики, расширение возможностей для пациентов через носимые устройства). Риски ИИ можно сгруппировать как этические и политико-правовые (возможные ошибки и отсутствие ответственности, потеря эмпатии, чрезмерная зависимость от ИИ, угрозы конфиденциальности и национальной безопасности, отсутствие правовой базы и стандартов регулирования), социально-экономические (высокие затраты на внедрение, риск усиления неравенства и цифрового разрыва, сопротивление со стороны как врачей, так и пациентов), технологические (ограниченность и предвзятость данных, недостаточная прозрачность и надёжность моделей, трудности интеграции в клиническую практику). Таким образом, ИИ имеет огромный потенциал в здравоохранении, но его внедрение связано с серьёзными вызовами. Поскольку риски пока преобладают, его использование должно быть поэтапным, с чётким контролем, ограничением этическими и правовыми рамками.

 

Ключевые слова: искусственный интеллект, здравоохранение, медицинские технологии, преимущества, недостатки

 

JEL: I11, I18, M15, O14, O31

УДК: 614.2, 004.89

DOI: 10.52342/2587-7666VTE_2026_1_215_227

 

© О.А. Кислицына, 2026

© ФГБУН Институт экономики РАН «Вопросы теоретической экономики», 2026. 

 

ЛИТЕРАТУРА 

  1. Аликперова Н.В. (2023). Искусственный интеллект в здравоохранении: риски и возможности // Здоровье мегаполиса. № 4(3). С. 41–49. DOI: 10.47619/2713-2617.zm.2023.v.4i3;41-49.

  2. Куракова Н.Г., Цветкова Л.А., Черченко О.В. (2020). Технологии искусственного интеллекта в медицине и здравоохранении: позиции России на глобальном патентном и публикационном ландшафте // Врач и информационные технологии. № 2. С. 81–100. DOI: 10.37690/1811-0193-2020-2-81-100.

  3. Ламоткин А.И., Корабельников Д.И., Ламоткин И.А., Лившиц С.А., Перевалова Е.Г. (2024). Искусственный интеллект в здравоохранении и медицине: история ключевых событий, его значимость для врачей, уровень развития в разных странах // ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. № 17(2). С. 243–250. DOI: 10.17749/2070-4909/farmakoekonomika.2024.254.

  4. Морозов Д.Ю., Омельяновский В.В. (2024). Нужен ли искусственный интеллект системе здравоохранения? // Медицинские технологии. Оценка и выбор. № 46(4). С. 40–48. DOI: 10.17116/medtech20244604140.

  5. Al Kuwaiti A., Nazer K., Al-Reedy A., Al-Shehri S., Al-Muhanna A., Subbarayalu A.V., Al Muhanna D., Al-Muhanna F.A. (2023). A Review of the Role of Artificial Intelligence in Healthcare // Journal of Personalized Medicine. Vol. 13. No. 6. P.951. DOI: 10.3390/jpm13060951.

полный список публикаций

закрыть список

  1. Aung Y.Y.M., Wong D.C.S., Ting D.S.W. (2021). The promise of artificial intelligence: a review of the opportunities and challenges of artificial intelligence in healthcare // British Medical Bulletin. Vol. 139. No. 1. Pp. 4–15. DOI: 10.1093/bmb/ldab016.

  2. Beck J.T., Rammage M., Jackson G.P., Preininger A.M., Dankwa-Mullan I., Roebuck M.C., Torres A., Holtzen H., Coverdill S.E., Williamson M.P., Chau Q., Rhee K., Vinegra M. (2020). Artificial Intelligence Tool for Optimizing Eligibility Screening for Clinical Trials in a Large Community Cancer Center // JCO Clinical Cancer Informatics. No. 4. Pp. 50–59. DOI: 10.1200/CCI.19.00079.

  3. Botha N.N., Segbedzi C.E., Dumahasi V.K., Maneen S., Kodom R.V., Tsedze I.S., Akoto L.A., Atsu F.S., Lasim O.U., Ansah E.W. (2024). Artificial intelligence in healthcare: a scoping review of perceived threats to patient rights and safety // Archives of Public Health. Vol. 82. No. 1. Pp.188. DOI: 10.1186/s13690-024-01414-1.

  4. Bush J. (2018). How AI is taking the scut work out of health care // Harvard Business Review Digital Article. URL: https://hbr.org/2018/03/how-ai-is-taking-the-scut-work-out-of-health-care

  5. Cheng J.Z., Ni D., Chou Y.H., Qin J., Tiu C.M., Chang Y.C., Huang C.S., Shen D., Chen C.M. (2016). Computer-Aided Diagnosis with Deep Learning Architecture: Applications to Breast Lesions in US Images and Pulmonary Nodules in CT Scans // Scientific Reports. No. 6. Pp. 24454. DOI: 10.1038/srep24454.

  6. Chustecki M. (2024). Benefits and Risks of AI in Health Care: Narrative Review // Interactive Journal of Medical Research. No. 13. P. e53616. DOI: 10.2196/53616.

  7. Dilsizian S.E., Siegel E.L. (2014). Artificial intelligence in medicine and cardiac imaging: harnessing big data and advanced computing to provide personalized medical diagnosis and treatment // Current Cardiology Reports. Vol. 16. No. 1. Pp. 441. DOI: 10.1007/s11886-013-0441-8.

  8. Farhud D.D., Zokaei S. (2021). Ethical Issues of Artificial Intelligence in Medicine and Healthcare // Iranian Journal of Public Health. Vol. 50. No. 11. Pp. 1–5. DOI: 10.18502/ijph.v50i11.7600.

  9. Fogel A.L, Kvedar J.C. (2018). Artificial intelligence powers digital medicine // NPJ Digit Medicine. No. 1. P. 5. DOI: 10.1038/s41746-017-0012-2.

  10. Hamet P., Tremblay J. (2017). Artificial intelligence in medicine // Metabolism. No. 69. Pp. 36-40. DOI: 10.1016/j.metabol.2017.01.011.

  11. Hashimoto D.A., Ward T.M., Meireles O.R. (2020). The Role of Artificial Intelligence in Surgery // Advances in Surgery. No. 54. Pp. 89–101. DOI: 10.1016/j.yasu.2020.05.010.

  12. Hu Y., Chen Q., Du J., Peng X., Keloth V.K., Zuo X., Zhou Y., Li Z., Jiang X., Lu Z., Roberts K., Xu H. (2024). Improving large language models for clinical named entity recognition via prompt engineering // Journal of the American Medical Informatics Association. Vol. 31. No. 9. Pp. 1812–1820. DOI: 10.1093/jamia/ocad259.

  13. Hu J., Perer A., Wang F. (2016). Data Driven Analytics for Personalized Healthcare // Healthcare Information Management Systems / C. Weaver, M. Ball, G. Kim, J. Kiel (eds). – Cham: Health Informatics, Springer. DOI: 10.1007/978-3-319-20765-0_31.

  14. Ichikawa D., Saito T., Ujita W., Oyama H. (2016). How can machine-learning methods assist in virtual screening for hyperuricemia? A healthcare machine-learning approach // Journal of Biomedical Informatics. No. 64. Pp. 20–24. DOI: 10.1016/j.jbi.2016.09.012.

  15. Izere S., Sibomana O. (2024). Artificial intelligence in medicine: advantages and disadvantages for today and the future // International Journal of Surgery Open. Vol. 62. No. 4. Pp. 471-473. DOI: 10.1097/IO9.0000000000000133.

  16. Johnson K.W., Torres Soto J., Glicksberg B.S., Shameer K., Miotto R., Ali M., Ashley E., Dudley J.T. (2018). Artificial Intelligence in Cardiology // Journal of the American College of Cardiology. Vol. 71. No. 23. Pp. 2668–2679. DOI: 10.1016/j.jacc.2018.03.521.

  17. Kaul V., Enslin S., Gross S.A. (2020). History of artificial intelligence in medicine // Gastrointestinal Endoscopy. Vol. 92. No. 4. Pp. 807–812. DOI: 10.1016/j.gie.2020.06.040.

  18. Khan B., Fatima H., Qureshi A, Kumar S, Hanan A, Hussain J, Abdullah S. (2023). Drawbacks of Artificial Intelligence and Their Potential Solutions in the Healthcare Sector // Biomed Mater Devices. No. 8. Pp. 1–8. DOI: 10.1007/s44174-023-00063-2.

  19. Le Glaz A., Haralambous Y., Kim-Dufor D.H., Lenca P., Billot R., Ryan T.C., Marsh J., DeVylder J., Walter M., Berrouiguet S., Lemey C. (2021). Machine Learning and Natural Language Processing in Mental Health: Systematic Review // Journal of Medical Internet Research. Vol. 23. No. 5. Pp. e15708. DOI: 10.2196/15708.

  20. Li D.M., Parikh S., Costa A. (2025). A critical look into artificial intelligence and healthcare disparities // Frontiers in Artificial Intelligence. No. 8. P. 1545869. DOI: 10.3389/frai.2025.1545869.

  21. Maleki Varnosfaderani S., Forouzanfar M. (2024). The Role of AI in Hospitals and Clinics: Transforming Healthcare in the 21st Century // Bioengineering (Basel). Vol. 11. No. 4. Pp. 337. DOI: 10.3390/bioengineering11040337.

  22. Marwan M., Kartit A., Ouahmane H. (2018). Security enhancement in healthcare cloud using Machine Learning // Procedia Computer Science. Vol. 127. Pp. 388–397. DOI: 10.1016/j.procs.2018.01.136.

  23. Mishori R. (2025). Artificial Intelligence Technology in Healthcare and the Digital Divide // Digital Health, AI and Generative AI in Healthcare / T. Adirim (ed). – Cham: Springer, DOI: 10.1007/978-3-031-83526-1_11.

  24. Nguyen L.T., Do T.T.H. (2019). Artificial Intelligence in Healthcare: A New Technology Benefit for Patients and Doctors / Portland International Conference on Management of Engineering and Technology (PICMET). – Portland. OR. USA. Pp. 1-15. DOI: 10.23919/PICMET.2019.8893884.

  25. Rahman M.A., Victoros E., Ernest J., Davis R., Shanjana Y., Islam M.R. (2024). Impact of Artificial Intelligence (AI) Technology in Healthcare Sector: A Critical Evaluation of Both Sides of the Coin // Journal of Clinical Pathology. No. 17. Pp. 2632010X241226887. DOI: 10.1177/2632010X241226887.

  26. Rajkomar A., Oren E., Chen K., Dai A.M., Hajaj N., Hardt M., Liu P.J., Liu X., Marcus J., Sun M., Sundberg P., Yee H., Zhang K., Zhang Y., Flores G., Duggan G.E., Irvine J., Le Q., Litsch K., Mossin A., Tansuwan J., Wang D., Wexler J., Wilson J., Ludwig D., Volchenboum S.L., Chou K., Pearson M., Madabushi S., Shah N.H., Butte A.J., Howell M.D., Cui C., Corrado G.S., Dean J. (2018). Scalable and accurate deep learning with electronic health records // NPJ Digital Medicine. No. 1. Pp. 18. DOI: 10.1038/s41746-018-0029-1.

  27. Rishu C., Rajnandani R., Akanksha S., Sanjeev P. (2025). AI Bias: Causes, Impacts, and Ways to Address It // International Journal of Algorithms Design and Analysis Review. Vol. 3. No. 1. Pp. 55–62.

  28. Rysavy M. (2013). Evidence-based medicine: a science of uncertainty and an art of probability // Virtual Mentor. Vol. 15. No. 1. Pp. 4–8. DOI: 10.1001/virtualmentor.2013.15.1.fred1-1301.

  29. Shaheen M.Y. (2021). AI in Healthcare: medical and socio-economic benefits and challenges // Science Open Preprints. DOI: 10.14293/S2199-1006.1.SOR-.PPRQNI1.v1.

  30. Shimabukuro D.W., Barton C.W., Feldman M.D., Mataraso S.J., Das R. (2017). Effect of a machine learning-based severe sepsis prediction algorithm on patient survival and hospital length of stay: a randomised clinical trial // BMJ Open Respiratory Research. Vol. 4. No. 1. Pp. e000234. DOI: 10.1136/bmjresp-2017-000234.

  31. Siafakas N., Vasarmidi E. (2024). Risks of Artificial Intelligence (AI) in Medicine // Pneumon. Vol. 37. No. 3. P. 40. DOI:10.18332/pne/191736.

  32. Stewart J., Sprivulis P., Dwivedi G. (2018). Artificial intelligence and machine learning in emergency medicine // Emergency Medicine Australasia. Vol. 30. No. 6. Pp. 870–874. DOI: 10.1111/1742-6723.13145.

  33. Sun T.Q., Medaglia R. (2019). Mapping the challenges of artificial intelligence in the public sector: evidence from public healthcare // Government Information Quarterly. Vol. 36. No. 2. Pp. 368–383. DOI: 10.1016/j.giq.2018.09.008.

  34. Tomašev N., Glorot X., Rae J.W., Zielinski M., Askham H., Saraiva A., Mottram A., Meyer C., Ravuri S., Protsyuk I., Connell A., Hughes C.O., Karthikesalingam A., Cornebise J., Montgomery H., Rees G., Laing C., Baker C.R., Peterson K., Reeves R., Hassabis D., King D., Suleyman M., Back T., Nielson C., Ledsam J.R., Mohamed S. (2019). A clinically applicable approach to continuous prediction of future acute kidney injury // Nature. Vol. 572. No. 7767. Pp. 116-119. DOI: 10.1038/s41586-019-1390-1.

  35. Topol E.J. (2019). High-performance medicine: the convergence of human and artificial intelligence // Nature Medicine. Vol. 25. No. 1. Pp. 44–56. DOI: 10.1038/s41591-018-0300-7.

  36. van der Schaar M., Alaa A.M., Floto A., Gimson A., Scholtes S., Wood A., McKinney E., Jarrett D., Lio P., Ercole A. (2021). How artificial intelligence and machine learning can help healthcare systems respond to COVID-19 // Machine Learning. Vol. 110. No. 1. Pp. 1–14. DOI: 10.1007/s10994-020-05928-x.

  37. Vayena E., Blasimme A., Cohen I.G. (2018). Machine learning in medicine: Addressing ethical challenges // PLOS Medicine. Vol. 15. No. 11. Pp. e1002689. DOI: 10.1371/journal.pmed.1002689.

  38. Verghese A., Shah N.H., Harrington R.A. (2018). What This Computer Needs Is a Physician: Humanism and Artificial Intelligence // JAMA. Vol. 319. No. 1. Pp. 19–20. DOI: 10.1001/jama.2017.19198.

  39. Vollmer S., Mateen B.A., Bohner G., Király F.J., Ghani R., Jonsson P., Cumbers S., Jonas A., McAllister K.S.L., Myles P., Granger D., Birse M., Branson R., Moons K.G.M., Collins G.S., Ioannidis J.P.A., Holmes C., Hemingway H. (2020). Machine learning and artificial intelligence research for patient benefit: 20 critical questions on transparency, replicability, ethics, and effectiveness // BMJ. No. 368. P. l6927. DOI: 10.1136/bmj.l6927.

  40. Wang F., Preininger A. (2019). AI in Health: State of the Art, Challenges, and Future Directions // Yearbook of Medical Informatics. Vol. 28. No. 1. Pp. 16–26. DOI: 10.1055/s-0039-1677908.

  41. Wang X.Q., Sun H.Q., Si J.Y., Lin Z.Y., Zhai X.M., Lu L. (2024). Challenges and suggestions of ethical review on clinical research involving brain-computer interfaces // Chinese Medical Sciences Journal. Vol. 39. No. 2. Pp. 131–139. DOI:10.24920/004377.

  42. Wiens J., Shenoy E.S. (2018). Machine Learning for Healthcare: On the Verge of a Major Shift in Healthcare Epidemiology // Clinical Infectious Diseases. Vol. 66. No. 1. Pp.149–153. DOI: 10.1093/cid/cix731.

  43. Young S.D., Crowley J.S., Vermund S.H. (2021). Artificial intelligence and sexual health in the USA // Lancet Digital Health. Vol. 3. No. 8. Pp. e467–e468. DOI: 10.1016/S2589-7500(21)00117-5.

  44. Zafar H.M., Ip I.K., Mills A.M., Raja A.S., Langlotz C.P., Khorasani R. (2019). Effect of Clinical Decision Support-Generated Report Cards Versus Real-Time Alerts on Primary Care Provider Guideline Adherence for Low Back Pain Outpatient Lumbar Spine MRI Orders // American Journal of Roentgenology. Vol. 212. No. 2. Pp.386–394. DOI: 10.2214/AJR.18.19780.

 

 

Дата поступления рукописи: 16.11.2025

Дата принятия к публикации: 09.12.2025

 

Для цитирования:

Кислицына О.А. Искусственный интеллект в здравоохранении: «лекарство» или «яд»? // Вопросы теоретической экономики. 2026. №1. С. 215–227. DOI: 10.52342/2587-7666VTE_2026_1_215_227