Искусственный интеллект в дерматовенерологии: новые смыслы, новая практика, новые горизонты
Мартынов А.А., Лернер М.Ю., Мерцалова И.Б., Сысоева Т.А., Мураховская Е.К., Власова А.В., Плахова К.И., Ткаченко Д.Л.
В статье рассматривается влияние технологий искусственного интеллекта (ИИ) на современные подходы к диагностике и лечению в дерматовенерологии и подготовке специалистов. Анализируются направления применения ИИ, включая оценку кожных новообразований, автоматизированный триаж в теледерматологии, интерпретацию изображений при хронических дерматозах, в т.ч. в рамках динамического наблюдения, и поддержку принятия клинических решений. В работе проанализировано 32 источника литературы, большинство из которых составляют иностранные публикации за последние 5 лет. Приведены данные верифицированных исследований, в т.ч. демонстрирующих сопоставимую точность алгоритмов компьютерного зрения и оценки опытных специалистов, а также примеры интеграции ИИ-систем в клиническую практику различных стран. Отдельное внимание уделено вопросам нормативного регулирования и профессиональных барьеров. Обсуждаются условия внедрения технологий высокой степени риска в амбулаторном звене и специализированной помощи в соответствии с действующими регуляторными требованиями, а также факторы, ограничивающие использование ИИ в реальной практике, включая недостаток цифровых компетенций, юридическую неопределенность и осторожное отношение врачей к рекомендациям алгоритмов. Рассматривается концепция «врач-в-контуре» как механизм обеспечения клинической валидности и безопасности решений, основанных на ИИ. Показано, что ИИ способен повысить эффективность диагностики и мониторинга заболеваний, однако его применение требует участия специалиста, интерпретирующего результаты алгоритмов и обеспечивающего соблюдение этических норм. Представлены рекомендации по обучению медицинских работников, выбору и оценке ИИ-инструментов, а также организационные меры, направленные на безопасную и обоснованную интеграцию цифровых технологий в дерматовенерологическую практику. Материал может быть полезен дерматовенерологам, специалистам по цифровой медицине и организаторам здравоохранения, занимающимся вопросами внедрения ИИ и оценкой рисков, связанных с использованием интеллектуальных систем в клинической деятельности, а также преподавателям медицинских дисциплин как в системе высшего и среднего медицинского образования, так и в системе дополнительного профессионального образования, что в итоге влияет на качество оказываемой медицинской помощи.
Для цитирования: Мартынов А.А., Лернер М.Ю., Мерцалова И.Б., Сысоева Т.А., Мураховская Е.К., Власова А.В., Плахова К.И., Ткаченко Д.Л. Искусственный интеллект в дерматовенерологии: новые смыслы, новая практика, новые горизонты. Фарматека. 2026;33(5):41-48. DOI: https://dx.doi.org/10.18565/pharmateca.2026.5.41-48
Вклад авторов: А.А. Мартынов – концепция и дизайн исследования, редактирование. М.Ю. Лернер, И.Б. Мерцалова, Т.А. Сысоева, Е.К. Мураховская, К.И. Плахова, Д.Л. Ткаченко – сбор и обработка материала, написание текста, составление списка литературы. А.В. Власова – сбор и обработка материала, написание текста, редактирование. Все авторы несут ответственность за целостность всех частей рукописи и утверждение окончательного варианта рукописи.
Конфликт интересов: Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.
Финансирование: Работа выполнена без спонсорской поддержки.
Ключевые слова
искусственный интеллект
дерматовенерология
цифровая медицина
клиническое принятие решений
теледерматовенерология
персонализированное лечение
AI Act
медицинская этика
цифровая трансформация
Список литературы
1. Esteva A., Kuprel B., Novoa R.A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017;542(7639):115–8. https://dx.doi.org/10.1038/nature21056
2. Gulshan V., et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy. JAMA. 2016;316(22):2402–10. https://dx.doi.org/10.1001/jama.2016.17216
3. Finnane A., et al. Teledermatology for the diagnosis and management of skin conditions. JAMA. Dermatol. 2017;153(2):207–8.
4. Singhal K., et al. Large Language Models Encode Clinical Knowledge. NPJ Digit Med. 2023;6:44. https://dx.doi.org/10.1038/s41746-023-00790-6
5. Davenport T., Kalakota R. The potential for AI in healthcare. Future Healthc J. 2019;6(2):94–8.
6. Yu K.H., Beam A.L., Kohane I.S. Artificial intelligence in healthcare. Nat Biomed Eng. 2018;2(10):719–31. https://dx.doi.org/10.1038/s41551-018-0305-z
7. Gu Y., et al. BioGPT: Generative pre-trained transformer for biomedical text generation and mining. Brief Bioinform. 2023;24(1):bbac409.
8. WHO. Ethics and governance of artificial intelligence for health. Geneva: World Health Organization; 2021. URL: https://www.who.int/publications/i/item/9789240029200?utm_source=chatgpt.com
9. Haenssle H.A., et al. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol. 2018;29(8):1836–42.
10. Tschandl P., Rinner C., Apalla Z., et al. Human–computer collaboration for skin cancer recognition. Nat Med. 2020;26(8):1229–34.
11. Heaven D. Google DeepMind’s AI predicts kidney injury. Nature. 2019;572:289–90.
12. Heng Yin, at al. Image-based remote evaluation of PASI scores with psoriasis by the YOLO-v4 algorith, Exp Dermatol, 2024;33(4):e15082. https://dx.doi.org/10.1111/exd.15082
13. Tschandl P., et al. HAM10000 dataset: A large collection of multi-source dermatoscopic images. Sci Data. 2018;5:180161.
14. Yunzhao Xing, at al Deep Learning-Based Psoriasis Assessment: Harnessing Clinical Trial Imaging for Accurate Psoriasis Area Severity Index Prediction. Digit Biomark. 2024;8(1):13–21.
15. Sales C., Coates S.J. Curr Dermatol Rep. 2025;14:14.
16. Schaffert D., at al. Using Automated Machine Learning to Predict Necessary Upcoming Therapy Changes in Patients With Psoriasis Vulgaris and Psoriatic Arthritis and Uncover New Influences on Disease Progression: Retrospective Study, JMIR Form Res. 2024;8:e55855.
17. Finnane A., at al. Teledermatology for the Diagnosis and Management of Skin Cancer: A Systematic Review, JAMA. Dermatol. 2017;153(3):319327. https://dx.doi.org/10.1001/jamadermatol.2016.4361
18. Nami N., at al. Concordance and time estimation of store-and-forward mobile teledermatology compared to classical face-to-face consultation. Acta Derm Venereol. 2015;95(1):35–9. https://dx.doi.org/10.2340/00015555-1876
19. Newaz A., Mushfiq I.M., Ashraful A., et al. Toward Accessible Dermatology: Skin Lesion Classification Using Deep Learning Models on Mobile-Acquired Images, 2025. https://dx.doi.org/10.48550/arXiv.2509.04800
20. Obermeyer Z., Emanuel E.J. Predicting the future – big data, machine learning, and clinical medicine. N Engl J Med. 2016;375(13):1216–9.
21. Amann J., et al. Explainability for artificial intelligence in healthcare: a multidisciplinary perspective. BMC. Med Inform Decis Mak. 2020;20:310.
22. Toward expert-level medical question answering with large language models. Nat Med. 2025;31:943–50.
23. Рукша Т.Г., Лапкина Е.З. Применение технологий на основе искусственного интеллекта в дерматологии. Российский журнал кожных и венерических болезней. 2025;28(4):429-436. [Ruksha T.G., Lapkina E.Z. Application of technologies based on artificial intelligence in dermatology. Russian Journal of Skin and Venereal Diseases. 2025;28(4):429–436. (In Russ.)]. https://dx.doi.org/10.17816/dv678577
24. ISO/IEC JTC 1/SC 42. Artificial Intelligence – Concepts and Terminology. ISO/IEC 23053:2022. URL: https://www.iso.org/standard/74438.html
25. Гусев А.В., Евгина С.А., Годков М.А., Искусственный интеллект в здравоохранении России. Роль лаборатории. Лабораторная служба. 2022;11(2):5–8. [Gusev A.V., Evgina S.A., Godkov M.A., Artificial Intelligence in Russian Healthcare. The Role of the Laboratory. Laboratory Service. 2022;11(2):5–8. (In Russ.)]. https://dx.doi.org/10.17116/labs2022110215
26. Железнова Е.А., Власов В.В., Власова А.В. и др. Оценка возможности использования искусственного интеллекта и поисковых систем для успешного прохождения тестовой части первичной аккредитации и первичной специализированной аккредитации. Кардиоваскулярная терапия и профилактика. 2024;23(Suppl. 4):4202. [Zheleznova E.A., Vlasov V.V., Vlasova A.V., et al. Assessing the Feasibility of Using Artificial Intelligence and Search Engines for Successful Completion of the Test Part of Primary Accreditation and Primary Specialized Accreditation. Cardiovascular Therapy and Prevention. 2024;23(Suppl. 4):4202. (In Russ.)]. https://dx.doi.org/10.15829/1728-8800-2024-4202
27. Худик В.А. Роль искусственного интеллекта в оптимизации учебного процесса в медицинском вузе. Вестник СПб НИИ педагогики и психологии высшего образования. 2025;(1):5–12. [Khudik V.A. The Role of Artificial Intelligence in Optimizing the Educational Process in a Medical University. Bulletin of the St. Petersburg Research Institute of Pedagogy and Psychology of Higher Education. 2025;(1):5–12(In Russ.)].
28. Степаненко Д.А., Павлов В.И., Козлова Н.М. Методология создания индивидуальной модели здоровья человека с использованием искусственного интеллекта. Байкальский медицинский журнал. 2024;3(1):28–37. [Stepanenko D.A., Pavlov V.I., Kozlova N.M. Methodology for creating an individualized human health model using artificial intelligence. Baikal Medical Journal. 2024; 3(1):28–37. (In Russ.)]. https://dx.doi.org/10.57256/2949-0715-2024-3-1-28-37
29. Котлярова И.О. Устойчивость развития непрерывного образования: тенденция и проблемы. Вестник Южно-Уральского государственного университета. Серия «Образование. Педагогические науки». 2024;16(2):5–16. [Kotlyarova I.O. Sustainability of Continuous Education Development: Trends and Problems. Bulletin of the South Ural State University. Series «Education. Pedagogical Sciences». 2024;16(2):5–16. (In Russ.)]. https://dx.doi.org/10.14529/ped240201
30. Holzinger A., et al. What do we need to build explainable AI systems for the medical domain? arXiv preprint. 2017. arXiv:1712.09923. URL: https://arxiv.org/abs/1712.09923
31. Topol E. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books; 2019. URL: https://www.scirp.org/reference/referencespapers?referenceid=3758241
32. Smak Gregoor A.M., Sangers T.E., Uyl-de Groot C.A., et al. The impact of a SmartPhone applicatiOn for skin cancer risk assessment on the healthcare system (SPOT-study): a randomized controlled trial. medRxiv. 2025. https://dx.doi.org/10.1101/2025.11.18.25340297
Об авторах / Для корреспонденции
А.А. Мартынов, Российская медицинская академия непрерывного профессионального образования, Москва, РоссияМ.Ю. Лернер, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, Москва, Россия
И.Б. Мерцалова, Российская медицинская академия непрерывного профессионального образования, Москва, Россия
Т.А. Сысоева, Российская медицинская академия непрерывного профессионального образования, Москва, Россия
Е.К. Мураховская, Российская медицинская академия непрерывного профессионального образования, Москва, Россия
Анна Васильевна Власова, к.м.н., Российская медицинская академия непрерывного профессионального образования, Москва, Россия; avvla@mail.ru (автор, ответственный за переписку)
К.И. Плахова, Российская медицинская академия непрерывного профессионального образования; Государственный научный центр дерматовенерологии и косметологии, Москва, Россия
Д.Л. Ткаченко, Российская медицинская академия непрерывного профессионального образования, Москва, Россия
Также по теме
