Ещё в 2012 году, отвечая на вопрос Ма Хуатэна о том, какую отрасль он выбрал бы для стартапа в Китае, «технологический провидец» Кевин Келли назвал влияние информационных технологий на здоровье, предсказав большой рынок для продуктов, связанных с медицинскими данными.
Четырнадцать лет спустя, в сентябре 2026 года, он вновь приехал в Китай и встретился с председателем компании Deshi Technology доктором Сун Нином. Оба собеседника сошлись в главном: ценность искусственного интеллекта в конечном счёте раскрывается в конкретных сценариях применения, и здравоохранение — один из самых важных таких сценариев.
Интернет решил проблему соединения людей и устранения информационной асимметрии, тогда как ИИ решает проблему способностей — и именно в медицине дефицит способностей ощущается острее всего, ведь качественная диагностика всегда остаётся редким ресурсом.
Келли подчёркивает, что в ближайшие двадцать лет главным активом ИИ-компаний станет не сам программный продукт, а процесс его создания: если раньше медицинский ИИ означал разработку отдельной модели под каждое заболевание, то новая логика позволяет каждому врачу-рентгенологу обучать собственного ассистента на базе универсальной платформы.
Сун Нин поясняет эту мысль аналогией: сорок лет назад документы печатали только в типографиях, пока появление офисных программ не перенесло эту возможность в каждый кабинет, — так и медицинский ИИ движется от «типографии» к «офису», превращая специализированные навыки в общедоступные.
При этом информационную асимметрию можно преодолеть платформой, а асимметрию способностей — нет, потому что за способностями стоит доверие, которое невозможно купить субсидиями или нарастить трафиком.
Больница не станет пользоваться ИИ, которому не доверяет, сколько бы ни вкладывали в продвижение, — здесь действует не логика потока пользователей, а логика доверия, а значит, главный ров медицинского ИИ лежит не в технологиях, а во времени.
Китай, по мнению участников разговора, обладает тройным преимуществом: более трёхсот миллионов жителей старше шестидесяти лет создают колоссальный спрос на управление хроническими заболеваниями, раннюю диагностику рака и пренатальные проверки; четыре миллиона зарегистрированных врачей, чьи рентгенологи ежедневно просматривают сотни снимков, остро нуждаются в помощи ИИ; наконец, регулятор ускоряет одобрение новых решений, а отрасль ускоряет их внедрение.
Однако спрос сам по себе не превращается в преимущество — решающим становится четвёртое условие: сможет ли медицинская информация перейти из «спящего» состояния в циркуляцию.
Китайские данные о здоровье огромны по объёму, но разрозненны по качеству и почти не обращаются: десятилетиями они лежат на серверах больниц без разметки, обмена и цены, и ИИ нечему на них учиться.
Один и тот же снимок одного пациента разные врачи и разные больницы интерпретируют по-разному, поэтому главная трудность медицинского ИИ — не алгоритмы, а стандартизация и достоверность данных, и это по сути не техническая, а смысловая проблема: кто первым предложит принятую отраслью практику работы с данными, тот и станет точкой отсчёта для всех остальных.
Deshi Technology выстраивает вокруг этой идеи целую стратегию: создаёт доверенное пространство данных совместно с Ханчжоуской биржей данных, публикует отраслевые «белые книги», формируя консенсус о том, как должна выглядеть хорошая модель, и получила первую в мире лицензию третьего класса на основе большой модели.
Всё это — не продажа продукта, а осаждение опыта и методологии для всей отрасли, ведь на раннем этапе рынку не хватает не технологий, а общего языка: без консенсуса каждый коллектив работает в собственной системе координат, данные не сопоставимы, модели не сравнимы, и отрасль топчется на месте.
Ключевое отличие медицинских данных от любых других — их естественная разрозненность, нестандартность и чувствительность, поэтому конкуренция здесь идёт не за скорость алгоритмов, а за способность превратить неструктурированные сведения из тысяч больниц в размеченный, обращающийся и оцениваемый производственный ресурс.
Традиционная схема «одна болезнь — одна модель» требовала двух лет разработки и десятков миллионов юаней на каждый новый диагноз, начиная всё с нуля. Подход Deshi — универсальный базовый модуль iMedImage, обеспечивающий сквозные возможности для разных модальностей и заболеваний, плюс производственная линия iMedLoop, соединяющая приём данных, интеллектуальную разметку, контроль качества, обучение, оценку, развёртывание и обратную связь.
Благодаря этому срок разработки нового направления сокращается с двух лет до двух-трёх месяцев, а потребность в данных падает в двести раз — переход от ручной мастерской к промышленному производству.
Впрочем, у индустриализации есть границы: из более чем семи тысяч известных редких заболеваний большинство располагает менее чем тысячей изображений, и никакой базовый модуль не обучит надёжную модель без достаточных данных.
Массовое производство покроет распространённые болезни, тогда как редкие по-прежнему потребуют «ручной работы», и всеобщий доступ к медицинскому ИИ, вероятно, будет неравномерным — сначала обычные заболевания, потом редкие, что совпадает с существующим распределением медицинских ресурсов.
Но именно потому, что индустриализация освобождает силы для распространённых случаев, появляется возможность заняться и теми, кто остался за границей.
Отвечая на вопрос о замене врачей, Сун Нин рассказывает историю акушера-гинеколога из ведущей больницы, к которому пациентки записываются заранее и не отменяют визит, даже если его нет на месте, — иногда им достаточно десяти минут разговора, чтобы почувствовать себя лучше.
Самое ценное в медицине — не знание, а отношения, и их ИИ дать не может. Его роль — не заменить врача, а освободить его от рутины: рентгенолог просматривает сотни снимков в день, из которых восемьдесят процентов в норме, и если ИИ отсеет их, врач сосредоточится на двадцати процентах сложных случаев.
Это не замена, а усиление, но оно меняет роль специалиста: из человека, который смотрит снимки, он превращается в человека, который принимает решения. Навык можно стандартизировать и передать машине, а суждение — нет, и именно оно всё больше определяет ценность врача.
Настоящая трудность всеобщего доступа к медицинскому ИИ лежит не в технологиях, а в доверии. Deshi вместе с провинциальной медицинской ИИ-компанией строит облачную платформу медицинской визуализации провинциального уровня, превращая ИИ из инструмента отдельной больницы в часть региональной системы здравоохранения, — теперь врач уездной больницы получает диагностические возможности, которые раньше были доступны только ведущим столичным клиникам.
Но техническое проникновение вниз — лишь первый шаг; куда труднее проникновение доверия. Поверит ли уездный врач в выводы ИИ, примет ли пациент его рекомендации — ответ рождается не в лаборатории, а в ежедневной практике приёмного кабинета.
Скорость распространения определяют три вещи: готовность больниц использовать технологию, вера врачей и способность данных циркулировать, — и всё это в десять раз сложнее самой технологии.
Доверие не имеет коротких путей: его не купить субсидиями и не набрать трафиком, оно накапливается случай за случаем, врач за врачом, и это самый медленный, но и самый глубокий ров в отрасли.
В этом споре о будущем медицины побеждает не тот, у кого модель больше, а тот, у кого глубже специализация, надёжнее система и больше врачей, реально пользующихся ИИ.
Быстрая производственная линия не означает раннюю всеобщую доступность: технология — лишь отправная точка, а финиш — доверие. И всё же, как напоминают Келли и Сун Нин, ценность ИИ проверяется в сценариях, а медицина недооценена: её потенциал измеряется тем, сколько способностей действительно доходит до приёмных кабинетов, до уездных больниц, до каждого человека, которому нужен диагноз.
А прежде чем заработает сценарий, должны заработать данные — борьба за стандартизацию данных и есть борьба за входной билет, и тот, кто первым запустит данные в оборот, получит право раздавать карты на следующее десятилетие.