Организация Meta, владеющая соцсетями Instagram и Facebook, признана в России экстремистской и запрещена в РФ

Нейросеть ошибается убедительно: что можно доверить ИИ при подготовке медицинского доклада, а что — нет

2026-11-16 13:23:26 Время чтения 10 мин 187

Врачи уже готовят доклады с нейросетями: одни пользуются ими каждый день, другие только присматриваются. За последние месяцы мы провели серию вебинаров для врачей о нейросетях в подготовке презентаций и много раз проверили их на реальных докладах. Вывод получился простой: ИИ хорошо справляется со структурой, черновиками и оформлением, но не отвечает за достоверность. Рассказываем, где проходит граница.

Нейросеть сказала 46%. Статья говорит 26%. Верим статье. (пример условный)

Два врача, одна статья

Ответы ИИ нужно проверять

Представьте двух врачей. У обоих одна и та же научная статья и двадцать минут на выступление. Первый пишет нейросети: «Сделай презентацию». Второй объясняет, кто будет слушать доклад, какой клинический вопрос нужно раскрыть и какие ограничения исследования обязательно показать. На вебинарах мы спрашиваем у зала: одинаковые ли презентации они получат? Ответ очевиден, и в нём первая половина разговора об ИИ: результат зависит от того, как поставлена задача.

Вторая половина менее очевидна. Даже хорошо поставленная задача не делает нейросеть источником истины. Языковые модели умеют «галлюцинировать» — уверенно выдавать несуществующие цифры и ссылки. На вебинарах мы обыгрываем это мемами, и зал смеётся, потому что узнаёт ситуацию. Но на слайде перед полным залом коллег такая ошибка уже не смешна.

«Что опаснее: нейросеть, которая явно ошибается, или нейросеть, которая ошибается очень убедительно? Я бы выбрала второе. Грамотно сформулированный и красиво оформленный неправильный вывод гораздо легче принять за достоверный», — Наталья Троицкая, основатель MedSlide.

Что можно спокойно доверить нейросети

Самая долгая часть подготовки доклада — не слайды, а работа с материалом: разобраться в статье на тринадцать страниц, решить, что главное, и разложить это на логичную последовательность. Именно здесь нейросеть экономит больше всего времени.

Структура доклада. Нейросеть выделяет ключевые данные, предлагает последовательность слайдов, формулирует заголовки-выводы и тезисы. На одном из вебинаров мы построили так структуру доклада по метаанализу о физической активности при депрессии (Noetel et al., BMJ, 2024). Получилась понятная логика: клинический вопрос → масштаб доказательств → главный результат → ограничения → практическое значение. На такой основе слайды делаются уже быстро.

Наглядность. Нейросеть может собрать из статьи дашборд с ключевыми показателями, предложить тип графика и способ показать данные вместо таблицы.

Оформление. ИИ переоформляет старую презентацию в новом стиле и собирает редактируемый PowerPoint. Условие одно: дать ей референс — пример нужного стиля. Без него выходит усреднённый «дизайн по умолчанию», узнаваемый с первого слайда. И при переоформлении нейросеть может незаметно изменить цифру или подпись, так что итог всё равно нужно сверить с исходником.

Текстовая рутина. Сократить текст, перевести абзац из англоязычной статьи, поправить грамматику, сделать черновик пояснений к слайдам.

Общее у этих задач вот что: нейросеть работает с формой, а содержание ей даёт врач вместе с исходными материалами.

Что нейросети доверять нельзя

Доверяй ИИ, но открывай первоисточник

Здесь наш опыт совпадает с международными рекомендациями. В апреле 2026 года вышло обновление рекомендаций GPCAP — Good Practice for Conference Abstracts and Presentations (Foster et al., 2026). Это международные правила подготовки научных докладов для конгрессов, и в новой версии впервые появился отдельный раздел об ИИ. Авторы не отговаривают от нейросетей, а советуют их использовать, чтобы работать быстрее и качественнее, но со строгой проверкой. Пять границ особенно важны для врача-лектора.

  1. Цифры, выводы и ссылки проверяет человек. Все данные и выводы доклада авторы сверяют вручную. Особое внимание — дозировкам, статистике и сравнительным формулировкам вроде «эффективнее» и «безопаснее». Нейросеть легко превращает ассоциацию в причину, а тенденцию — в доказанный факт.
  2. Неопубликованные данные не загружают в общедоступные сервисы. К ним относятся предварительные результаты исследований, внутренние материалы компаний и, конечно, данные пациентов. Перед загрузкой стоит проверить, кому принадлежат данные и есть ли разрешение.
  3. Клинические изображения не меняют. GPCAP прямо запрещает обрабатывать с помощью ИИ рентгеновские снимки, вестерн-блоты и фотографии из исследований. Схему или иллюстрацию нейросеть может сделать чётче. Но снимок из исследования — это данные, и любое «улучшение» может дорисовать то, чего не было.
  4. Нейросеть не автор. ИИ не может нести ответственность за доклад, поэтому его не указывают среди авторов. Ответственность за точность и оригинальность всего, что сделано с помощью ИИ, остаётся за людьми.
  5. Использование ИИ не скрывают. Если нейросеть писала текст доклада или делала таблицы и графики, GPCAP советует указать это: какой инструмент и версия, когда, для чего и кто проверил. Для правки грамматики, перевода и расшифровки такая пометка не нужна.

Коротко: нейросеть может предложить, что сказать на слайде, но что именно доказано, решает врач.

Как работать с нейросетью над докладом

В MedSlide мы собрали рабочий промпт для подготовки структуры доклада и проверили его на нескольких нейросетях. Хороший результат даёт не конкретная модель, а порядок работы. Вот принципы, которые можно применять с любым инструментом.

  1. Сначала контекст, потом слайды. Нейросети нужно знать тему, аудиторию, формат, время и цель выступления. Для экспертной аудитории она быстрее перейдёт к данным, для менее подготовленной — добавит пояснения. Удобнее всего, когда нейросеть сама задаёт эти вопросы по одному.
  2. Работать с исходником, а не «по памяти». Загружайте саму статью или свой текст доклада. Списки литературы, составленные нейросетью с нуля, — самое частое место для выдуманных ссылок.
  3. Отделять данные от интерпретации. Попросите нейросеть явно помечать, что непосредственно показано в источнике, а что является выводом или трактовкой, и не формулировать выводы сильнее, чем позволяют данные.
  4. Сначала структура, потом дизайн. Пока логика доклада не согласована, красивые слайды только маскируют проблемы. Утвердите план слайдов и главные тезисы, и только затем переходите к оформлению — с референсом стиля.
  5. В конце — отдельная проверка. Работает приём «научного аудита»: нейросети дают роль научного редактора и просят проверить каждый слайд на соответствие первоисточнику. Это помогает найти часть ошибок, но не заменяет проверку врачом.

Чек-лист: что проверить после нейросети

  1. Каждая цифра на слайде совпадает с источником, включая единицы измерения и доверительные интервалы.
  2. Каждая ссылка открывается и ведёт на нужную статью: авторы, год, журнал, DOI.
  3. Выводы не сильнее, чем в статье: ассоциация не стала причиной, тенденция — доказанным эффектом.
  4. Ограничения исследования не потерялись при сокращении.
  5. Дозировки и названия препаратов точные.
  6. Графики построены по реальным данным, оси и подписи правильные.
  7. Клинические снимки не изменены нейросетью.
  8. В нейросеть не попали данные пациентов и неопубликованные результаты.
  9. Если ИИ писал текст или делал графики — проверьте, требует ли конференция это указать.

Вместо вывода

Нейросети уже сокращают подготовку доклада с нескольких вечеров до нескольких часов, и отказываться от них нет смысла. Но чем увереннее звучит нейросеть, тем важнее открыть первоисточник. Нейросеть может взять на себя структуру, формулировки и оформление. Ответственность за то, что услышит зал, остаётся за врачом.

Мария Мершкова, директор по развитию, эксперт по медицинским коммуникациям, MedSlide — презентации для врачей-лекторов и фармкоманд.

Источники

  1. Noetel M., Sanders T., Gallardo-Gómez D. et al. Effect of exercise for depression: systematic review and network meta-analysis of randomised controlled trials. BMJ. 2024;384:e075847. https://doi.org/10.1136/bmj-2023-075847
  2. Foster C., Crawford R.J., Raynsford E.J. et al. Good Practice for Conference Abstracts and Presentations (GPCAP) recommendations: 2026 update. Current Medical Research and Opinion. 2026;42(2):317–334. https://doi.org/10.1080/03007995.2026.2656541