Каждая шестая смерть в мире связана с раком — это данные Всемирной организации здравоохранения. Десятилетиями главное оружие онкологии остаётся ранняя диагностика: чем раньше найдена опухоль, тем выше шансы на успешное лечение. ИИ не обещает «лекарства от всего», но он уже меняет три этапа борьбы: поиск опухолей, подбор терапии под конкретного пациента и создание новых препаратов. Разберём, что работает уже сегодня, что проходит клинические испытания и когда это станет массовой практикой — с честными оценками сроков, а не обещаниями.
Диагностика: где ИИ уже сильнее человека
Самое зрелое направление — анализ медицинских изображений. В исследовании, опубликованном в Nature Medicine в 2020 году, система Google Health при разборе маммограмм снизила долю ложных тревог на 5,7% и долю пропущенных случаев рака на 9,4% по сравнению с работой рентгенологов. Для скрининга это критично: каждая ложная тревога — ненужная биопсия и стресс, каждый пропуск — потерянное время, которое стоит пациенту дороже всего.
Маммография и КТ лёгких
Подобные системы уже валидируются в клиниках Европы и США и постепенно входят в программы скрининга. ИИ умеет подсвечивать подозрительные участки на КТ лёгких, УЗИ щитовидной железы, дерматоскопических снимках. Важная деталь: модель не ставит диагноз самостоятельно — она работает «вторым мнением», а финальное решение всегда остаётся за врачом. Именно такая связка «человек плюс ИИ» показывает лучшие результаты в исследованиях.
Цифровая патология
Второе направление — анализ биопсий. ИИ считает клетки, оценивает плотность и структуру ткани, находит признаки, которые глаз пропускает на сотом препарате. По данным пилотных исследований, патологоанатомы с ИИ-ассистентом находят больше отклонений и тратят меньше времени на рутинную сортировку. Это не замена специалиста, а снятие нагрузки, которая растёт быстрее, чем число обученных кадров.
Персонализация лечения: от «среднего пациента» к конкретному
Рак у двух людей с одинаковым формальным диагнозом может вести себя по-разному — и лечиться должен по-разному. ИИ помогает читать геном опухоли: находить мутации, под которые уже существуют таргетные препараты, и оценивать, как пациент, вероятнее всего, ответит на терапию. Часть таких алгоритмов уже применяется в клиниках при отдельных видах рака — это не эксперимент, а рабочая практика.
Модели также прогнозируют риск рецидива, помогают планировать лучевую терапию и подбирать дозы. Автоматическая разметка органов на снимках экономит радиотерапевту часы ручной работы и снижает вероятность ошибки прицеливания. Здесь ИИ действует не «креативно», а как точный инструмент: быстрее, однообразнее, без усталости.
Поиск лекарств: как ИИ сжимает десятилетия
Классический путь препарата — от лабораторной идеи до аптечной полки — занимает 10–15 лет и стоит миллиарды. ИИ сжимает самый долгий этап: поиск и проверку молекул-кандидатов. Прорыв AlphaFold в 2020 году позволил предсказывать трёхмерную структуру белков — база данных DeepMind насчитывает около 200 миллионов предсказанных структур, и ей пользуются исследователи по всему миру, включая онкологов.
Уже существуют препараты, спроектированные с помощью ИИ и дошедшие до клинических испытаний. Самый известный пример — кандидат от идиопатического фиброза лёгких компании Insilico Medicine, первый «ИИ-препарат», вошедший во вторую фазу испытаний. Но здесь нужна максимальная честность: лишь небольшая доля кандидатов доходит до аптек, и даже успешные препараты проходят годы проверки безопасности. ИИ ускоряет этап открытия — но не отменяет испытания на людях, и это правильно.
Честные сроки: когда это станет массовым
Разделим горизонты на три уровня. Всё ниже — оценки, а не гарантии: реальный темп зависит от регуляторики, качества данных и финансирования.
- Уже в клинике: ИИ-ассистенты в радиологии и патологии, часть алгоритмов подбора терапии. Внедрение растёт, но неравномерно по странам и клиникам.
- 5–10 лет (оценка): широкое вхождение ИИ-скрининга в программы медобслуживания развитых стран, включая массовую проверку на несколько видов рака по анализу крови — так называемую жидкую биопсию.
- 10–15 лет (оценка): первые поколения препаратов, спроектированных «с нуля» с помощью ИИ, и заметное удешевление разработки лекарств.
Отдельно стоит сказать про данные. ИИ в медицине учится на обезличенных историях болезней, снимках и биопсиях, и качество моделей напрямую зависит от качества и объёма этих данных. Именно поэтому эффект будет неравномерным: там, где медицина оцифрована, внедрение идёт быстро, там, где записи ведутся на бумаге, — медленно. Оценка: этот разрыв начнёт сокращаться в ближайшие 5–7 лет.
Та же логика работает и в бизнесе: ИИ не заменяет эксперта, а снимает рутину и ускоряет решения. Наши агенты закрывают заявки, звонки и документы — посмотрите, что они умеют уже сегодня.