ИИ-помощь врачам в Кении не снизила число ошибок лечения

Авторы проверили не ИИ вообще, а вполне конкретный сценарий: может ли большая языковая модель подсказать клиническому работнику, что делать с пациентом прямо в электронной карте. Для этого они устроили кластерное рандомизированное испытание: целые клиники, а не отдельных пациентов, случайно разделили на две группы — с подсказками ИИ и без них. Такой дизайн нужен, чтобы врачи из одной клиники не смешивали два подхода между собой и чтобы сравнение было честным.

Почему это было важно? Потому что в реальной первичной помощи, особенно там, где ресурсов мало, хорошие доказательства для таких систем почти отсутствуют. В Кении это особенно чувствительный вопрос: нагрузка на врачей высокая, а любая цифровая помощь должна не только звучать умно, но и реально менять исходы лечения. Исследователи проверяли не абстрактную «полезность», а очень приземлённый итог — были ли в течение 14 дней случаи неудачи лечения, которые отдельно оценивали эксперты.

И вот тут результат оказался довольно сдержанным: число неудач лечения почти не отличалось между группами. То есть ИИ не дал заметного выигрыша в самой важной для пациента вещи — исходе лечения в ближайшие две недели. При этом есть и хорошая новость: независимая проверка не нашла проблем с безопасностью, а серьёзных нежелательных событий, связанных именно с вмешательством, не было. Так что картина получилась не «ИИ спасает» и не «ИИ мешает», а скорее «внедрять можно, но рассчитывать на большой эффект пока не стоит».

Интересная деталь в том, что исследование было прагматичным — то есть максимально приближенным к обычной работе клиник, а не к стерильным условиям эксперимента. Именно поэтому его результаты так полезны: они показывают, что система может работать в реальной, небогатой ресурсами среде, но её клиническая отдача пока выглядит небольшой.