Рост искусственного интеллекта в первичной респираторной помощи и пульмонологии: обзор объема исследований

Более умный уход за дыханием в повседневных клиниках

Проблемы с дыханием — такие как астма, хроническая обструктивная болезнь легких (ХОБЛ) и инфекции легких — затрагивают сотни миллионов людей во всем мире. В этой статье исследуется, как искусственный интеллект (ИИ) бесшумно переходит из исследовательских лабораторий в кабинеты семейных врачей, отделения неотложной помощи и даже в наши дома, помогая обнаруживать заболевания легких на ранних стадиях, направлять лечение и снижать нагрузку на уже перегруженных медицинских специалистов. Для читателей это дает представление о том, как цифровые «сопилоты» вскоре могут помочь семейным врачам и пульмонологам предоставлять более быстрый, точный и персонализированный уход, не заменяя при этом человеческие отношения, лежащие в основе медицины.

Как умные инструменты учатся «читать» легкие

Обзор начинается с короткой истории ИИ в респираторной медицине — от ранних «экспертных систем», работавших по написанным вручную правилам, до современных мощных моделей машинного обучения и больших языковых моделей. Современные ИИ могут распознавать закономерности напрямую из огромных коллекций рентгеновских снимков грудной клетки, КТ, спирометрий, звуковых записей и электронных медицинских карт. Респираторная медицина необычайно богата такого рода данными: изображения грудной клетки, стандартизованные кривые функции легких, записи кашля и дыхательных шумов, а также непрерывные потоки данных со носимых устройств и домашних мониторов. Такое сочетание детальных мгновенных снимков и долгосрочного мониторинга делает уход за легкими естественной площадкой для тестирования ИИ-систем, способных распознавать тонкие признаки ухудшения, группировать пациентов на осмысленные подтипы и предсказывать, кто с наибольшей вероятностью может ухудшиться.

Помощь врачам при анализе снимков и тестов функции дыхания

Одной из ключевых тем является то, как ИИ поддерживает процесс диагностики. Программы глубокого обучения уже помогают радиологам сортировать рентгеновские снимки грудной клетки, отмечая нормальные изображения, чтобы срочные аномальные случаи попадали в начало очереди, что значительно сокращает время разборки критических исследований. Похожие инструменты могут выделять признаки пневмонии при COVID-19 или оценивать, насколько маленькие узелки на КТ вероятно представляют ранние рак легкого. В лабораториях функций легких и в первичной медико-санитарной помощи алгоритмы отслеживают, как пациенты дышат в спирометры, выявляют технические ошибки и классифицируют распространенные паттерны заболеваний — иногда достигая уровня специалистов или превосходя их. В совокупности эти системы обещают более стабильное качество тестов и меньше пропущенных или отложенных диагнозов, особенно в местах с дефицитом обученных экспертов.

Прослушивание кашля, наблюдение дома и защита населения

За пределами больниц ИИ превращает простые устройства в мощные инструменты здравоохранения. Микрофоны смартфонов и носимые устройства могут фиксировать кашель, дыхание и речь, позволяя алгоритмам автоматически обнаруживать эпизоды и искать звуковые «отпечатки» заболеваний. Домашние датчики и портативные мониторы легких в сочетании с погодными и данными о качестве воздуха могут прогнозировать обострения астмы или ХОБЛ и предупреждать пациентов и клиницистов за дни до них. Платформы телемедицины и чат-боты расширяют эту поддержку, помогая в самоуправлении, сортируя обращения и помогая людям корректировать лекарства между визитами в клинику. На уровне населения машинное обучение помогает отслеживать вспышки, такие как COVID-19, разрабатывать целевые кампании по охране легочного здоровья и выявлять паттерны вейпинга и употребления табака среди молодежи, которые стандартные опросы могут упустить.

Возможности, риски и справедливый доступ

Авторы осторожно подчеркивают, что большая часть этих инструментов все еще находится на стадии исследований или ранних пилотных проектов, и их безопасное и справедливое использование не гарантировано. Многие модели тестировались лишь в ограниченных условиях и могут давать сбои при применении в других местах или по мере изменения технологий и заболеваний со временем. Если в обучающих данных недостаточно представлены определенные группы — например дети, пожилые люди или маргинализованные сообщества — ИИ может усилить существующие неравенства в уходе за легкими. Большие языковые модели и другие генеративные инструменты также могут предлагать уверенные, но неверные рекомендации по диагностике или лечению. Чтобы защитить от вреда, в статье призывают к строгому многоцентровому тестированию, постоянному мониторингу «дрейфа» производительности, прозрачным объяснениям того, как системы приходят к своим выводам, и четким правилам, гарантирующим, что клиницисты сохраняют контроль над окончательными решениями.

Что это значит для будущего ухода за легкими

В заключение обзор рисует осторожно оптимистичную картину. При продуманном дизайне, тщательном тестировании и надежных гарантиях конфиденциальности и справедливости ИИ может взять на себя большую часть повторяющейся, насыщенной данными работы, которая сейчас отнимает время врачей. Это освободит врачей первичной помощи и пульмонологов, чтобы они могли больше сосредоточиться на выслушивании пациентов, объяснении вариантов и индивидуализации ухода. Вместо замены врачей ИИ представлен как набор новых инструментов — подобно лучшему стетоскопу и более четким объективам — которые при разумном использовании могут сделать уход за дыханием быстрее, точнее и более личным для людей, живущих с заболеваниями легких.

Цитирование: Soriano, J.B., Lumbreras, S. The rise of artificial intelligence in respiratory primary care and pulmonology: a scoping review. npj Prim. Care Respir. Med. 36, 21 (2026). https://doi.org/10.1038/s41533-026-00487-5

Ключевые слова: искусственный интеллект в здравоохранении, заболевания легких, респираторная диагностика, телездравоохранение и мониторинг, астма и ХОБЛ