В 2025 году частная больница в Пекине — Beijing Amcare — запустила ИИ-предконсультацию на корпоративной платформе Lark (аналог мессенджера и среды совместной работы от ByteDance). Инструмент собирает анамнез и жалобы до визита, что сокращает очный приём врача на 5–10 минут. Параллельно клиника внедрила модули прогноза затрат на госпитализацию, автоматической классификации операций и генерации образовательных материалов для пациентов. Разбираем, как это работает и что можно повторить в России.
Почему Beijing Amcare обратилась к ИИ именно сейчас
Beijing Amcare — многопрофильный частный госпиталь, работающий в высококонкурентном сегменте акушерства, гинекологии и педиатрии. Рост потока пациентов и дефицит врачебного времени заставили клинику искать инструменты, которые не заменяют врача, а разгружают его от рутинных задач. Точкой входа стала платформа Lark (корпоративный мессенджер и среда совместной работы, изначально созданная для внутренних коммуникаций).
По данным китайского медицинского портала DXY Insight, руководство Amcare сформулировало цель: «пусть забота опережает болезнь» — сместить фокус с реактивного лечения на проактивное сопровождение. Для этого потребовалось пересобрать три процесса: сбор данных перед визитом, финансовое консультирование и послеоперационное ведение.
ИИ-предконсультация: как она устроена и что даёт врачу
Ядро решения — чат-бот на базе ИИ-функций платформы Lark. Пациент за 24–48 часов до приёма получает ссылку на структурированный опросник: бот задаёт вопросы по симптомам, продолжительности, принимаемым препаратам, аллергическому анамнезу. Ответы трансформируются в черновик медицинской записи, доступный врачу в момент начала консультации.
Результат, зафиксированный в источнике: время очного приёма сократилось на 5–10 минут на каждого пациента. Для врача, который принимает 20–30 человек в день, это высвобождает до 3–5 часов в неделю — ресурс, который можно направить на сложные случаи или сокращение очереди. Важно: бот не ставит диагноз, он лишь структурирует информацию, оставляя клиническую интерпретацию за специалистом. В российской клинике аналогичного эффекта можно добиться, используя чат-бота в Telegram или виджет на сайте с интеграцией в медицинскую информационную систему (МИС). Главное — хранить полученные анкеты на серверах в РФ и получить согласие пациента на обработку данных.
Прогноз затрат на госпитализацию: как работает ИИ-модель
Второй компонент — ИИ-модель расчёта стоимости стационарного лечения. При планировании госпитализации система анализирует диагноз, предполагаемый объём вмешательств, длительность пребывания и исторические данные клиники. Пациент получает предварительную калькуляцию ещё до подписания согласия, что снижает число отказов из-за непрозрачности цены и уменьшает разногласия при выписке.
Согласно источнику, модуль учитывает не только прямые медицинские расходы, но и сопутствующие траты — лекарственное обеспечение, расходные материалы конкретного отделения. Такой подход характерен для коммерческих клиник, где прозрачность цены напрямую влияет на конверсию в госпитализацию. В России реализовать подобный прогноз можно, встроив расчётный модуль в популярные МИС (например, «1С:Медицина», «Медиалог» или «Интерин») при условии корректного обмена данными через программный интерфейс (API). Это потребует доработки и согласования с вендором системы, но сама логика полностью воспроизводима.
Классификация операций и автоматическое кодирование
Третий блок — автоматическая классификация хирургических вмешательств. ИИ разбирает текст операционного протокола, извлекая ключевые манипуляции, и сопоставляет их с внутренней номенклатурой клиники. Результат — корректное кодирование услуги в учётной системе и минимизация ручного ввода, который часто приводит к ошибкам в статистике и расчётах с пациентом.
Хотя точная архитектура модели не раскрывается, по логике кейса можно предположить использование модели обработки естественного языка (NLP), дообученной на корпусе протоколов Amcare. Такая модель потенциально сокращает время кодирования одной операции на 50–70 % относительно полностью ручного процесса. Для российских клиник подобный инструмент потребует адаптации к используемой МИС и интеграции с классификатором медицинских услуг. Технически это возможно, но на старте лучше начинать с наиболее массовых и стандартных операций, где ИИ быстрее даст ощутимый эффект.
Пациентское образование: контент, создаваемый ИИ
Четвёртый модуль — генерация образовательных материалов для пациентов. На основе диагноза и плана лечения ИИ формирует персонализированные памятки: подготовка к процедуре, рекомендации после выписки, ответы на частые вопросы. Материалы проходят редакторский контроль врача, но снижают нагрузку на медсестёр, которые ранее тратили до 15 минут на устное консультирование каждого пациента.
Интересная деталь: по сообщению DXY Insight, больница использовала ИИ и для обратной связи — пациенты могли в чате задать уточняющие вопросы по памятке, и бот обрабатывал их в том же диалоговом окне. Это замкнуло цикл «информирование — уточнение — подтверждение понимания». В России подобные памятки можно генерировать с помощью сервисов «Яндекс.Документы» или «МойОфис», но обязательно с последующей проверкой врачом: согласно закону «О рекламе» (ФЗ-38), информация о методах лечения может считаться рекламой медицинских услуг и должна подаваться корректно.
Технологический выбор: почему платформа Lark
Выбор Lark как платформы объясняется двумя факторами. Во-первых, это единая среда, где уже сосредоточены коммуникации персонала, календари и документооборот — внедрение ИИ не требовало отдельного интерфейса. Во-вторых, встроенные возможности Lark (интеллектуальные документы, базы знаний) позволили развернуть модули без привлечения сторонних разработчиков.
Однако такое решение работает только при централизованной цифровизации клиники. В России прямого аналога Lark, сразу объединяющего мессенджер, почту, календари и ИИ-инструменты в одном контуре, пока нет. Корпоративные платформы уровня «Яндекс 360» или VK WorkSpace могут закрыть базовые коммуникации, но ИИ-модули для медицины всё равно потребуют отдельного внедрения и стыковки с МИС.
Применимость для России
Что переносится напрямую. Сама логика ИИ-предконсультации — сбор структурированного анамнеза до приёма — в российской частной медицине не конфликтует с регуляторикой, если система не ставит диагноз, а лишь передаёт врачу подготовленную информацию. Это можно реализовать через Telegram-бота, портал или мессенджер WhatsApp с обязательной интеграцией в МИС и хранением данных на серверах в РФ.
Ограничения. Прямой перенос платформы Lark затруднён из-за отсутствия полностью локализованного аналога с аналогичным ИИ-функционалом. Кроме того, обработка персональных данных пациентов требует строгого соблюдения Федерального закона «О персональных данных» (152-ФЗ): данные должны находиться на территории России, а ИИ-модель не может передавать их вовне без явного согласия. Роскомнадзор контролирует это, поэтому облачные сервисы нужно выбирать с аттестованными в РФ дата-центрами.
Прогноз затрат и классификация операций более чувствительны к особенностям локальной МИС. Внедрение потребует доработки API конкретной системы и настройки обмена данными, что делает кейс Amcare скорее источником идей, чем готовым шаблоном. Удобнее начинать с малого: сначала запустить предконсультацию и сбор жалоб, а затем поэтапно добавлять модули.
Пациентское образование с помощью ИИ уже сегодня может работать в российских клиниках — достаточно внедрить шаблонную генерацию памяток с последующей врачебной верификацией. Главное — избежать автоматической публикации без контроля врача, чтобы не противоречить требованиям закона о рекламе.
FAQ
Q: Что такое ИИ-предконсультация и чем она отличается от обычного опросника? A: Это чат-бот, который адаптивно задаёт уточняющие вопросы на основе ответов пациента и формирует структурированную запись для врача, сокращая время очного приёма на 5–10 минут.
Q: Может ли ИИ-бот заменить врача при сборе анамнеза? A: Нет, он не ставит диагноз и не интерпретирует клинические данные. Его задача — подготовить черновик записи, чтобы врач быстрее вошёл в контекст.
Q: Какие метрики доказывают эффективность ИИ-предконсультации? A: В кейсе Beijing Amcare зафиксировано сокращение времени приёма на 5–10 минут у каждого пациента, что высвобождает несколько часов врача в неделю.
Q: Можно ли использовать зарубежные платформы, подобные Lark, в российской клинике? A: Прямой перенос платформы затруднён из-за отсутствия полностью локализованного аналога и требований 152-ФЗ о хранении медицинских данных на территории РФ. Однако логика предконсультации реализуема через собственных чат-ботов или доработанные МИС.
Q: Как ИИ-прогноз стоимости госпитализации помогает клинике? A: Пациент заранее видит детализированную калькуляцию, что снижает отказы и конфликты при выписке, повышая прозрачность ценообразования.
Источник: китайское медицинское издание DXY Insight (丁香园), 2025