ИИ для врача 2026: что реально можно использовать и что официально запрещено - гайд по GDPR, EU AI Act и HIPAA

Что можно и нельзя ИИ в медицинской практике в 2026

В 2026 году врач реально может использовать ИИ как рабочий инструмент для оформления документации, поиска и суммаризации знаний и подготовки коммуникации с пациентами, но при строгих ограничениях: ИИ не может самостоятельно ставить диагноз, содержимое всегда должно проверяться врачом, а работа с персональными данными подчиняется GDPR, EU AI Act, CNIL и (для международных практик) HIPAA.

Ниже - практический гайд по 5 ключевым сценариям, с конкретными инструментами и официальными источниками, а затем - обзор основных ограничений и рисков.

Документация приема - ambient scribe (Dragon Copilot, Abridge)

Ambient scribe/ambient clinical intelligence - самый зрелый класс ИИ-инструментов в реальной клинической практике: они слушают разговор врача и пациента и формируют черновик структурированной медицинской записи, которую врач затем редактирует и утверждает.

Вариант для практики: Nuance Dragon Ambient eXperience (DAX) / Dragon Copilot

В многоцентровом исследовании Providence Health использовался Dragon Ambient eXperience (DAX): система в реальном времени документировала и транскрибировала прием, интегрируясь с EHR (Epic и др.), что статистически уменьшало время на документацию и "pajama time".

DAX Copilot (обновлённая линейка Nuance) в техническом обзоре описывается как инструмент, который слушает беседу и генерирует структурированный черновик (HPI, ROS, PE, A/P), а также referral letters и after-visit summaries, перед тем как врач переносит и утверждает запись в карте.

NHS England в официальном руководстве по ambient scribing подтверждает, что такие продукты с генеративным ИИ "конвертируют речь прямо в структурированную медицинскую документацию, например записи и письма" и описывает их как инструменты для снижения административной нагрузки, при обязательном соблюдении информационного управления.

Практический сценарий:

Врач включает DAX/Dragon Copilot или аналогичный ambient scribe в начале приема.

По завершении получает черновик структурированной записи (SOAP/нарратив), просматривает, исправляет и лишь затем подписывает в EHR.

Инструмент может также сгенерировать черновик письма специалисту или краткое резюме визита для пациента, но эти материалы должны быть отредактированы врачом перед отправкой.

Ключевое ограничение, зафиксированное в официальных документах:

Abridge (другой ambient scribe, пилотируемый в KUMC) прямо описывает, что клиницист "просматривает и редактирует AI-черновик, а затем вставляет его в свою записку", то есть ИИ не создает финальную запись без человеческой проверки.

В обзоре Abridge подчёркивается: "AI-generated clinical documentation requires physician review and attestation. No AI scribe replaces clinical judgment."

Суммаризация статей и клинических рекомендаций - Copilot Researcher

Для суммаризации большого объёма научных статей, руководств и регламентов наиболее формально описанный инструмент - Microsoft 365 Copilot с агентом Researcher, работающий внутри корпоративного M365 окружения, а не как открытый чат.

Официальный блог Microsoft 365 Health описывает Researcher как "виртуального научного ассистента" внутри Word/Loop: он ищет данные в доверенных веб-источниках и внутренних документах, синтезирует отчёты и вставляет их в Word/PowerPoint с цитатами.

Промпт, который заставляет Researcher (или любой другой LLM) сразу давать проверяемый результат, а не просто уверенно звучащий текст:

Собери последние клинические рекомендации по теме: [заболевание/патоген/протокол].
Формат ответа - таблица: тезис | источник (организация + документ) | дата публикации рекомендации | прямая цитата, на которой основан тезис.
Если не можешь найти первичный источник для тезиса - явно напиши «источник не найден», не выдумывай ссылку.
Отдельно перечисли расхождения между источниками, если они есть.

Ограничения при суммаризации:

WHO в своем руководстве по LMM для здравоохранения фиксирует, что даже при задачах суммаризации LMM "галлюцинируют" от 3 до 27 процентов выводов, включая выдуманные ссылки и искажённые факты, поэтому любые ответы должны проверяться по первичным источникам.

AMA в принципах Augmented Intelligence требует, чтобы решения, влияющие на медпомощь, принимались с "указанными точками квалифицированного человеческого вмешательства", а разработчики и пользователи ИИ обеспечивали прозрачность использования и понимание ограничений.

Черновики ответов и писем пациентам

ИИ может помогать врачу готовить черновики писем и ответов пациентам (результаты обследований, объяснение плана лечения, направления), если это делается в одобренной среде и с последующей проверкой.

Вариант 1: Ambient scribe для пациентских писем

Руководство Министерства здравоохранения Великобритании "AI doctors' assistant" описывает ambient voice technologies (AVT), которые "могут транскрибировать разговор врача и пациента, создавать структурированные медицинские записи и даже черновики писем пациентам".

NHS England в своем документе по ambient scribing подчёркивает, что такие продукты "конвертируют речь в структурированные медицинские записи и письма", и даёт рекомендации по управлению рисками, обучению персонала и защите данных.

Вариант 2: Ask Avo - контекстный клинический ассистент

В пресс-релизе Avo (клиническая AI платформа) описывается компонент Ask Avo как "контекстный клинический ассистент, который сочетает данные пациента с проверенными медицинскими источниками (DynaMed) для ответа на клинические вопросы, поддержки принятия решений и подготовки документации и писем прямо в точке оказания помощи".

Практический сценарий:

После приёма врач использует ambient scribe (DAX/Abridge/Tali) для генерации черновика записи и короткого after-visit summary.

С помощью Ask Avo или Copilot в Outlook врач формирует черновик письма: "Объясни пациенту результаты обследований простыми словами и перечисли пункты, которые он должен обсудить на следующем визите".

Врач внимательно просматривает, корректирует тон и содержание, дополняет индивидуальными рекомендациями и только затем отправляет сообщение через клинически одобренный канал.

Ограничения:

AMA прямо запрещает генерацию записей или коммуникаций "от имени врача" без его согласия и финальной проверки; AI не может создавать записи/коммуникации, которые считаются официальной медицинской документацией, без подписи врача.

В Калифорнии AB 3030 требует наносить дисклеймер на клинические коммуникации, созданные generative AI, и предоставлять пациенту понятный путь к общению с человеком, если сообщение не было предварительно проверено лицензированным специалистом.

Перевод терминов и упрощение языка для пациента

Задача "перевести медицинские термины на понятный язык" делится на две части:

языковой перевод (например, с французского/английского на русский);

семантическое упрощение профессионального жаргона до доступного пациенту текста.

Языковой перевод и многоязычная документация

Вариант: Tali AI - многоязычный AI scribe и ассистент

Официальная документация Tali описывает платформу как "AI-powered clinical documentation" с ambient scribe, медицинской диктовкой и поиском, поддерживающую более 100 языков для записи разговоров и генерацию структурированных заметок.

В справке Tali указано, что врач может выбрать до двух языков для записи, а список поддерживаемых включает французский, английский, русский, персидский (Farsi) и многие другие; заметки и формы могут быть сгенерированы на английском или французском.

Отдельные материалы Tali описывают функцию "multilingual support & translation": платформа документирует визиты на различных языках и переводит заметки в выбранный язык врача, снижая необходимость ручного перевода.

Практический сценарий:

Врач ведёт беседу с пациентом на русском или другом языке; Tali записывает разговор.

Инструмент генерирует структурированную клиническую записку на языке EHR (например, английском или французском) и может помочь перевести краткое резюме обратно на язык пациента.

Врач редактирует текст, удаляет профессиональный жаргон и добавляет пояснения, прежде чем передать материал пациенту.

Семантическое упрощение внутри одного языка

Вариант: Microsoft 365 Copilot (Word/Outlook)

В официальном описании Copilot указано, что он может "корректировать тон и формат" текста, например "упростить сложные данные до понятного английского для раздела summary", что по сути соответствует задаче объяснения сложных медицинских формулировок пациентам.

Практический сценарий:

Врач пишет черновик объяснения: "У вас гипертоническая болезнь II стадии с поражением органов-мишеней..."

В Copilot (Word) формулирует запрос: "Перепиши этот текст простыми словами для пациента".

Полученный вариант рассматривается критически, корректируется в соответствии с клинической ситуацией и уровнем пациента, из текста убираются любые потенциально неточные формулировки.

Ограничения:

WHO подчёркивает, что LMM могут допускать ошибки при "упрощении, переводе или суммаризации" медицинской информации; это создаёт риск неправильного понимания пациентом и требует строгого человеческого контроля.

Для любой работы с персональными данными пациента (даже при простом "переписать текст проще") необходимо убедиться, что платформа одобрена учреждением и соответствует GDPR/HIPAA; открытые публичные чаты без BAA и DPIA не должны получать идентифицирующую информацию.

Образовательные материалы для пациентов

ИИ-инструменты могут существенно ускорить подготовку памяток, презентаций и образовательных текстов, если врач использует их в защищенной среде, опирается на проверенные источники и проводит тщательную медицинскую и юридическую валидацию.

Вариант: Microsoft 365 Copilot + Researcher

Официальная статья Microsoft показывает, как Researcher собирает доказательную базу (например, рекомендации CDC/NIH по инфекциям), формирует структурированный отчёт, а затем Copilot в PowerPoint превращает его в презентацию; аналогично содержимое можно адаптировать под памятку для пациентов.

Copilot в Word может помочь "подстроить тон" и выделить ключевые пункты, например, сделать текст более доступным для неспециалистов и сформировать bullets с основными шагами само-менеджмента (с последующей корректировкой врачом).

Практический сценарий:

Врач или образовательный координатор формирует запрос в Researcher: "Собери основные пункты последних европейских рекомендаций по вторичной профилактике инфаркта миокарда".

После проверки ссылок и содержания врач адаптирует текст для пациента, убирая профессиональные детали, добавляя локальные особенности (согласованные протоколы учреждения).

Copilot помогает разложить материал по слайдам или памяткам, но финальный текст утверждается врачом и отделом качества/юридическим отделом, а при необходимости помечается как частично сгенерированный ИИ согласно требованиям прозрачности (EU AI Act).

Ограничения:

EU AI Act относит многие медицинские AI-приложения к high-risk и требует прозрачности, маркировки синтетического контента и возможности объяснить пациенту, как была получена информация.

WHO указывает на риски "false information or hallucinations for health-care uses" и требует, чтобы до развертывания образовательных LMM-сценариев была оценена точность, безопасность и отсутствие систематических ошибок.

Ограничение: ИИ не ставит диагноз и галлюцинирует

Регуляторы и профессиональные организации едины в ключевом принципе: ИИ в здравоохранении - вспомогательный инструмент, а диагноз и лечение остаются ответственностью врача.

NHS AI policy прямо запрещает использовать искусственный интеллект "для принятия клинических решений или определения диагноза и лечения" и подчёркивает, что клиницист "сохраняет полную ответственность за все аспекты диагностики, лечения и ухода".

Руководство NHS по использованию ChatGPT разрешает его только для задач вроде "drafting documents, summarising information, exploring non-clinical queries" и запрещает применять для клинических решений или генерации записей в медицинской карте.

AMA в своих принципах Augmented Intelligence фиксирует, что "clinical decisions influenced by AI must be made with specified qualified human intervention points" и что AI-системы не могут самостоятельно создавать или изменять медицинскую документацию без согласия и финальной проверки врача.

EU AI Act классифицирует диагностические инструменты, clinical decision support и алгоритмы триажа как high-risk; для них обязательны управление рисками, валидация, человеческий oversight и регистрация в центральной базе.

В обзоре FDA подчёркивается, что агентство одобрило более 1250 AI-enabled medical devices, но ни один генеративный LLM ещё не получил одобрения как самостоятельный клинический инструмент; LLM остаются "experimental in clinical settings".

Практическое следствие:

Использование LLM/генеративного ИИ только для brainstorm'а, проверки дифференциального диагноза или поиска литературы возможно, но без права ставить диагноз "по ответу модели"; окончательное решение всегда принимает врач, опираясь на клинические данные и проверенные источники.

Галлюцинации моделей

"Галлюцинации" - системное и официально признанное поведение LLM, особенно опасное в медицине.

WHO в Guidance on LMM for health описывает "propensity of chatbots to produce incorrect or wholly false responses from data or information 'invented' by the LMM" и фиксирует, что при суммаризации фактов LMM галлюцинируют от 3 до 27 процентов ответов.

В том же документе WHO отдельно отмечает риск "hallucination and/or misinformation", включая выдуманные статьи и ссылки, и относит его к ключевым рискам, которые необходимо адресовать до развертывания.

Исследование, цитируемое в клиническом обзоре AAN, показывает, что 91,8 процента опрошенных клиницистов сталкивались с галлюцинациями AI в практике; описаны выдуманные названия препаратов, ложные лекарственные взаимодействия, неверные диагностические критерии и несуществующие симптомы в сгенерированных заметках.

Аналитическая статья 2026 года "AI Hallucinations as a Form of Harm" обосновывает, что в контексте WHO-этики такие галлюцинации следует классифицировать не только как риск, но и как форму вреда, поскольку они могут приводить к искажённым представлениям о здоровье и неправильным решениям.

Практические выводы для врача:

Любой текст, сгенерированный ИИ (документация, суммаризация статей, ответы пациентам, образовательные материалы), должен рассматриваться как черновик и проверяться по первичным источникам и клиническому контексту.

Особенно внимательно нужно относиться к конкретным медицинским фактам: диагнозы, дозировки, критерии включения/исключения; их следует сверять с официальными руководствами и базами данных, а не доверять "авторитетно звучащему" тексту модели.

Стоит ли вам это внедрять

Если у вашей клиники нет одобренного контракта с ambient scribe (DAX/Abridge/Tali) и юридического заключения по GDPR/HIPAA - не вводите данные пациентов в открытые чат-боты вообще, даже для «просто перевести проще». Риск нарушения не стоит выигранных пяти минут.

Если инфраструктура одобрена - начните с самого измеримого сценария: суммаризация статей и черновики писем с обязательной проверкой ссылок и цитат по промпту выше, это не требует интеграции с EHR. Ambient scribe для документации приёма даёт больше выигрыша по времени, но требует серьёзной интеграции и обучения персонала - это решение уровня отделения, а не личный выбор одного врача.

Защита персональных данных: GDPR, EU AI Act, CNIL, HIPAA

Для врача в ЕС (и особенно во Франции) ключевую роль играют GDPR, EU AI Act, European Health Data Space и рекомендации CNIL; для международных практик также важно учитывать HIPAA.

GDPR, EU AI Act и EHDS

GDPR относит данные о здоровье, генетические и биометрические данные к "special category data" (статья 9), требующей отдельного основания обработки: явное согласие, законная обязанность, защита vital interests или специальное основание для медицинской помощи.

Статья 9 GDPR и сопроводительные материалы подчёркивают, что "legitimate interests" - гибкое основание для обычных данных - не применимо к данным особой категории; для медицинских ИИ-проектов почти всегда требуется явное согласие или другой специальный базис.

EU AI Act (Regulation (EU) 2024/1689) классифицирует большинство клинических AI-систем (диагностические устройства, CDSS, триаж) как high-risk, что запускает жёсткие требования: risk management, data governance, technical documentation, human oversight, transparency и conformity assessment.

Для систем, встроенных в регулируемые медицинские устройства (MDR/IVDR), high-risk требования AI Act полностью начнут применяться через 36 месяцев после вступления (ориентировочно 2027), однако большая часть обязательств для high-risk систем в здравоохранении становится применимой уже в августе 2026.

Руководства по внедрению EU AI Act для здравоохранения подчёркивают необходимость Fundamental Rights Impact Assessment (FRIA), site-specific технической валидации и чётких механизмов human oversight, чтобы минимизировать automation bias.

Европейское здравоохранение дополняется регламентом European Health Data Space (EHDS), который требует, чтобы вторичное использование данных (исследования, индустрия, инновации) происходило через публичную или контролируемую инфраструктуру и подчинялось принципам privacy-by-design и data minimization.

Практические последствия для врача:

Любой ИИ, который обрабатывает данные пациентов (включая запись разговора и генерацию заметок), требует DPIA (Data Protection Impact Assessment) при крупномасштабном использовании; это прямо отмечается в экспертизах по GDPR и AI.

Необходимо убедиться, что платформа имеет статус data processor с корректными договорами, соответствующими GDPR, и что архитектура учитывает локальное хранение данных, надлежащее шифрование и контроль доступа.

Рекомендации CNIL (Франция)

CNIL в своих рекомендациях 2026 года подчёркивает, что GDPR часто применяется к AI-моделям, обученным на персональных данных, из-за их способности "запоминать" информацию; поэтому разработчики и пользователи должны анализировать, подпадает ли их применение под GDPR.

CNIL предлагает "robust filters" внутри систем, инкапсулирующих модели, для предотвращения обработки персональных данных там, где она не требуется, и публикует чек-листы и резюме для быстрой проверки соответствия требованиям защиты данных.

Для здравоохранения CNIL продвигает ко-регуляцию и сотрудничает с органами здравоохранения; анонсирована отдельная памятка по правилам разработки и применения ИИ в медицинских примерах.

HIPAA и generative AI (для международных практик)

Руководства по HIPAA-совместимому ИИ указывают, что любой AI, который создаёт, получает, хранит или передаёт PHI (Protected Health Information), попадает под HIPAA Privacy Rule, Security Rule и Breach Notification Rule, а его поставщик считается Business Associate.

Уточняется, что "AI-generated content that contains or is derived from PHI is itself PHI and subject to HIPAA protections", включая клинические заметки, рекомендации и другие выходы, содержащие идентифицирующую информацию.

Юридический анализ по AI chatbots и HIPAA подчёркивает, что ввод PHI в generative AI без BAA обычно является недопустимым раскрытием; BAA должен быть заключён до доступа вендора к PHI.

Профессиональные рекомендации (например, ASHA) советуют "предполагать, что все generative AI инструменты не HIPAA-совместимы, пока это не подтверждено отделом приватности/юридическим отделом учреждения" и прямо запрещают загрузку PHI в публичные приложения вроде ChatGPT без явного разрешения.

Практические правила для врача:

Не вводить идентифицирующую информацию о пациентах в публичные LLM/чат-боты (включая платные аккаунты) без официального решения учреждения и проверки BAA/DPIA.

Для ambient scribes, Copilot и специализированных медицинских ИИ-платформ использовать только корпоративные версии, одобренные ИТ и DPO, и маркировать ИИ-генерируемый контент там, где того требует регулятор (AI Act, национальные законы).