Введение

Процессы информатизации и цифровой трансформации относятся к важнейшим направлениям развития современной медицины. Большое внимание уделяется им и в Российской Федерации¹, ². В результате проводимых мероприятий уже в 2021 г. в 91% медицинских организаций внедрены в работу медицинские информационные системы. Это подготовило инфраструктуру к дальнейшей трансформации и началу перехода к следующему этапу развития — цифровому здравоохранению (электронному здравоохранению) [1]. Под данным понятием подразумеваются область знаний и практическая деятельность, связанная с разработкой и использованием цифровых технологий с целью улучшений здоровья [2].

Потребность в процессах цифровизации здравоохранения обусловлена тем, что в настоящее время мировое сообщество ставит перед собой глобальные цели для сохранения здоровья и увеличения продолжительности жизни людей (сокращение заболеваемости, смертности, дефицита медицинских кадров, повышение качества помощи и др.). С этой точки зрения, цифровизация — один из важных инструментов повышения эффективности работы всей системы здравоохранения и достижения поставленных целей [3].

Из всех технологий, используемых для цифровой трансформации систем здравоохранения, отечественные и зарубежные специалисты выделяют особую группу, направленную на повышение эффективности процессов, известную как «искусственный интеллект» (ИИ) [4, 5].

На развитие технологий ИИ оказал влияние ряд ключевых факторов. Среди главных из них можно выделить в первую очередь накопление больших объемов различных данных о состоянии здоровья людей, что обусловлено процессами информатизации (введение в работу медицинских организаций электронных медицинских карт), так как именно большие объемы данных служат основой для обучения интеллектуальных алгоритмов. Также на развитие данной отрасли информационных технологий оказал влияние научно-технический прогресс. Появление мощных процессоров и развитие облачных вычислений позволили воплотить в реальность работу алгоритмов ИИ, теория работы которых была разработана в XX веке, но не имела материально-технической базы для своей реализации³ [6]. Одним из существенных факторов развития ИИ является заинтересованность рынка (технологических корпораций и крупных финансовых фондов) в подобных технологиях (глобальный объем рынка 45,2 млрд. долларов США к 2026 году) [7].

В секторе здравоохранения в последние годы наблюдается значительный рост интереса к ИИ со стороны всех участников процесса оказания медицинской помощи. В то же время остается множество вопросов, связанных с экспертизой, оценкой и мониторингом последствий внедрения ИИ, а также его местом в здравоохранении. До сих пор неясно, как ИИ может повлиять на реальную клиническую практику и всю систему здравоохранения в целом. Один из важнейших вопросов — как правильно оценивать значение ИИ для системы здравоохранения с целью принятия решений о его внедрении.

Искусственный интеллект как «особая» технология здравоохранения

В настоящее время понятие ИИ определяется как комплекс технологических решений, позволяющий имитировать когнитивные функции человека и получить при выполнении конкретных практически значимых задач обработки данных результаты, сопоставимые с интеллектуальной деятельностью человека⁴, ⁵.

Приведенное выше определение дает представление об ИИ как об особом виде компьютерных технологий, который должен решать конкретную задачу, и результат этого решения соответствует тому уровню метрик качества, который может показывать реальный человек. Становится очевидным, что ИИ может быть использован для оказания информационной поддержки в работе человека или заменять его. По-видимому, в этом случае ИИ будет способствовать оптимизации многочисленных рутинных функций.

В контексте работы системы здравоохранения предложено много различных видов интеллектуальных технологий для выполнения широкого спектра задач по оптимизации как клинических, так и управленческих процессов [5, 6]. Следует отметить, что нет исчерпывающего списка или классификации, так как спектр задач, для которых может быть создан ИИ, очень разнообразен. Практически для любой рутинной работы, которую способен выполнять человек, за исключением сложных и творческих, может быть создана интеллектуальная система.

В благоприятных экономических условиях и в подходящей технологической инфраструктуре к настоящему времени рынок технологий ИИ очень быстро развивается, а новые продукты интеллектуальных цифровых систем выходят на него в больших количествах. Примером могут служить Соединенные Штаты Америки, где число зарегистрированных изделий с ИИ к 2023 г. составляло 222 шт., в Европейском Союзе — 240, а в России — больше 20⁶ [8]. С учетом значительных объемов финансирования технологических проектов с ИИ их количество будет только увеличиваться [7].

Приведенные ранее виды технологии ИИ, которые могут служить для автоматизации клинических и аналитических процессов, могут быть отнесены к понятию «технологии здравоохранения» (медицинские технологии). Под данным термином подразумевается вмешательство, разработанное с целью профилактики, диагностики и лечения заболеваний или организации оказания медицинской помощи. Медицинские технологии используются для решения различных проблем здравоохранения и улучшения качества жизни людей. К ним также относятся лекарственные препараты (ЛП), вакцины, генные технологии, медицинские изделия, процедуры, организационные системы, компьютерные информационные системы⁷.

Как и любая технология здравоохранения, технологии ИИ должны быть стандартизированы, гарантировать качество и безопасность продукта, четко описывать место их применения, показания и противопоказания, клиническую (медицинскую и/или социальную) эффективности, стоимость и экономическую приемлемость. Однако ИИ занимает особое место среди всех описанных выше медицинских технологий за счет особенностей работы алгоритмов, на которых они основаны.

Главными особенностями технологий ИИ, отличающими их от других технологий здравоохранения, являются [5, 9, 10]:

1. Способность изменяться в процессе эксплуатации, приобретать свойства, не характерные для первоначального варианта технологического продукта, что приводит, как правило, к трансформации в другой продукт после получения регистрационного удостоверения (иные показатели эффективности работы).

2. Непрозрачность решений, которая проявляется в том, что специалисты, занятые разработкой технологий ИИ, зачастую не способны расшифровывать алгоритмы принятия решения и прогнозировать результат, а значит и проводить валидацию их корректности.

3. Способность к самообучению на основании наборов данных с помощью алгоритмов машинного обучения и нейронных сетей является свойством «адаптивных» алгоритмов, лежащих в основе способности к изменениям.

Обобщая описанные свойства технологий ИИ, можно сказать, что они обладают «крайне динамичной» природой. Особенности ИИ являются источниками неопределенности в отношении их применения со стороны организаторов здравоохранения, уполномоченных принимать решения об их внедрении в систему. Можно выделить два важнейших источника неопределенности: оценка клинической (медицинской) эффективности и оценка экономической приемлемости, о которых будет сказано далее.

Эффекты влияния технологий искусственного интеллекта на систему здравоохранения

В отношении эффектов, которые технологии здравоохранения с ИИ в будущем вызовут в системе здравоохранения, существуют позиция разработчиков, предлагающих свои продукты системе, и позиция организаторов здравоохранения, уполномоченных принимать решения об их внедрении. На стороне организаторов также находится академическое сообщество.

Позиция разработчиков

Большинство разработчиков решений на основе технологий ИИ (ИИ-решений) для здравоохранения с уверенностью заявляют, что их продукты способны помочь в преодолении глобальных проблем здравоохранения, о которых упоминалось ранее (смертность, заболеваемость, дефицит кадров и др.) [11]. К примеру, разработчики приложений ИИ для анализа результатов визуализирующих методов исследования считают, что точность установления клинически верного диагноза равна аналогичной у опытного врача лучевой диагностики [12, 13].

Подобное утверждение в своем развитии приводит к идее, что ИИ, по всей видимости, поможет решить проблему нехватки медицинского персонала, в особенности в тех регионах, где доступ к медицинской помощи затруднен. Приобретение приложения на основе ИИ, которое выполняет трудовые функции быстрее и эффективнее, чем человек, может также привести к экономии финансовых средств. Весьма вероятно, также, что и качество медицинской помощи улучшится, так как усталость и снижение внимания невозможны при использовании ИИ. Результат внедрения — улучшение качества работы системы здравоохранения и экономия средств.

Если рассматривать внедрение в здравоохранение ИИ с позиции государства, то более качественное выявление патологии при проведении лучевой диагностики приведет к своевременному оказанию медицинской помощи, сохранению жизни, увеличению профессионального долголетия, что, несомненно, принесет положительный экономический эффект.

Еще одним примером могут служить системы поддержки принятия врачебных решений на основе ИИ. Подобные системы, например, могут оценивать риск развития сердечно-сосудистых заболеваний при проведении диспансеризации. Опыт показывает, что точность определения групп риска у ИИ в несколько раз выше, чем у врача [14]. Предполагается, что более точное определение лиц категории высокого риска повлечет за собой необходимые профилактические мероприятия и, в конечном счете, приведет к снижению летальности.

Позиция организаторов здравоохранения и исследователей

Иную, более осторожную точку зрения о выгодах для системы здравоохранения от внедрения ИИ представляют академическое сообщество и сообщество организаторов здравоохранения. По их мнению, в настоящее время ИИ переживает эпоху «раздачи обещаний», но не выполнения тех задач, которые на него возлагают [15]. Опасения исследователей касаются вероятности того, что высокий уровень инвестиций в разработку и внедрение ИИ во многом обусловлен высоко спекулятивным рынком. В данном контексте подразумевается, что видение интеллектуальных медицинских инноваций базируется не на реальном осознании пользы для здравоохранения, а на продаже определенного видения будущего. Путем продажи виртуальных объектов, показывающих высокую производительность и выгоды для системы, можно побудить участников оказания медицинской помощи способствовать их массовому внедрению, несмотря на открытые вопросы, на которые до сих пор нет однозначных ответов [16].

Одним из таких главных вопросов, который ставится перед разработчиками приложений ИИ медицинским сообществом, является обоснованность их утверждений касательно пользы ИИ для системы здравоохранения. На сегодняшний день не существует достаточного количества реальных доказательств, подтверждающих эти утверждения. Так, в большинстве публикуемых материалов в качестве показателей медицинской применимости и ценности для здравоохранения используются показатели эффективности клинического процесса, которые отражают качество медицинской помощи. Например, для технологий ИИ, предназначенных для анализа медицинских изображений, в качестве критерия клинической эффективности используются величины, характеризующие «правильность» выполнения задач на диагностику патологии (чувствительность и специфичность) [17]. Эти же величины используются для получения регистрационного удостоверения на ИИ в качестве медицинского изделия⁸, ⁹. Аргументы о пользе ИИ для здравоохранения, приводимые разработчиками в отношении приобретения их продукта, также часто основываются на данных величинах.

Заявления разработчиков о том, что за улучшением качества последуют достижения целей более высокого порядка, сталкиваются с результатами независимых исследований, которые проводятся в условиях реальной клинической практики. Зачастую оказывается, что ИИ не влияет на конечные исходы, т.е. не приводит к клинически значимым и ценным результатам, которые преследует система здравоохранения (снижение заболеваемости, смертности, количества случаев госпитализации пациентов, частота выздоровления и др.) [18, 19]. В качестве примера следует привести опыт использования ИИ для диагностики новой коронавирусной инфекции (COVID-19), когда интеллектуальные решения использовались для анализа компьютерных томограмм легких. Независимая оценка влияния на борьбу с пандемией, проведенная исследователями из института Алана Тьюринга, показала, что ИИ не оказал никакого влияния на эффективность борьбы с COVID-19 [20]. В некоторых исследованиях показано, что ИИ не только не повышает качество работы, но способен ухудшить его [18, 21].

Таким образом, сегодня можно говорить, что технологии ИИ демонстрируют свою эффективность на уровне процессных (промежуточных или суррогатных) эффектов, в то время как получить дополнительную пользу на конечных точках пока не получается. Тем не менее этот аргумент не представляется однозначным, так как доказано, что повышение качества оказания медицинской помощи значимо влияет на конечные медицинские исходы [22]. С этой точки зрения, демонстрация эффекта ИИ на конечные исходы — дело ближайшего будущего.

Искусственный интеллект в контексте экономики здравоохранения

Использование технологий здравоохранения с ИИ, как и многих инноваций (ЛП, новые методы диагностики, лечения и профилактики, медицинские изделия), неизбежно приводит к увеличению стоимости оказания медицинской помощи [23, 24].

Если рассматривать процессы внедрения решений, принимаемых с помощью ИИ, в систему здравоохранения с позиции плательщика (государство, страховые фонды, медицинские организации) при перманентном недостатке финансирования [20], то возникает запрос оценки их экономической приемлемости.

Важность данного запроса обусловлена, во-первых, тем, что рынок интеллектуальных систем для здравоохранения увеличивается, и их количество будет расти⁶. Во-вторых, заявляемая разработчиками польза для системы остается неоднозначной, и есть потребность в дальнейших исследованиях [18].

Потребность в экономической оценке технологий здравоохранения с ИИ можно обосновать и тем обстоятельством, что в феврале 2023 г. Министерством здравоохранения Российской Федерации анонсировано массовое внедрение технологий ИИ в работу региональных медицинских организаций, на что запланировано выделение около 620 млн рублей¹⁰. Исходя из изложенного, становится ясно, что государство намерено выделять дополнительное финансирование из федерального бюджета. В связи с этим важно обеспечить условия, при которых средства федерального бюджета будут затрачены на приобретение ИИ-решений с доказанной пользой.

Большая часть медицинской помощи, оказываемой населению, финансируется из системы обязательного медицинского страхования (ОМС)¹¹. Если ИИ действительно способствует снижению заболеваемости и смертности, то медицинские услуги с его использованием необходимо внедрять и в Программу государственных гарантий. Однако фонды ОМС как фискальный орган ориентированы на экономию средств, а внедрение интеллектуальных инноваций, даже повышающих некоторые медицинские показатели, может привести к дефициту средств для иных направлений оказания медицинской помощи, что неизбежно скажется на ее качестве. Для лиц, принимающих решения о покупке технологий ИИ для отдельной медицинской организации, вопросы обоснования расходов также являются актуальными.

Таким образом, перед плательщиками, которые должны принимать решения о покрытии затрат на медицинскую помощь с использованием ИИ, возникают закономерные вопросы: как определить, какие из альтернативных технологий лучше среди большого количества аналогов, и как оценить их пользу для системы здравоохранения, чтобы избежать нерациональных затрат на технологии, не приносящие ожидаемых результатов.

Инструменты оценки

Продолжается дискуссия на предмет того, как правильно оценивать приложения ИИ для системы здравоохранения. В последние годы в научной литературе появляется все больше публикаций, посвященных данной проблеме, в том числе о применении различных методов клинико-экономических исследований к технологиям ИИ [25].

Клинико-экономические исследования (экономическая оценка) — важная составляющая оценки технологий здравоохранения (ОТЗ). Данный вид оценки можно определить как сравнительный анализ двух или более вмешательств (медицинских технологий) с точки зрения их стоимости для системы здравоохранения и последствий (эффектов), которые они оказывают. По результатам исследований ОТЗ принимаются решения в отношении тех или иных технологий в условиях дефицита ресурсов, отклоняя те, которые не приводят к увеличению эффективности, повышению качества оказываемых медицинских услуг или экономии затрат [26].

Изначально ОТЗ использовалась для оценки ЛП на предмет их ценности. Законодательно закреплена комплексная оценка, в рамках которой проводятся клинико-экономические исследования. На основании полученных результатов могут приниматься решения о покрытии расходов на некоторые виды ЛП за счет средств ОМС⁷¹².

Универсальная методология проведения экономических оценок ЛП заключается в соотношении их клинической эффективности со стоимостью их использования. Если проводить параллель между ИИ и ЛП, то следует отметить, что интеллектуальная инновация, так же как и ЛП, должна быть безопасна для пациентов, клинически эффективна, приводить к улучшению качества медицинской помощи и, возможно, к экономии затрат для системы здравоохранения на различных уровнях внедрения. Таким образом, инструменты ОТЗ, применяемые для ЛП, могут быть использованы для экономической оценки и обоснования финансирования новых интеллектуальных систем на различных уровнях оказания медицинской помощи.

Ограничения применения методов оценки технологий здравоохранения для искусственного интеллекта

В настоящее время исследователи за рубежом начали применять методы клинико-экономических исследований по отношению к приложениям ИИ с целью определения ценности для систем здравоохранения. Появляются сообщения и об отдельных российских исследованиях [25, 27]. Следует отметить, что общее количество подобных публикаций значительно отстает от исследований, посвященных оценке клинической эффективности технологий ИИ [28].

В 2021 г. J. Veltman и соавт. [29] опубликован систематический обзор исследований, посвященных проблемам экономической оценки внедрения ИИ в медицину. Большинство из них (n=17) сравнивали применение ИИ с традиционным оказанием медицинской помощи (работой врача). Авторы пришли к выводу, что ИИ обеспечивает экономию средств для субъекта оказания медицинской помощи, что подтвердило его ценность. Однако, несмотря на полученные результаты о целесообразности применения интеллектуальных систем для здравоохранения, авторы систематического обзора относятся к полученным результатам исследований достаточно скептически [29]. Основанием для этого являются упоминаемые ранее свойства ИИ, которые определили его особое положение в ряду цифровых медицинских технологий. Динамичная природа ИИ отличает его от ЛП, которые являются, напротив, относительно «статичными» по своему химическому составу и обладают четко определенным терапевтический действием на организм человека. В связи с этим J. Veltman и соавт. [29] в своей работе выделяют несколько аспектов касательно публикуемых оценок технологий ИИ.

1. Качество клинических оценок. Во включенных в обзор исследованиях в качестве показателей медицинской применимости и ценности для здравоохранения использовались показатели клинического процесса (чувствительность, специфичность). Как отмечено ранее, данные показатели не означают, что использование технологий обязательно приводит к клинически значимым и ценным результатам (конечные исходы) [18, 19, 29].

Важно, что одним из этапов проведения экономических оценок является систематический поиск доказательств клинической эффективности использования тех или иных технологий в условиях реальной клинической практики. При этом в качестве релевантных для системы здравоохранения доказательств используются истинные клинически значимые исходы (снижение заболеваемости, смертности, количества случаев госпитализации, частота выздоровления и др.). Для построения математической модели используются лучшие из доказательств по качеству их проведения (рандомизированные клинические испытания, метаанализы, систематические обзоры). J. Veltman и соавт. заявляют, что только в 3 из 9 исследований сообщалось об использовании данных литературы о клинической эффективности, которые взяты из результатов систематических обзоров или нескольких исследований для построения математической модели [29]. В остальных публикациях использованы данные исследований, проведенных в одном медицинском учреждении (низкое качество). Методологическая неопределенность оценивалась только в двух исследованиях, оба с помощью анализа чувствительности с различными клиническими сценариями. Данные результаты дают основание для сомнений в реальной ценности ИИ и целесообразности их погружения в систему со стороны регуляторов.

2. Качество экономических оценок. Некоторые ограничения на качественную интерпретацию полученных результатов связаны с выбором методов построения экономических моделей. Из 9 исследований, которые основывались на моделировании, во всех использовались только две модели различного типа: модель Маркова и дерево решений. Данные типы моделей имели упрощенную структуру. Все деревья решений имели два или три плеча (одно для оцениваемого приложения ИИ и одно или два для компаратора). Горизонт моделирования варьировал от одного дня до двух лет. Выбор данного типа моделей, очевидно, можно обосновать тем, что они позволяют включать повторяющиеся события и переходы, зависящие от времени. Модели на основе метода дерева решений использованы, так как достаточно просто интерпретируются и просты в построении. В то же время авторы отмечают, что данные методы моделирования подходят для «статичных» технологий, как например ЛП или программное обеспечение (ПО). В случае с ИИ-приложениями, когда по мере эксплуатации показатели клинических исходов могут как улучшаться, так и ухудшаться в условиях реальной клинической практики, необходимы более сложные модели. Возможно, что по отношению к ИИ будет целесообразно применять передовые методы моделирования, такие как системная динамика, дискретное событие, агентное и имитационное моделирование, поддерживающие комплексное системное представление [29]. Следует отметить, что в российских исследованиях не используются методы клинико-экономического анализа, которые типичны для ОТЗ [25].

3. Качество учета затрат. Во всех рассматриваемых в систематическом обзоре клинико-экономических оценках затраты, не связанные напрямую с оплатой использования сервисов с ИИ, часто не учитывались при оценке. Например, не учитывались затраты, связанные с увеличением рабочего времени персонала, обучением врачей, обновлением или переобучением ПО [29]. Поскольку большинство оцениваемых технологий предназначались для анализа медицинских изображений, которые строятся на технологии нейронных сетей и машинного обучения (адаптивные алгоритмы), приведенные примеры затрат могут существенно влиять на результаты экономических оценок.

4. Нормативная база для ОТЗ и ИИ. Авторы систематического обзора [29] отмечают, что малое число публикаций, посвященных экономическим оценкам для ИИ, обусловлено существующей во всех странах нормативно-правовой базой ОТЗ, которая, как и в нашей стране, не предполагает обязательного характера проведения. Важным моментом является и то, что перед многими странами также стоят вопросы о возмещении расходов на использование ИИ с использованием механизмов медицинского страхования.

Подводя итог сказанному, можно утверждать, что в систематическом обзоре [29] выявлены пробелы в организации исследований, посвященных ОТЗ ИИ в здравоохранении. В условиях ограниченных ресурсов становится очевидным, что если использование приложений ИИ должно покрываться из страховых фондов или федеральных бюджетов, экономическая оценка становится все более важной. Особенно это актуально для решения вопросов о внедрении приложений ИИ на региональном уровне системы здравоохранения, а не только в крупных мегаполисах (Москва и Санкт-Петербург), так как в них описанные выше недостатки и ограничения системы здравоохранения ощущаются достаточно остро (медицинские кадры, финансирование, доступ). Целесообразно пересмотреть законодательную базу по отношению к ИИ и обязать разработчиков проводить экономический анализ, а не ограничиваться лишь выполнением клинических исследований безопасности и эффективности.

В будущем важно пересмотреть существующие методы исследований ОТЗ и адаптировать их к особенностям новых интеллектуальных инноваций, которые стремительно пришли в нашу жизнь.

Заключение

Технологии искусственного интеллекта можно рассматривать как типичные медицинские технологии, направленные на достижение глобальных целей в условиях цифровой трансформации и адаптацию к ряду проблем, стоящих перед всеми системами здравоохранения в настоящее время. Они обладают особенностями, отличающими их от других медицинских технологий, что влияет на процесс их экспертизы и оценки.

Решая вопросы внедрения технологий искусственного интеллекта в систему здравоохранения, необходимо обеспечить наличие доказательств об их пользе для здоровья населения и всей системы. Инструменты оценки технологий здравоохранения, применяемые для лекарственных препаратов и медицинских изделий, могут быть использованы и в отношении интеллектуальных инноваций. Подобные исследования способны служить в качестве экономического обоснования внедрения искусственного интеллекта в систему обязательного медицинского страхования для расширения доступности медицинской помощи для населения.

Возможность выполнения качественных экономических оценок будет зависеть от проведения крупных эпидемиологических и социальных исследований в условиях развертывания приложений искусственного интеллекта в реальной клинической практике с оценкой истинных клинически значимых исходов.

Накопление достаточного количество убедительных доказательств и адаптация современных методов оценки технологий здравоохранения для приложений искусственного интеллекта позволят избежать ситуации, когда интеллектуальные системы приведут к потенциальному ухудшению здоровья людей и ненужным затратам в условиях дефицита ресурсов. Данные последствия будут иметь место до тех пор, пока искусственный интеллект с его, казалось бы, безграничными возможностями не будет признан технологией здравоохранения, которую необходимо должным образом оценить. Поэтому дальнейшая работа по улучшению методов экономической оценки искусственного интеллекта, а также по пересмотру нормативно-правовой базы, вероятно, будет иметь решающее значение для его системного внедрения в клиническую практику.

Авторы заявляют об отсутствии конфликта интересов.

¹Паспорт национального проекта «Здравоохранение» (утв. президиумом Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам, протокол от 24.12.2018 №16). Ссылка активна на 02.10.24. https://www.consultant.ru/document/cons_doc_LAW_319209/

²Приказ Минздравсоцразвития России от 28.04.2011 №364 (ред. от 12.04.2012) «Об утверждении Концепции создания единой государственной информационной системы в сфере здравоохранения». Ссылка активна на 02.10.24. https://www.consultant.ru/document/cons_doc_LAW_113731/8c2a2c90b6fe4f5d8c3bb3951ec10e92efa68898/

³ Искусственный интеллект как ключевой фактор цифровизации глобальной экономики. Ссылка активна на 11.09.24. https://www.iksmedia.ru/news/5385191s20121.html

⁴ ГОСТ Р 59277-2020 Системы искусственного интеллекта. Классификация систем искусственного интеллекта. Ссылка активна на 02.10.24. https://docs.cntd.ru/document/1200177292

⁵ Указ Президента Российской Федерации от 10.10.2019 №490 «О развитии искусственного интеллекта в Российской Федерации». Ссылка активна на 02.10.24. https://www.consultant.ru/document/cons_doc_LAW_335184/

⁶ Реестр зарегистрированных медицинских изделий. Ссылка активна на 02.10.2024. https://www.roszdravnadzor.gov.ru/services/misearch

⁷ Словарь оценки технологий здравоохранения. Ссылка активна на 02.10.2024. https://htaglossary.net

⁸ ГОСТ Р 59921.1-2022. Национальный стандарт Российской Федерации. Системы искусственного интеллекта в клинической медицине. Часть 1. Клиническая оценка (утв. и введен в действие Приказом Росстандарта от 28.06.2022 N 545-ст)

⁹ Методические рекомендации по порядку проведения экспертизы качества, эффективности и безопасности медицинских изделий (в части программного обеспечения) для государственной регистрации в рамках национальной системы. М. : ФГБУ «ВНИИИМТ» Росздравнадзора, 2018.

¹⁰Минздрав поручил регионам срочно внедрить в медорганизациях минимум одно решение на основе ИИ. Ссылка активна на 25.01.24. https://medvestnik.ru/content/news/Minzdrav-poruchil-regionam-srochno-vnedrit-v-medorganizaciyah-minimum-odno-reshenie-na-osnove-II.html

¹¹ Федеральный закон от 29.11.2010 №326-ФЗ (ред. от 25.12.2023) «Об обязательном медицинском страховании в Российской Федерации». Ссылка активна на 02.10.24. https://www.consultant.ru/document/cons_doc_LAW_107289/

¹² Постановление Правительства Российской Федерации от 28.08.2014 №871 (ред. от 03.12.2020) «Об утверждении Правил формирования перечней лекарственных препаратов для медицинского применения и минимального ассортимента лекарственных препаратов, необходимых для оказания медицинской помощи». Ссылка активна на 02.10.24. https://www.consultant.ru/document/cons_doc_LAW_167999/ (accessed: 01.06.2023)