УДК 378:004.8:159.955:614.253(07)

Бихатова Э.Т.¹ (Астрахань, Россия) — elvira.ellevira@yandex.ru; Иванчук О.В.¹ (Астрахань, Россия) — olgaiva@astgmu.ru

¹Астраханский государственный медицинский университет

Аннотация. Данная статья посвящена выявлению системного разрыва между потребностью в компетенциях ИИ у врачей и реальной неготовностью всех участников медицинского образования (студентов, преподавателей, практикующих врачей, работодателей). Введение технологий искусственного интеллекта в клиническую практику требует пересмотра содержания медицинского образовательных программ. Но успех этой трансформации зависит от реальной готовности всех участников процесса: практикующих врачей, преподавателей и работодателей. Цель исследования – выявить дефициты, отношение и потребности перечисленных групп для обоснования необходимости целостной педагогической модели. Проведено анкетирование среди 84 практикующих врачей, 46 преподавателей медицинских вузов и 17 работодателей (города Астрахани и области). Результаты показали, что большинство врачей (81%) испытывают острый дефицит знаний и навыков работы с ИИ-системами, при этом 68% не доверяют результатам алгоритмов; самооценка компетенций не превышает 2,71 балла из 5. Лишь 8% преподавателей считают себя компетентными в обучении работе с ИИ-технологиями, а 85% оценивают существующее методическое обеспечение как недостаточное. Работодатели в 87% случаев настаивают на обязательном включении ИИ-тематики в учебные планы, но только 2% считают выпускников готовыми применять ИИ. Выявлен системный разрыв между потребностью в специалистах и реальным уровнем подготовки. Данный факт доказывает необходимость внедрения и апробации модели формирования готовности будущих врачей к работе с ИИ-технологиями, включающей подготовку преподавателей, сквозное содержание и активные методы обучения.

Ключевые слова: искусственный интеллект, медицинское образование, готовность к профессиональной деятельности, практикующие врачи, преподаватели медицинских вузов, работодатели, педагогическая модель.

Список источников:

1. Авачева Т.Г., Милованова О.А., Кривушин А.А., Прохина С.А. Особенности преподавания искусственного интеллекта в рамках программ высшего медицинского образования // Российский журнал персонализированной медицины. 2025. Т. 5, № 2. С. 154-165. DOI: https://doi.org/10.18705/2782-3806-2025-5-2-154-165  
2. Бихатова Э.Т. Иванчук О.В., Смирнов В.В. Понятийно-терминологическое поле формирования готовности будущих врачей применению искусственного интеллекта в профессиональной деятельности // Мир науки. Педагогика и психология. 2025. Т. 13, № 6. 69. URL: https://elibrary.ru/nindtt   
3. Бихатова Э.Т. Особенности студента-медика поколения Z как основа формирования готовности к работе с искусственным интеллектом // Ученые записки университета имени П.Ф. Лесгафта. 2026. № 2. С. 202–211. DOI: https://doi.org/10.5930/1994-4683-2026-2-202-211  
4. Борисов В.А., Азарова В.Д. Возможности искусственного интеллекта в лучевой диагностике заболеваний внутренних органов // Вестник науки. 2024. Т. 4, № 4(73). С. 867-881. URL: https://elibrary.ru/vvecza  
5. Васильев Ю.А., Владзимирский А.В., Омелянская О.В., Решетников Р.В., Блохин И.А. Обзор метаанализов о применении искусственного интеллекта в лучевой диагностике // Медицинская визуализация. 2024. Т. 28, № 3. С. 22-41. DOI: https://doi.org/10.24835/1607-0763-1425  
6. Долгушева Ю.А., Ефремова Ю.Е., Титов Ю.П., Иванова П.М., Кудрина В.Г. Возможности снижения рисков полипрагмазии при использовании систем поддержки принятия врачебных решений // РМЖ. 2025. № 8. С. 50-54. DOI: https://doi.org/10.32364/2225-2282-2025-8-9  
7. Иванчук О.В., Плащевая Е.В. Цифровизация медицинского образования: новые вызовы и границы применимости // ЦИТИСЭ. 2022. № 1(31). С. 121-131. DOI: https://doi.org/10.15350/2409-7616.2022.1.10    
8. Комков А.А., Рязанова С.В., Мазаев В.П. Эффективные системы поддержки принятия решений в клинической практике и профилактике: обзор литературы // CardioСоматика. 2023. Т. 14, № 3. С. 177–185. DOI: https://doi.org/10.17816/CS569263  
9. Ломакин А.С., Зубков А.В., Виноградов А.Р., Сибирный Н.Д. Видение современной концепции систем поддержки принятия врачебных решений в системе здравоохранения России // Инженерный вестник Дона. 2024. № 7. С. 158-173. URL: https://elibrary.ru/jujzaa  
10. Руденко А.В., Руденко М.А., Каширина И.Л. Применение искусственных нейронных сетей для поиска объектов на медицинских изображениях// Моделирование, оптимизация и информационные технологии. 2024 Т. 12, № 3. DOI: https://doi.org/10.26102/2310-6018/2024.46.3.013  
11. Шепель Р.Н., Демко В.В., Гончаров М.В. Современные возможности определения риска и предикторов госпитализации на основе данных медицинских информационных систем. Систематический обзор // Кардиоваскулярная терапияи профилактика. 2025. Т.24, № 12. С. 238-254. DOI: https://doi.org/10.15829/1728-8800-2025-4694  
12. Li M., Jiang Y., Zhang Y., Zhu H. Medical image analysis using deep learning algorithms // Frontiers in Public Health. 2023. Vol. 11. 1273253. DOI: https://doi.org/10.3389/fpubh.2023.1273253  
13. Sugibayashi T., Walston S.L., Matsumoto T., et al. Deep learning for pneumothorax diagnosis: a systematic review and meta-analysis // European Respiratory Review. 2023. Vol. 32. 220259. DOI: https://doi.org/10.1183/16000617.0259-2022  
14. Tariq K., Tahir H., Malik U., et al. Attitudes and readiness to adopt artificial intelligence among healthcare practitioners in Pakistan’s resource-limited settings // BMC Health Services Research. 2025. Vol. 25. 1031. DOI: https://doi.org/10.1186/s12913-025-13207-5  
15. Zheng Q., Jin Y., Xu X. Artificial intelligence and job performance of healthcare providers in China // Frontiers in Public Health. 2024. Vol. 12:1398330. DOI: https://doi.org/10.3389/fpubh.2024.1398330

Библиографическая ссылка: Бихатова Э.Т, Иванчук О.В. Готовность медицинских кадров к работе с искусственным интеллектом: оценка дефицитов и потребностей // ЦИТИСЭ. 2026. № 2. С. 998-1009.