По отраслевому индексу зрелости ИИ AI Радар здравоохранение России сегодня набирает 48 баллов из 100 при среднемировом показателе 78 — разрыв примерно в 30 пунктов, один из наиболее заметных среди всех отслеживаемых отраслей экономики. Индекс учитывает не только наличие пилотных проектов, а структурную готовность отрасли: от масштаба реального клинического использования ИИ-инструментов до зрелости регуляторной базы, позволяющей внедрять их без риска для пациента.
При этом отставание по индексу не означает равномерного отставания по всем направлениям сразу — внутри российского здравоохранения есть как минимум одно направление, где зрелость внедрения ИИ близка к мировому уровню, а масштаб применения на отдельных территориях уже сопоставим с показателями стран-лидеров.
Наиболее зрелое прикладное направление ИИ в российской медицине — анализ лучевых исследований (рентген, КТ, МРТ) в Москве. Свыше 50 ИИ-сервисов встроены в единый радиологический информационный сервис ЕРИС ЕМИАС и доступны врачам-рентгенологам 150 медицинских организаций Департамента здравоохранения Москвы: сервисы анализируют снимки, выделяют цветовыми маркерами зоны возможных отклонений, формируют описания и проводят необходимые измерения, ускоряя работу врача, а не заменяя его финальное решение.
Масштаб применения этих сервисов уже вышел за пределы столицы: по данным ТАСС, около 80% регионов России используют московские сервисы ИИ в собственных медицинских учреждениях — де-факто московский опыт лучевой диагностики стал федеральной инфраструктурой, доступной регионам без необходимости строить аналогичные системы с нуля.
По данным Росздравнадзора, озвученным на отраслевом форуме «НОВАМЕД-2026», в России официально зарегистрировано 57 медицинских изделий, использующих технологии ИИ. Из них 41 включено в реестр отечественного программного обеспечения, ещё 11 разработок в этот реестр не входят, а 5 изделий созданы зарубежными компаниями — таким образом, более 70% зарегистрированных решений имеют российское происхождение, что заметно отличает медицину от многих других отраслей, где доля импортных ИИ-инструментов остаётся выше.
Отдельно стоит учитывать, что регистрация медицинского изделия с ИИ — процесс значительно более строгий, чем внедрение обычного корпоративного ИИ-инструмента: каждое изделие проходит клинические испытания и получает регистрационное удостоверение, подтверждающее безопасность применения именно в диагностике или лечении пациентов, а не общую техническую работоспособность продукта.
Оценки объёма российского рынка ИИ в здравоохранении заметно различаются в зависимости от методологии подсчёта. По одним расчётам, потенциальный размер рынка в 2025 году составил 64,4 млрд рублей с прогнозом роста до 121 млрд рублей к 2030 году. По другим оценкам, отталкивающимся от иной базы, рынок должен вырасти с 12 млрд рублей в 2024 году до 78 млрд рублей к 2030 году — то есть примерно в шесть раз.
Расхождение в цифрах — не повод отбрасывать обе оценки, а следствие разного понимания границ рынка: включать ли в него только специализированные диагностические решения или также медицинские информационные системы с элементами ИИ, платные и государственные сегменты, отечественные и зарубежные поставщики. Общий вывод, на котором сходятся обе методологии, — кратный рост рынка к 2030 году, а не стагнация на текущем уровне.
В разработки ИИ для здравоохранения в России в период с 2018 по 2025 год было вложено порядка 4,7 млрд рублей в рамках 264 инвестиционных сделок, включая гранты — сумма скромная на фоне общего объёма ИИ-рынка страны, что отчасти объясняет разрыв между технологической зрелостью отдельных направлений (лучевая диагностика) и общим отставанием отрасли по индексу зрелости.
При этом там, где внедрение уже состоялось, отдача выглядит убедительно: 64% медицинских организаций, внедривших решения на основе генеративного ИИ, отметили положительный возврат на инвестиции — показатель, сопоставимый с результатами внедрения ИИ в других капиталоёмких и регулируемых отраслях.
Барьеры, тормозящие внедрение ИИ в медицине, во многом совпадают с барьерами, характерными для всей российской экономики, но проявляются острее из-за специфики отрасли. Качество и разрозненность медицинских данных — не просто техническая проблема, а следствие того, что данные пациента исторически хранятся в разных, слабо связанных между собой медицинских информационных системах разных регионов и медицинских организаций, что затрудняет обучение и валидацию ИИ-моделей на репрезентативных выборках.
Регуляторная неопределённость в медицине также ощущается сильнее, чем в среднем по экономике: каждое медицинское изделие с ИИ должно пройти отдельную регистрацию с клиническими испытаниями, а ответственность за диагностическое или лечебное решение, принятое с использованием ИИ, требует более чёткого правового регулирования, чем в большинстве других прикладных сценариев применения технологии.
Кадровый барьер и стоимость интеграции с уже действующими медицинскими информационными системами закрывают список основных ограничений: врачам необходимо не только освоить новые инструменты, но и научиться доверять им ровно настолько, насколько это оправдано клинически, а интеграция нового ИИ-сервиса с legacy-системами конкретной больницы часто оказывается дороже и дольше, чем внедрение самой модели.