Методология и выборка
Авторы провели систематический анализ всех медицинских устройств с искусственным интеллектом и машинным обучением (ИИ/МО), получивших одобрение FDA до 5 декабря 2025 года. Для каждого устройства проводился поиск связанных клинических исследований в ClinicalTrials.gov и рецензируемых публикаций в PubMed. Всего было идентифицировано 1357 устройств с ИИ/МО. Выборка была полной (без фильтрации по специальности).
Ключевые результаты и статистика
- Из 1357 устройств только 34 (2,5%) были связаны с зарегистрированными проспективными исследованиями.
- Не более 12 устройств (0,9%) имели опубликованные результаты исследований.
- Всего 3 устройства (0,2%) прошли оценку по клинически значимым конечным точкам: смертность, осложнения, повторные госпитализации.
- Распределение по специальностям: радиология — 78%, кардиология/кардиохирургия — 9%, неврология — 5%.
- 62% исследований были наблюдательными с малыми однородными когортами; уязвимые группы часто исключались.
- Большинство устройств одобрялось по пути "существенной эквивалентности" (510(k)), без требования самостоятельных доказательств клинической эффективности.
Практическая тактика для врача
При внедрении устройств с ИИ/МО в клиническую практику врач должен критически оценивать наличие доказательств их влияния на исходы лечения, а не только факт одобрения FDA. Отсутствие клинической валидации повышает риск небезопасного или неэффективного применения. Рекомендуется запрашивать у производителей данные проспективных исследований (РКИ или когортные) с оценкой смертности, частоты осложнений и госпитализаций. Особую осторожность следует проявлять при использовании ИИ-инструментов в уязвимых популяциях (пожилые, коморбидные пациенты), так как они обычно исключаются из валидационных когорт. При выборе между несколькими ИИ-системами предпочтение следует отдавать тем, для которых опубликованы положительные результаты по суррогатным и/или «твёрдым» исходам в условиях, приближенных к реальной клинической практике.

