Рейтинг «ЗдравAI 2025»: как искусственный интеллект меняет российское здравоохранение

Компания «Цифровая медицина» при поддержке Фонда «Сколково» и ассоциации НАМИ-НБМЗ провело независимое исследование рынка ИИ-сервисов в здравоохранении и составило рейтинг «ЗдравAI 2025», отметив не только ключевых игроков и общие достижения, но и проблемы рынка, которые еще предстоит решить.

Общая ситуация на рынке ИИ

• 71% российских компаний уже используют ИИ в своей деятельности. Ожидаемый экономический эффект от внедрения ИИ-технологий к 2030 году — 12,8 трлн рублей (5,5% ВВП)
• Объем рынка ИИ в медицине в 2024 году — около 12 млрд рублей, прогноз роста к 2030 году — до 78 млрд рублей

Инвестиции в МедТех — 4,712 млрд рублей в 2018-2024 гг. (17,8 млн — средний инвестиционный чек)

• 69% — государственные инвестиции
• 29% — частные инвестиции
• 2% — синдицированные инвестиции

ТОП-10 компаний, внедряющих ИИ-сервисы в медицине

1. Webiomed (ООО «К-скай»)
2. Цельс (ООО «Медицинские Скрининг Системы»)
3. Третье Мнение (ООО «Платформа Третье Мнение»)
4. Retina.AI (ООО «Диджитал Вижн Солюшнс»)
5. Сенсория (ООО «Визионеро»)
6. Lab4U (ООО «Ваша лаборатория»)
7. Dentomo AI (ООО НМФ «ФДЛАБ»)
8. Celly (ООО «Сэлли»)
9. Медтехкомпания «Доктор рядом» (ООО «Медицинская компания Доктор рядом»)
10. Актион Диджитал (ООО «Актион-диджитал»)

Ключевые факторы успеха лидеров

• Четкая регуляторная траектория
• Медицинская вовлеченность (эксперты-практики в командах)
• Технологическая зрелость и фокус на интеграции
• Четкое позиционирование на рынке
• Работающая экономическая модель

Анализ ИИ-решений

Наиболее сильные сегменты рынка

• Лучевая диагностика (самый высокий средний балл)
• Офтальмология
• Лабораторная диагностика

Самый конкурентный сегмент — ИИ-сервисы для пациентов. Характеризуется наибольшим количеством проектов, высокой активностью, но также риском дублирования функционала и высокой конкуренцией.

Сегменты с потенциалом роста — прочие ИИ-решения и дистанционный мониторинг. Многие проекты здесь находятся на ранних стадиях и часто демонстрируют недостаточную интеграционную зрелость и слабую доказательную базу.

Ключевые проблемы рынка

• Регуляторные барьеры и доказательная база. Нехватка полноценных клинических исследований, убедительных результатов пилотов и расчетов экономической эффективности даже у перспективных проектов.
• Узкая отраслевая фокусировка. Хронический дефицит решений за пределами радиологии и офтальмологии.
• Интеграционные сложности. Многие алгоритмы не готовы к внедрению в действующую ИТ-инфраструктуру клиник или платформы интеграторов.

Перспективные ниши (окна возможностей)

• Кросс-модальная диагностика: комбинированный анализ изображений, лабораторных данных и клинических записей для создания комплексных диагностических решений.
• Операционная эффективность: сервисы для планирования загрузки оборудования, маршрутизации пациентов, управления очередями, прогнозирования пропускной способности и взаимодействия со страховыми компаниями.
• Полная или частичная автоматизация клинических исследований и апробации медоборудования для ускорения вывода продуктов на рынок.
• Инструменты доказательной медицины: генерация отчетов об эффективности, стандартизация оценки данных реальной клинической практики (RWD), автоматизация сбора доказательств (RWE).
• Интероперабельность и интеграция: адаптеры для различных медицинских информационных систем (МИС) и агрегация сервисов под конкретные клинические или управленческие задачи.

Приоритетные сегменты (оптимальное соотношение «сложность/ценность»)

• Анализ изображений, офтальмология, лабораторная диагностика: высокая конкуренция и требования к качеству компенсируются признанием со стороны врачей и пациентов, а также возможностями партнерства с лидерами рынка.
• Управление медицинскими данными (ЭМК) и SaaS-решения для B2B: при условии глубокой интеграции и качественного пользовательского опыта способны генерировать стабильную выручку.

Основные проблемы рынка ИИ в здравоохранении

Демографические вызовы

• Старение населения и рост хронических заболеваний
• Ухудшение психического здоровья населения
• Дефицит медицинских кадров
• Нехватка специалистов на стыке дисциплин (биоинформатиков, медицинских Data Scientist)

Правовые барьеры

• Сложности с обработкой медицинских данных как персональных данных особой категории
• Ограниченный доступ к обезличенным данным
• Проблемы с получением согласия на обработку данных
• Неоднозначность статуса обезличенных данных

Технологические препятствия

• Сложности с интеграцией в существующие системы
• Недостаточная цифровая инфраструктура в регионах
• Проблемы с качеством и доступностью медицинских данных
• Цифровой разрыв между регионами

Экономические факторы

• Низкая предпринимательская активность
• Сложности с монетизацией решений
• Высокие риски для инвесторов
• Длительный путь до получения выручки

Пути преодоления проблем

• Создание специальных правовых режимов для обработки данных
• Формирование открытых наборов данных для разработки ИИ-решений
• Упрощение процедур регистрации медицинских изделий с ИИ
• Создание хабов и агрегаторов ИИ-решений (МосМедИИ, СберМедИИ)
• Формирование стратегических альянсов между участниками рынка
• Развитие интеграционных платформ
• Создание междисциплинарных образовательных программ
• Внедрение модулей по работе с ИИ в систему НМО
• Обучение врачей работе с данными и ИИ-системами
• Развитие облачных и гибридных решений
• Создание единых стандартов обмена данными
• Модернизация существующей инфраструктуры
• Разработка интерфейсов-конвертеров
• Переход от прямого госфинансирования к сервисной модели оплаты
• Привлечение частных инвестиций
• Создание венчурных фондов
• Поддержка перспективных стартапов через грантовые программы

Рынок движется к созданию комплексных экосистем: примеры консолидации

• ФГБУ «НМИЦ им. В.А. Алмазова» Минздрава России + «Сбер»: создание Центра ИИ, разработка цифровых медицинских изделий (МИ), включая модели для прогнозирования рисков и анализа КТ при инсульте.
• «Медскан» + «Нетрика»: партнерство для создания медицинской IT-платформы с ИИ-модулями анализа снимков и подбора лечения.
• «РТК-Платформа здоровья» + Webiomed: интеграция ИИ-сервисов в корпоративную медицину для анализа данных о здоровье сотрудников и профилактики.
• «Третье Мнение» + «ЭлНетМед»: развитие единой ИИ-экосистемы для обмена и анализа медицинских изображений через интеграцию с платформой №3.Health.

Что думают эксперты?

Александр Гусев, К-Скай (платформа Webiomed):
— Мы находимся в уникальном с точки зрения перспективности инвестиций моменте. Первичное формирование завершается, регуляторика и направления развития определены. Внедрение ИИ в здравоохранении неизбежно и будет идти нарастающим темпом. Таким образом, сейчас именно то время, когда выгоднее всего вкладываться в будущих единорогов и консолидацию.

Дмитрий Курапеев, ФГБУ «НМИЦ имени В.А. Алмазова»:
— Большинство МИ с ИИ в лучевой диагностике направлены на автоматизацию формирования заключений скрининговых исследований. Что касается разработки и внедрения МИ с ИИ для узкоспециализированных задач, то их эффективная медико-экономическая модель еще не до конца сформирована.

Валерий Шелякин, ТФОМС Свердловская область:
— Исходя из того, что мы видим в медицинских организациях, кажется, что основной сложностью для старта анализа медицинских данных с использованием ИИ может стать до сих пор нерешенная задача по переходу на полноценную электронную историю болезни. Да, СЭМДы, реестры ОМС сдаются, ИИ внедряется, а полноценной ЭИБ нет. А ЭИБ системе ОМС очень нужна: она позволит упростить проведение экспертиз и создать возможности для частичной передачи экспертной работы ИИ.

Борис Зингерман, Ассоциация медицинских информатиков, разработчиков и пользователей искусственного интеллекта «Национальная база медицинских знаний:
— Традиционно считается, что телемедицина должна решать проблемы отдаленных территорий, а ИИ восполнять кадровый дефицит в организациях с наибольшей нехваткой специалистов. Но фактически, технологии быстрее развиваются в больших городах и ведущих медицинских центрах и пока еще не дошли до наиболее нуждающихся потребителей.

Андрей Бурсов, ИСП РАН, НИИГБ им. М.М. Краснова:
— Важно создавать такую инфраструктуру для хранения медицинских данных, которая обеспечит их безопасность, гибкость интеграции для пилотирования ИИ и доступ к ним исследовательских коллективов. В России есть несколько примеров прорывных проектов в этой области. Важно быстро осмыслить этот опыт и, не теряя темпа, внедрять лучшие идеи.

Источник: цифроваямедицина.рф