Внедрение искусственного интеллекта в неонатологическую практику: будущее уже наступило?
31 августа 2025 г. исполнилось 70 лет с момента, когда в научной литературе впервые был обоснован термин «искусственный интеллект» (ИИ; artificial intelligence, AI) – в проекте научного исследования под названием «Предложение для летнего исследовательского проекта в Дартмуте по искусственному интеллекту». Авторство опубликованного в 1955 г. проекта принадлежало группе: J. McCarthy, M.L. Minsky, N. Rochester и C.E. Shannon [1].
В преамбуле к документу сказано: «Исследование должно проводиться на основе гипотезы о том, что каждый аспект обучения или любая другая особенность интеллекта в принципе могут быть описаны настолько точно, что для их моделирования может быть создана машина. Будет предпринята попытка выяснить, как заставить машины использовать язык, формировать абстракции и концепции, решать проблемы, которые в настоящее время решаются людьми, и совершенствовать себя». Авторы считали, что существенный прогресс в области ИИ может быть достигнут путем решения одной или нескольких проблем, если тщательно отобранная группа ученых поработает над ними вместе в течение лета (1956). В документе были также приведены некоторые аспекты развития ИИ.
Несмотря на то что решить поставленную авторами задачу в течение лета 1956 г. не удалось, этот проект послужил точкой отсчета для теоретической разработки и практического внедрения ИИ во всем мире. Темпы его развития ускорялись с течением времени, параллельно с увеличением вычислительных мощностей, кото рые поступали в распоряжение исследователей, и развитием компьютерной техники в целом.
Для понимания современных возможностей ИИ нам необходимо вспомнить значение некоторых технических терминов, раскрывающих сущность данной технологии. В строгом смысле слов ИИ – это область информатики и инженерии, которая занимается созданием программ и систем, способных выполнять задачи, требующие человеческого мышления.
Вместе с тем в последнее время термин «искусственный интеллект» все чаще ассоциируется с самими машинными системами, созданными на его основе. Цель внедрения систем, основанных на ИИ, – дать возможность машине (компьютеру, компьютерной системе, мобильному телефону, медицинскому прибору и др.) выполнять задачи, для которых обычно требуется человеческий интеллект: распознавать образы, понимать язык, принимать решения.
Наиболее частые задачи, которые успешно решаются сегодня с использованием ИИ, – классификация и распознавание образов, текстов, речи; прогнозирование и анализ тенденций, событий или результатов чего-либо на основе исторических и текущих данных; автоматизация рутинных процессов.
Для решения вышеперечисленных задач используют технологию машинного обучения (Machine Learning, ML). В настоящее время выделяют несколько видов ML: машинное обучение с учителем (Supervised Learning, SL) – контролируемое оператором машинное обучение;
обучение без учителя (Unsupervised Learning, UL) – когда компьютерные алгоритмы самостоятельно ищут структуру и закономерности в неразмеченных данных. Также выделяют обучение с подкреплением (Reinforcement Learning, RL) – когда ИИ учится принимать оптимальные решения через взаимодействие машины со средой (для этого не требуются заранее подготовленные данные с правильными ответами или известной структурой), и глубокое обучение (Dee p Learning, DL), при котором ИИ использует многослойные искусственные нейронные сети для извлечения признаков из неструктурированных данных, содержащих аудио-, видеоизображения или тексты.
В последние несколько лет во многие области человеческой деятельности активно внедряется технология генеративного искусственного интеллекта (Generative AI, GenAI), которая позволяет ИИ формировать новые виртуальные объекты на основе изученных данных.
Благодаря этой технологии созданы большие языковые модели (Large Language Models, LLM). Под аббревиатурой LLM подразумевается тип ИИ, который фокусируется на обработке и генерации естественного языка. Большие языковые модели связаны с генеративным ИИ (GenAI), так как используют алгоритмы глубокого обучения (DL) для анализа и создания нового контента, аналогичного тому, на котором они обучались. Таким образом, LLM объединяют области обработки естественного языка (Natural Language Processing, NLP) и генеративного ИИ. Иными словами, LLM одновременно используют методы NLP для понимания языка и применяют GenAI для создания оригинальных, похожих на человеческие ответов на запросы.
Уверен, что, несмотря на обилие технических терминов, большинство наших читателей имеют успешный опыт использования ИИ в повседневной практике и уже не раз применяли для решения отдельных задач как минимум одну из компьютерных программ, основанных на LLM: нейросеть «Алиса» – от компании Яндекс, нейросети DeepSeek-R1 и DeepSeek-V3 – от компании DeepSeek, ChatGPT – от OpenAI; Claude – от Anthropic; Gemini – от Google; Copilot – от Microsoft.
Должен признаться читателям, что первые две из вышеперечисленных программ были использованы мною для уточнения смысла технических терминов и составления поисковых запросов тематических публикаций при подготовке данного текста.
Несмотря на то что возможность использования ИИ в медицине рассматривалась с начала 1960-х гг., первые публикации о применении данной технологии в неонатологии датированы 1988 г. Характерно , что одна из двух первых публикаций была посвящена изучению взаимосвязи вариабельности сердечного ритма новорожденных и синдрома внезапной детской смертности при помощи генератора экспертных систем [2], а вторая – созданию прототипа системы для разработки перинатальных знаний с использованием инструментов ИИ [3].
Анализ публикаций, зарегистрированных в Национальном центре биотехнологической информации США, на основании запроса (“Artificial Intelligence”[Mesh] OR “Machine Learning”[Mesh] OR “Deep Learning”[Mesh] OR “Neural Networks, Computer”[Mesh]) AND (“Neonatology”[Mesh] OR “Perinatology”[Mesh] OR “Infant, Newborn”[Mesh] OR neonatal OR newborn), сделанного 19.11.2025, выявил через поисковую систему PubMed [4] 2174 опубликованных статьи. Дополнительно найдено 12 работ, публикация которых запланирована в декабре 2025 г. и в январе 2026 г. Итого по нашему запросу в PubMed выявлено тематических 2188 ссылок из более чем 39 млн, зарегистрированных в базе данных.
Распределение публикаций по годам выявило существенный всплеск интереса к использованию ИИ в неонатологии и перинатологии (применительно к новорожденным) с 2019 г. Об этом свидетельствует следующая статистика: за 30 лет с первой публикации (с 1988 по 2018 г.) по указанному выше запросу найдена 691 публикация, а за последние 7 лет (с 2019 по 2025 г.) – 1519.
На наш взгляд, такая закономерность не случайна – именно в последние годы произошло активное развитие ИИ на основе DL и LLM. При этом ИИ в неонатологии стал активно использоваться не только для научных исследований, но и в клинических целях.
Для многих врачей-неонатологов большой интерес представляют работы, посвященные практическому применению ИИ в отделениях реанимации и интенсивной терапии. Отделение реанимации и интенсивной терапии для новорожденных (ОРИТН) – это среда с большим объемом данных, которая идеально подходит для внедрения машинного обучения и ИИ в систему поддержки принятия клинических решений. Вместе с тем приложения на основе ИИ редко используются в клинической практике из-за инфраструктурных и технических ограничений. Требования к техническим решениям для сбора, хранения и обработки данных, необходимых для работы с ИИ в отделениях неонатального профиля, описаны в статье, опубликованной недавно в электронном журнале AAP Neoreviews [5]. Там же перечислены проблемы, связанные с интеграцией структурированных и неструктурированных данных из электронных медицинских карт, прикроватных мониторов, систем визуализации и других источников клинической информации.
В обзорной статье «Искусственный интеллект в отделении интенсивной терапии для новорожденных: пришло время», опубликованной в 2024 г., указывается, что ИИ способен произвести революцию в работе отделений интенсивной терапии для новорожденных [6]. В обзоре подробно рассмотрены 4 основные категории применения ИИ в условиях ОРИТН: интерпретация изображений, прогнозное моделирование на основе данных электронных медицинских карт, интеграция данных мониторинга в реальном времени, а также ведение документации. По мнению авторов статьи, ИИ способен улучшить процесс принятия клинических решений, оптимизировать лечебно-диагностические процессы и повысить эффективность лечения тяжелобольных новорожденных.
Не меньший интерес представляет работа «Искусственный интеллект и информатика в реанимации новорожденных» [7].
Авторы данного обзора, опираясь на опубликованные другими исследователями данные, проанализировали ближайшие перспективы внедрения систем ИИ в повседневную практику неонатологов. Среди них особое внимание было уделено возможностям ИИ по прогнозированию клинического ухудшения состояния детей в условиях ОРИТН. Учитывая, что источниками информации об актуальном состоянии тяжелобольного пациента являются разнородные данные [от прикроватных мониторов, аппаратов искусственной вентиляции легких (ИВЛ), шприцевых насосов и т.п., из электронных медицинских карт с кодами диагнозов, результатами лабораторных инструментальных анализов, врачебными назначениями и др.], в большинстве случаев врач не способен проанализировать непрерывно поступающую информацию одновременно. В то же время даже незначительные изменения вариабельности сердечного ритма новорожденного, часто незаметные для врача, могут указывать на ухудшение состояния ребенка, вызванного ранним неонатальным сепсисом или развитием некротизирующего энтероколита (НЭК). Авторы подчеркивают, что непрерывный мониторинг жизненно важных функций [частота сердечных сокращений, насыщение крови кислородом, сатурация (SpO2), частота дыхания, артериальное давление и др.] с использованием технологии ИИ помогает более оперативно выявлять эти изменения и своевременно оповещать врача о негативной динамике состояния, что обеспечивает более раннее и эффективное вмешательство. Из обзора следует, что в США уже зарегистрированы несколько программных платформ с поддержкой ИИ, которые анализируют в режиме реального времени физиологические данные с кардиореспираторных мониторов. Эти платформы используют методы машинного обучения для поддержки принятия клинических решений.
Другим примером практического использования ИИ в детской реанимации, на который ссылаются авторы, является автоматизированный анализ сердечного ритма, помогающий принять решение в режиме реального времени о дефибрилляции во время сердечно-легочной реанимации. Еще одним аспектом использования ИИ в неонатологии, описанным в данной статье, является повышение качества и доступности обучения первичной реанимации новорожденных. Уже сегодня отдельные манекены для реанимации новорожденных, такие как NeoNatalie™, предлагают персонализированный подход к обучению с помощью анализа действий обучающегося на основе искусственного интеллекта, в частности при отработке техники вентиляции легких с помощью мешка Амбу. Благодаря этому обучающиеся могут практиковаться самостоятельно и получать обратную связь по конкретным навыкам, требующим улучшения. Авторы считают, что дистанционное обучение с помощью симуляции реанимации новорожденных на основе использования ИИ значительно повысит качество медицинской помощи в ближайшем будущем. Сочетание дополненной, виртуальной реальности и генеративного искусственного интеллекта может привести к повышению эффективности индивидуального дистанционного обучения технике реанимации «по запросу».
Вместе с тем, согласно анализу литературы, опубликованному в 2024 г. под названием «От байтов до постели больного: систематический обзор использования и готовности искусственного интеллекта в неонатальных и педиатрических отделениях интенсивной терапии», практическое внедрение ИИ в неонатологию не столь радужно [8]. Целью систематического обзора была оценка степени зрелости различных моделей ИИ, предназначенных для использования в профильных отделениях реанимации и интенсивной терапии. Из 1257 найденных авторами тематических исследований были отобраны 262, наиболее полно удовлетворяющих критериям включения. Важно отметить, что большинство исследований проводилось в отделениях интенсивной терапии новорожденных (66%). При анализе результатов применения ИИ в 77% из них был выявлен высокий риск систематической ошибки. Основной причиной высокого риска систематической ошибки был недостаточный размер выборки, на основании которой делались выводы об эффективности технологии. Авторами обзора не выявлено ни одного исследования, в котором модель ИИ использовалась бы в повседневной клинической практике. Большинство исследований на момент публикации находились на этапе создания прототипов и разработки моделей. На основании этого авторы систематического обзора пришли к выводу, что большинство моделей ИИ все еще находятся на стадии тестирования или создания прототипов. Опубликованные результаты использований, посвященных применению ИИ в неонатологии и педиатрии, подвержены высокому риску предвзятости. Для того чтобы обеспечить безопасность и надежность моделей ИИ в условиях ОРИТН, по мнению авторов обзора, необходимо сократить разрыв между разработкой и клиническим внедрением моделей ИИ.
Учитывая, что современные медицинские технологии развиваются очень быстро, вероятно, вышеперечисленные недостатки использования ИИ в отделениях неонатального профиля будут преодолены в ближайшее время. Об этом красноречиво свидетельствует и большое количество исследований по ИИ в неонатологии, опубликованных за последние 2 года. По данным запроса в поисковой системе PubMed, в 2024 г. было опубликовано 364 работы, за неполный 2025 г. (11 мес) – 330. Возможно, среди последних публикаций наших читателей заинтересуют статьи под названием «Использование искусственного интеллекта для прогнозирования легочного кровотечения у недоношенных детей» [9] и «NeoCLIP: базовая модель с самоконтролем для интерпретации рентгенограмм новорожденных» [10].
Очевидно, что не за горами тот день, когда большой перечень медицинского оборудования, используемого для интенсивной терапии и выхаживания новорожденных, будет оснащен встроенными системами ИИ. Вместе с тем следует помнить, что быстрое внедрение ИИ в практическую неонатологию неизбежно приведет к появлению новых юридических и этических проблем. Этот вопрос более подробно освещен в «Колонке биоэтика» данного выпуска нашего журнала.