ИИ в здравоохранении: кто будет контролировать медицину в США к 2028 году

Вы когда‑нибудь замечали, как быстро «самая умная» технология становится обыденностью? В медицине это происходит прямо сейчас. Медицинские языковые модели быстро становятся массовым инструментом. К 2028 году даже самые сильные из них перестанут давать преимущество: нейросети будут встроены во множество систем и продуктов.

Когда алгоритм перестаёт быть сильной стороной, конкуренция смещается к контролю над узловыми звеньями медицины — от отношений с пациентом и права принимать клинические решения до владения данными о его здоровье.

По данным Rock Health, в первом полугодии 2026 года digital‑health‑компании в США привлекли 7,4 млрд долларов, и почти половина этих средств пришлась на крупные раунды финансирования. Инвесторы делают ставку не на «самый мощный ИИ», а на устойчивые позиции в системе здравоохранения.

Прочитав статью вы поймёте, кто будет контролировать рынок медицинского ИИ в США к 2028 году. Оцените стратегии OpenAI, Google, Anthropic, Microsoft, Epic, Oracle — и куда движутся деньги. И главное: разберётесь, почему победит не самая умная модель, а тот, кто контролирует данные, пациента и клинические действия.

Архитектура рынка ИИ в медицине

Медицинский ИИ долго оценивали как отдельный алгоритм. Модель читала снимок, отвечала на медицинский вопрос или составляла заметку для врача.

Теперь ценность перемещается внутрь процессов. Система должна получить данные, понять историю человека, использовать правила организации и передать результат туда, где следующим шагом будет действие врача.

6 приоритетных уровней:

Разница между этими уровнями объясняет, почему одного победителя не появится.

Человек будет разговаривать с ChatGPT. Его врач работать в Epic. Страховая компания использовать Claude. Медицинское изображение обрабатываться в Gemini.

Стратегия OpenAI: отношения с пациентом и универсальный интерфейс

23 июля 2026 года OpenAI начала развёртывание Health in ChatGPT в США. Пользователь может подключить Apple Health, поддерживаемые медицинские записи, One Medical и Function Health.

ChatGPT получает данные анализов, лекарств, визитов, активности и сна. OpenAI сообщает, что более 300 млн человек еженедельно используют ChatGPT для вопросов о здоровье. (OpenAI)

Это даёт OpenAI необычную позицию.

Большинству медицинских приложений сначала нужно привлечь пользователя. ChatGPT ежедневно общается с каждым. Медицинские данные добавляются поверх существующих отношений.

Такой интерфейс может помнить результат крови от прошлого марта и что было с человеком в этот день (исходя из запросов). Через год рядом появится новый результат. Через 5 лет возникает временная линия, которую врач не видит целиком, а ChatGPT будет.

Клинический слой

8 января 2026 года OpenAI запустила OpenAI for Healthcare. В него входят ChatGPT for Healthcare и API для медицинских организаций.

Среди первых внедрений OpenAI называет AdventHealth, Boston Children’s Hospital, Cedars-Sinai, HCA Healthcare, Memorial Sloan Kettering и UCSF. Abridge, Ambience и EliseAI используют API OpenAI в медицинских продуктах. (OpenAI)

22 апреля появился ChatGPT for Clinicians. Он бесплатен для верифицированных врачей, мед-сестер и фармацевтов в США. В продукт входят медицинский поиск, источники, документация и глубокий анализ данных. (OpenAI)

OpenAI заходит в систему здравоохранения с двух сторон. С пациентом компания работает через ChatGPT. Внутри организации она предлагает модели, API и корпоративное рабочее пространство.

Наука

16 апреля 2026 года OpenAI представила GPT-Rosalind для биологии, разработки лекарств и трансляционной медицины.

Модель работает с молекулами, белками, генами, научными данными и специализированными инструментами. Среди партнёров OpenAI указывает Amgen, Novo Nordisk, Moderna и Thermo Fisher Scientific. (OpenAI)

Вырисовывается широкая вертикаль: пациент, клиницист, медицинская организация и исследователь. Уязвимое место остаётся прежним. Многие медицинские действия выполняются внутри систем, которыми OpenAI не владеет.

Стратегия Google: создание непрерывной модели состояния человека

Google приходит в медицину с интересным набором активов.

7 мая 2026 года компания объявила переход Fitbit app в Google Health app. Новая система объединяет данные носимых устройств, Health Connect, Apple Health и медицинских записей. Google Health Coach на Gemini работает с фитнесом, сном и health data. (blog.google)

Для медицины здесь появляется новый тип информации. Клиническая карта обновляется во время контакта с системой. Часы создают данные между визитами.

Человек плохо спал 4 ночи, следом снизилась активность. Изменился пульс. Через месяц появился новый анализ крови. По отдельности эти сигналы бесполезны. Но их последовательность создаёт актив: динамическую историю состояния человека.

Google стремится контролировать этот актив благодаря устройствам, мобильной платформе и уже накопленным данным.

AMIE

AMIE показывает направление клинической части стратегии Google.

Google Research протестировала AMIE в 100 многоэтапных симулированных клинических сценариях и сравнила её работу с 20 врачами первичной помощи. По ряду критериев ведения пациента AMIE показала результаты на уровне врачей или выше. (Google Research)

Сценарии были симулированными. Общение шло через текст. Google отдельно указывает, что реальная клиническая практика сложнее и требует дальнейшей проверки. (Google Research)

MedGemma

Google параллельно развивает MedGemma как семейство открытых медицинских моделей.

MedGemma может работать с медицинским текстом и изображениями. Семейство поддерживает сценарии с CT, МРТ, гистологией, лабораторными документами и данными мед-карт. Google предупреждает, что базовую модель нужно адаптировать и валидировать перед клиническим использованием.

Здесь появляется второй рынок Google: больницы, университеты и государства, которым нужен локальный контроль над моделью.

Позиция Google к 2028 году зависит от способности соединить ежедневные сигналы человека с клиническими данными. Если это произойдёт, медицинская карта перестанет обновляться только во время наступления болезни.

Anthropic: регулируемые процессы и наука

11 января 2026 года Anthropic представила Claude for Healthcare.

Claude подключили к базе покрытий CMS и классификатору диагнозов МКБ-10. Теперь он работает со страховыми правилами, медицинским кодированием, заявками на оплату и согласованием лечения.

Согласование лечения лучше всего показывает подход Anthropic. Чтобы одобрить лечение, нужно найти правило страховщика, сверить документы пациента и подготовить обоснование или проект решения.

В процессе есть входные документы, правила, источник каждого вывода и человек, который утверждает результат. Для Claude это естественная рабочая среда в которой компания может показать достойный результат.

Наука

В июне 2026 года Anthropic запустила бета-версию Claude Science.

Система объединяет исследовательский интерфейс, научные инструменты и больше 60 навыков и внешних подключений. Проверяющий агент сверяет расчёты и цитирование. Каждый результат хранит историю создания.

В обычном чат-боте ценится грамотный ответ. В науке важен не только он, но и путь от данных до ответа. Та же логика работает в фарме, клинических испытаниях и работе с регуляторами. Ошибку должно быть видно. Источник должен восстанавливаться. Действие должно оставлять след.

Anthropic может занять большую часть рынка без массового продукта для пациентов. Компания встраивается в работу организаций, а не встаёт перед пациентом.

Microsoft, Epic и Oracle: контроль рабочего места врача

Сильная медицинская модель ещё не даёт права назначить анализ или внести запись в карту пациента. Эти действия проходят через клинические системы. Здесь находится преимущество Microsoft, Epic и Oracle.

Стратегия Microsoft

К марту 2026 года Dragon Copilot использовали более 100 000 клиницистов, по данным Microsoft.

Продукт соединяет фоновое документирование приёма, данные пациента, Microsoft 365 и электронную медкарту. Через Microsoft Marketplace в это рабочее пространство добавляются решения для согласования лечения, выставления счетов и поддержки врачебных решений.

Microsoft строит точку входа для врача.

Если врач уже работает внутри Dragon, внешнему ИИ-продукту выгоднее встроиться туда, чем создавать ещё один интерфейс.

Epic

4 февраля 2026 года Epic выпустила AI Charting. Система слушает разговор во время приёма, создаёт проект медицинской записи и формирует очередь запросов для проверки клиницистом. (Epic)

Epic развивает несколько ИИ-слоёв внутри своей системы. Art работает для клиницистов. Emmie взаимодействует с пациентами. Penny автоматизирует финансовые процессы. Более 85% клиентов Epic уже используют функции Epic AI, по данным компании. (Epic)

Есть у Epic актив другого рода: не точка входа для врача, а сами данные и модель поверх них. Curiosity обучали на обезличенных данных более 300 млн пациентов. Задача модели — предсказывать следующие события в истории пациента: диагнозы, лекарства, процедуры.

Epic пытается занять сразу две ниши: медкарта пациента и действие врача. Такое сочетание встречается редко.

Oracle Health

Oracle идёт в том же направлении.

Clinical AI Agent создаёт проекты медицинских записей и клинических запросов. С февраля 2026 года система может создавать запросы на лабораторные исследования, изображения, лекарства и повторные визиты. Врач утверждает их перед исполнением.

Oracle сообщает, что продукт уже сэкономил врачам более 200 000 часов документирования. Это корпоративный показатель. (Oracle)

GPT, Gemini или Claude могут дать интеллект. Epic, Oracle или Microsoft определят, как этот интеллект будет использоваться врачом.

Где возникает выручка

Самые заметные деньги медицинского ИИ сегодня находятся в задачах, где результат можно измерить.

Цикл поступления выручки

С оптимизацией цикла получения оплаты за медицинскую помощь ИИ справляется лучше многих клинических задач.

Эффект здесь легко измерить: обработанная заявка, предотвращённый отказ, стоимость ручной работы, скорость получения денег.

Waystar — американская компания, публичная на Nasdaq, чьи программы автоматизируют весь цикл оплаты в больницах: от проверки страховки до подачи заявок и работы с отказами. Компания сообщает, что её ИИ-система AltitudeAI помогла клиентам предотвратить отказы в оплате на $15,5 млрд и сократить время отдельных процессов защиты от отказов на 95%.

McKinsey оценивает возможное снижение стоимости сбора платежей на 30–60% при глубокой автоматизации всего цикла оплаты. Это прогноз потенциального эффекта, а не средний результат по рынку.

Такой возврат вложений проще продать финансовому директору больницы, чем обещание «умного медицинского ИИ» который предсказывает заболевания.

Автоматизация документооборота

Ambient AI стал первым массовым клиническим продуктом нового поколения. В июне 2025 года Abridge привлекла $300 млн Series E. Компания тогда работала более чем со 150 крупными американскими компаниями. (Abridge)

Сейчас риск для этой категории очевиден. Epic, Microsoft и Oracle уже включают похожие возможности в свои платформы.

Создание записи в медицинской карте постепенно превращается в рядовую функцию. Следующий источник ценности лежит после записи: кодирование диагнозов, назначения, направления к специалистам, выставление счетов и контроль после приёма.

Вовлеченность пациентов

Hippocratic AI строит patient-facing агентов для задач без автономной диагностики и назначения лекарств.

В ноябре 2025 года компания привлекла $126 млн при оценке $3,5 млрд. Общий объём привлечённого капитала достиг $404 млн. (TechTarget)

Рынок растет из-за объёма коммуникаций: клиники ежедневно звонят пациентам, собирают данные, напоминают о приёмах. Каждое взаимодействие стоит немного, но в совокупности формирует крупный объем данных для автоматизации.

Разработка лекарств

Один успешный препарат создаёт больше стоимости, чем автоматизация миллионов документов. Но путь до доказанного результата — это годы и десятки миллионов долларов.

В разработку лекарств с помощью ИИ было инвестировано $2,2 млрд в 2025 году. По состоянию на июль 2026 года ни один препарат, разработанный ИИ компанией, ещё не получил одобрения в США. (Financial Times)

ИИ меняет поиск молекул и научную работу. Клиническая ценность появится после испытаний на людях и регуляторного одобрения.

Предиктивная медицина

23 июля 2026 года Cigna сообщила о применении ИИ для более раннего выявления пациентов с хроническими и сложными состояниями.

Компания прогнозирует $200 млн экономии медицинских расходов за 3 года. Cigna также ожидает рост доступа к клиницистам на 20% для некоторых групп пациентов. По её внутренним данным, участники соответствующих программ экономят $2 000 медицинских расходов ежегодно. (Reuters)

Организация считает не сэкономленную минуту сотрудника, а предотвращённую госпитализацию или другое дорогое событие.

Для такого рынка нужны данные за многие годы, доказуемая связь между ранним вмешательством и последующим результатом.

Национальная инфраструктура

Государства становятся крупными покупателями медицинского ИИ.

В мае 2026 года NVIDIA и Foxconn представили развитие программы Healthy Taiwan. В неё вложат около $1,5 млрд, а участвующие медицинские центры ежегодно обслуживают более 14 млн обращений пациентов.

На уровне страны требования жёстче: данные должны храниться локально, решения — проверяться, системы — работать друг с другом, а зависимость от одного поставщика должна быть ограничена. Поэтому закрытые и открытые модели будут использоваться совместно.

Данные и регулирование

Самая сильная модель бесполезна без доступа к данным. Медицинские данные до сих пор дико фрагментированы между провайдерами, страховщиками, аптеками и носимыми устройствами.

В США часть этого барьера начнёт падать в 2027 году.

CMS обязывает страховщиков, которых касается правило, внедрить или расширить четыре программных интерфейса (API) для обмена данными: доступ пациента к своим данным, доступ лечащего врача, обмен данными между страховщиками и согласование лечения. Основные требования вступают в силу 1 января 2027 года. В основе — стандарт FHIR (формат машинного обмена медицинскими данными).

Это позволит ИИ-продуктам работать со структурированными данными вместо постоянной загрузки PDF.

История пациента всё ещё может содержать дубликаты, ошибки кодирования и пропуски. Данные из двух больниц могут описывать один и тот же факт по-разному.

В Европе сроки внедрения ИИ в медицину гораздо дольше.

К марту 2027 года Европейская комиссия должна принять ряд законодательных актов для единого цифрового пространства Европейского союза для безопасного обмена и использования медицинских данных. Первая группа правил обмена начнёт применяться в марте 2029 года. Медицинские изображения, лабораторные результаты и отчеты о выписке войдут в следующий этап внедрения закона с марта 2031 года. (Public Health)

В августе 2025 года FDA установило правила обновления медицинских систем с ИИ после их выхода на рынок. Производитель может заранее согласовать, например, дообучение модели на новых данных или изменение алгоритма — но должен указать, что именно будет меняться и как после каждого обновления будет проверяться безопасность системы.

Поэтому медицинский ИИ нельзя обновлять так же свободно, как обычный ChatGPT. Чем сильнее система влияет на диагноз и лечение, тем больше контроля требуется перед изменением её работы.

Именно поэтому ИИ быстрее получит самостоятельность в документах, страховых и других административных процессах, чем в принятии клинических решений.

Риски рынка внедрения ИИ в медицину

Качество данных

Медицинская карта создавалась для лечения и оплаты, а не как полная и точная история здоровья пациента.

В ней есть пропуски, разные единицы измерения, ошибки и несовместимые форматы. Модель наследует эти ограничения.

Клиническая ответственность

Чем ближе ИИ подходит к диагнозу и лечению, тем труднее убрать человека из процесса.

Вопрос здесь не ограничивается качеством модели. Кто-то должен отвечать за ошибку и иметь право утвердить действие.

Обесценивание некоторых функций

Расшифровка приёма, краткие выжимки из записей и базовый медицинский поиск быстро становятся стандартом на всех платформах.

Тот, кто построил компанию вокруг одной такой функции, рискует увидеть её встроенной в Epic, Microsoft, Google или OpenAI.

Доказательство результата

Сэкономленный час легко измерить. Доказать, что ИИ предотвратил инсульт через 2 года, намного сложнее. Нужно отделить эффект системы от лечения, поведения пациента и других факторов.

Этот барьер отделяет административный ИИ от предиктивной медицины.

Зависимость от поставщика

Больница или государство не может зависеть от одного поставщика ИИ: компания может изменить условия, прекратить поддержку продукта или уступить место более сильной технологии.

Поэтому медицинская инфраструктура должна позволять заменить одну модель другой без потери данных и остановки работы системы.

Что изменится в 2026–2028 годах

2026: ИИ переходит от текста к действиям

Раньше медицинский ИИ писал текст — черновик заметки, ответ на вопрос. Теперь он начинает запускать реальные действия внутри клиники.

• Epic (крупнейшая в США система электронных медкарт) готовит очередь врачебных назначений: какие анализы заказать, что выписать пациенту.
• ИИ-помощник Oracle составляет черновики таких назначений сам.
• Claude оформляет предварительное согласование со страховой — одобрение, которое по многим процедурам нужно получить до начала лечения.
• Waystar собирает систему, где ИИ-агенты сами ведут расчёты между клиникой и страховой: счета, оплаты, спорные случаи.

Человек пока подтверждает большинство этих действий вручную. Но направление уже понятно: текст, который пишет ИИ, становится не конечным результатом, а первым шагом рабочего процесса. Например, раньше ИИ предлагал, какой анализ назначить. Врач читал и сам вносил назначение в систему, отправлял в лабораторию, оформлял бумаги.

Теперь ИИ сразу готовит само действие: назначение уже стоит в очереди, счёт составлен, запрос в страховую оформлен. Врачу остаётся нажать подтверждение, а часть шагов система выполняет сама.

2027: данные начинают свободно перемещаться

Американский регулятор (CMS — ведомство, отвечающее за государственные страховые программы) вводит стандартные программные интерфейсы (API) — каналы, по которым пациент, клиника и страховая обмениваются данными напрямую.

Это особенно важно для тех, у кого нет собственной системы электронных медкарт. Через разрешённые интерфейсы они получат доступ к большему объёму стандартизированных данных.

Раньше выигрывал тот, кто умел прочитать и разобрать отдельный документ. Теперь — тот, кто умеет собрать из разрозненных данных цельную историю пациента.

2028: модульная медицина

McKinsey ожидает, что ИИ в медицине перейдёт к модульной архитектуре. Проще говоря: вместо одной большой программы, которая делает всё, система будет собираться из отдельных сменных блоков. Модели, данные и ИИ-агенты соединяются между собой внутри общей системы, как детали конструктора. (McKinsey & Company)

Рынок, вероятно, разделится на слои, и в каждом будут свои сильные игроки:

• Слой пациента (общение с человеком): OpenAI, Google и владельцы крупных потребительских сервисов, которыми люди пользуются каждый день.
• Слой врача (работа внутри клиники): Epic, Microsoft, Oracle и другие системы электронных медкарт.
• Слой страховой (счета и расчёты): Anthropic, Waystar, Google Cloud, AWS и узкоспециализированные компании.
• Слой науки (исследования, разработка лекарств): OpenAI, Anthropic, Google, NVIDIA и биотех-компании.
• Инфраструктура (мощности, на которых всё это работает): Azure, AWS, Google Cloud, NVIDIA и собственные больничные системы.

Одна больница будет использовать сразу несколько моделей под разные задачи. Из-за этого владеть одной языковой моделью становится менее выгодно: заменить её на другую несложно.

Ценность смещается к слою, который управляет данными и действиями. Именно он связывает всё вместе, и заменить его труднее.

Главные выводы

1. Медицинские большие языковые модели становятся компонентом систем здравоохранения. Их качество остаётся важным, но перестаёт создавать достаточное преимущество для бизнеса.
2. OpenAI имеет сильную позицию рядом с пациентом благодаря существующей дистрибуции ChatGPT и подключению к медицинским данным граждан США.
3. Google способен создать слой непрерывного потока медицинских данных благодаря Android, Google Health, носимых устройств и Gemini.
4. Anthropic пытается занять нишу повторяющихся процессов, тех где важны строгие правила, ссылки на источники, полный журнал действий и обязательная проверка человеком.
5. Epic, Microsoft и Oracle имеют преимущество там, где ИИ должен перейти от текста к клиническому действию.
6. Самая понятная выручка сегодня возникает в административных рабочих процессах. Там пользу можно сразу выразить в сэкономленных часах или заработанных деньгах.
7. Куда больше денег в долгосрочной перспективе даёт не лечение, а предотвращение болезней. Но доказать пользу ИИ в этой нише сложнее: пока болезнь не наступила, нет очевидного результата, за который платят.
8. В 2027 году новые API CMS расширят машинный обмен медицинскими данными в США.
9. Архитектура здравоохранения, вероятнее всего, станет мультимодальной. В одной организации будут одновременно работать несколько ИИ-систем.

Частые вопросы

Какая компания лидирует в медицинском ИИ?

Единого лидера нет. Позиции распределены. OpenAI ближе всех к массовому пользователю. Google контролирует широкую инфраструктуру потребительских данных. Epic, Microsoft и Oracle стоят ближе к рабочему месту врача. Anthropic развивается внутри регулируемых корпоративных процессов. NVIDIA и облачные провайдеры обслуживают инфраструктурный слой.

Заменит ли ИИ врача?

Не заменит. ИИ автоматизирует ведение документации, поиск, черновики назначений, расписание и административные задачи. Но чем выше клинический риск решения, тем строже требования к проверке и участию человека. (U.S. Food and Drug Administration)

Почему электронные медкарты так важны для ИИ в медицине?

Потому что медкарта даёт доступ к данным и клиническому действию. EHR — крупнейший массив реальной клинической информации: диагнозы, анализы, назначения, исходы, история пациента во времени. На этом учат и проверяют модели. Предсказание рисков без длинной истории пациента невозможно.

Контекст в момент принятия решения. Модель видит сопутствующие заболевания, аллергии, текущие препараты. Чтобы совет ИИ был безопасным, модель должна видеть полную картину пациента в тот момент, когда даёт рекомендацию.

Обратная связь. Исходы тоже фиксируются в карте. Это единственный способ проверить, сработала ли рекомендация, и дообучить модель на результате.

На чём зарабатывает ИИ в медицине?

Самые понятные деньги: ведение документации и расчёты со страховыми. Waystar измеряет, сколько отказов страховых удалось предотвратить. Epic и Oracle считают сэкономленное врачами время. Abridge растёт из документации в смежные процессы. Эти результаты проще привязать к деньгам, чем долгосрочное улучшение состояния здоровья. (Waystar Holding Corp.)

Почему вся история пациента ценнее одного анализа?

Один анализ описывает состояние в конкретный момент, последовательность показывает направление. Если рядом лежат анализы за пять лет, лекарства, симптомы и вмешательства, система видит динамику и связь между событием и его последствием.

Что будет самым ценным активом ИИ в медицине?

Самый ценный актив ИИ в медицине — собственная база пациентов, связанная с исходами лечения, и законное право её использовать.

История с исходами. Данные пациента во времени плюс результат лечения — то, на чём модель учится предсказывать будущее. Такую базу нельзя скачать или собрать задним числом: она растёт только по мере работы, и у конкурента её нет.

Права доступа. Данные без согласия пациента, договора с клиникой и соответствия регуляторике — юридически мёртвый груз. Право использовать данные и есть настоящий барьер входа.

Интеграции и каналы дистрибуции. Дают доступ к рынку и к потоку данных, но конкурент воспроизводит их быстрее, чем накопит сопоставимую базу. Поэтому они ценны, но вторичны.

Заключение

Конкурентная борьба в медицинском ИИ уходит с уровня моделей на уровень инфраструктуры. Раньше выигрывал тот, у кого точнее модель. Теперь — тот, кто владеет данными, доступом к врачу и правом на клиническое действие.

Деньги текут туда, где результат легко посчитать: автоматизация документооборота, выставление счетов, страховые заявки, звонки пациентам.

Доказать эффект профилактического ИИ трудно, потому что предотвращённое заболевание — это событие, которое ещё не произошло. Отсутствие инфаркта у конкретного человека нельзя приписать модели: с тем же успехом сработали лечение, образ жизни или случай. Причину ненаступившего события на одном пациенте не выделить.

Поэтому такой эффект доказывается только на популяции и в длинном горизонте: нужна контрольная группа, годы наблюдения и статистика, отделяющая вклад модели от лечения и поведения пациента. Быстрой и дешёвой демонстрации результата здесь нет.

К 2028 году одна больница, скорее всего, будет использовать несколько моделей под разные задачи. Саму модель заменить легко. Труднее заменить то, что копится годами: история пациента, встроенность в работу врача, право совершать действия и доказанная связь между вмешательством и результатом. Это и станет главным активом, а не отдельная модель.

Методология

Материал опубликован 10 августа 2026 года.

Для фактической части использовались официальные публикации OpenAI, Google, Anthropic, Microsoft, Epic, Oracle, CMS, FDA, European Commission, NVIDIA, Abridge и Waystar.

Финансовые и рыночные данные дополнительно проверялись по Reuters, Financial Times, Rock Health и McKinsey.

Показатели, опубликованные самими компаниями, обозначены как корпоративные данные. Они не трактуются как независимая клиническая валидация.

Разделы о структуре рынка, вероятной архитектуре 2028 года и являются авторским анализом текущих продуктов, регулирования и экономики.

Основные источники

1. OpenAI, Health in ChatGPT, 23 июля 2026 года. (OpenAI)
2. OpenAI, OpenAI for Healthcare, 8 января 2026 года. (OpenAI)
3. OpenAI, ChatGPT for Clinicians, 22 апреля 2026 года. (OpenAI)
4. OpenAI, GPT-Rosalind, апрель–июнь 2026 года. (OpenAI)
5. Google, Google Health и Google Health Coach, май 2026 года. (blog.google)
6. Google Research, AMIE longitudinal disease management. (Google Research)
7. Google, MedGemma. (OpenAI)
8. Anthropic, Claude for Healthcare, январь 2026 года. (Anthropic)
9. Anthropic, Claude Science, июнь 2026 года. (Anthropic)
10. Microsoft, Dragon Copilot, март 2026 года. (Microsoft)
11. Epic, AI Charting и Epic AI, февраль–март 2026 года. (Epic)
12. Epic, Curiosity и Cosmos. (Epic)
13. Oracle, Clinical AI Agent, февраль 2026 года. (Oracle)
14. CMS, Interoperability and Prior Authorization Final Rule. (CMS)
15. European Commission, European Health Data Space. (Public Health)
16. FDA, Predetermined Change Control Plan guidance, август 2025 года. (U.S. Food and Drug Administration)
17. Rock Health, H1 2026 Digital Health Funding. (MedTech Dive)
18. Reuters, Cigna AI and predictive health, 23 июля 2026 года. (Reuters)
19. Financial Times, AI drug discovery funding, июль 2026 года. (Financial Times)
20. NVIDIA, Healthy Taiwan, май 2026 года. (NVIDIA Newsroom)