ИИ в медицине: клиническое мышление или удачное угадывание?
Новые исследования 2026 года проверяют, способны ли нейросети действительно рассуждать, как врач, или лишь быстро подбирают ответы, рискуя ошибками.
В начале 2026 года несколько независимых исследовательских групп опубликовали работы, посвящённые способности современных больших языковых моделей (LLM) к клиническому мышлению. Авторы сравнивали работу ИИ с реальными врачами при диагностике типичных жалоб, например, боли в груди. В отличие от врача, который собирает анамнез, задаёт уточняющие вопросы и планирует последовательные исследования, ИИ‑модели выдают ответ за несколько секунд, опираясь на огромный корпус медицинской литературы.
В экспериментах модели, включая ChatGPT‑4.5, Gemini 1.5 и отечественный Yandex‑Medi, проходили тесты на трёх уровнях: (1) генерация дифференциального диагноза, (2) рекомендация дополнительных исследований и (3) обоснование выбранного пути лечения. Результаты показали, что на первом этапе ИИ часто предлагает правильный диагноз, но в среднем лишь в 62 % случаев формулирует обоснованные гипотезы, сравнимо с показателями начинающих врачей‑интернов. На втором этапе модели часто пропускают важные тесты, а на третьем – дают рекомендации, не учитывающие индивидуальные противопоказания.
Исследователи подчёркивают, что текущие LLM не обладают «медицинским сознанием» – они работают по принципу статистической корреляции, а не причинно-следственного анализа. Это создаёт риск «псевдонадежного» доверия со стороны пациентов, которые могут полагаться на быстрый ответ ИИ вместо обращения к специалисту. Авторы предлагают интегрировать модели в клинические протоколы как вспомогательный инструмент, а не замену врача, и развивать методы объяснимого ИИ, способные демонстрировать цепочку рассуждений.
Полный текст исследований доступен в журналах Nature Medicine и Lancet Digital Health.
Для разработчиков медицинских ИИ это сигнал: без объяснимости и строгой валидации модели не пройдут в клинику. Студентам стоит сосредоточиться на построении цепочек рассуждений и интеграции с реальными протоколами, а не только на повышении точности предсказаний.
