Дата публікації:
Публікація:
Минулого місяця наша команда відвідала шведський Гетеборг, де пройшов Vitalis 2026 — один із провідних скандинавських форумів, що формує майбутнє охорони здоров’я. Два дні розмов з лікарями, засновниками медичних стартапів, дослідниками й технічними командами — і я все ще обробляю почуте.
Є одна думка, яка не виходить з голови: охорона здоров’я стоїть перед інфраструктурним переломним моментом. І першопричина — не в якості моделей штучного інтелекту. Вона набагато глибша.
Найсильніший виступ конференції, з мого погляду, — сесія «Evidence-Based Data for Evidence-Based AI». Доповідачі запропонували образ, який одразу став для мене системоутворюючим: медичні дані — це не нова нафта, яка модно зараз говорити. Це сланець. Вони є скрізь, але розрізнені, непослідовні за якістю й вкрай дорогі у переробці до будь-якого реально корисного стану.
Другий аргумент ударив ще сильніше. Кілька організацій із різних секторів вже сьогодні мандатно переходять до того, що весь код до кінця 2026 року має бути написаний штучним інтелектом. Це означає, що ми стрімко наближаємось до світу, де ніхто — буквально ніхто — не зможе прочитати пайплайни, на яких тримається система.
Класичний ланцюг «пояснення → розуміння → довіра», навколо якого побудовано будь-який аудит і сертифікацію, закривається для цілого класу систем.
Вихід — не зупиняти розвиток ШІ, а будувати системи, де результати можна перевірити, а походження даних і рішень — чітко відстежити. Перестати довіряти наративам. Починати запускати правила, які перевіряються при кожному виконанні.
Для медицини, де ціна помилки — людське здоров’я або навіть життя, це не академічна дискусія. Це операційна необхідність.
Паралельна нитка конференції — суверенітет даних та архітектура нульової довіри. І тут прозвучав принцип, що перевертає звичну логіку: більшість медичних установ досі живуть в парадигмі, де дані потрібно кудись переміщати, щоб бути корисними. Але насправді — ні.
Модель, яку я почув із кількох незалежних джерел: надсилай алгоритм до даних, а не навпаки. Лікарня або клініка запускає аналіз локально. За периметр виходять лише верифіковані, агреговані результати. Zero-trust — не як політика безпеки, а як архітектурна властивість системи.
Чому це важливо для України? Тому що GDPR, Директива NIS2, EU AI Act, EHDS — вся ця регуляторна хвиля, яка вже докочується й до нас, — по суті, конвергує до однієї архітектурної вимоги. Ті організації, що зрозуміють це першими, не просто стануть compliant. Вони будуть рухатись швидше — тому що приберуть вузьке місце юридичного узгодження кожного разу, коли хочуть запустити нове дослідження чи протестувати нову модель.
Кулуарні розмови на Vitalis часто бувають чесніші за сесії. Кілька тез, які я почув від засновників і технічних директорів:
«Ми маємо більше даних, ніж будь-коли, — і менше довіри до них, ніж будь-коли». Це речення я чув у різних варіаціях від 4–5 різних людей за два дні.
Заміна EMR — це тепер стратегічне рішення, а не просто вибір постачальника. Питання більше не звучить як «яку систему взяти» — воно звучить як «як нам раз і назавжди відокремити свої дані від будь-якого конкретного вендора».
Compliance — не бар’єр для тих, хто закладає його в архітектуру. Він стає стіною тільки коли його «прикручують» вже після. Звучить банально — але в медицині це системна проблема.
AI-проєкти в медицині провалюються не через погані моделі. Вони провалюються не через сам ШІ. Найчастіше проблема — у поганій якості даних, помилках у розмітці або в тому, що систему створювали без урахування того, як вона реально працюватиме в лікарнях і клініках.
На конференції не раз згадували реальні приклади — зокрема проблеми з моделлю прогнозування сепсису від Epic та дослідження Obermeyer про алгоритмічне упередження в медицині. Це вже не теоретичні ризики, а кейси, які змусили всю індустрію переглянути підхід до медичного ШІ.
Я свідомо намагаюся перекласти побачене в контекст України — бо ми маємо унікальну можливість не повторювати помилки, на яких вже набили шишки на Заході.
Медтех в Україні росте. Телемедицина, медичні інформаційні системи, AI-асистенти для діагностики — все це вже реальність, а не горизонт. Але більшість команд будує на фундаменті, який при масштабуванні або під тиском регуляторів просто не витримає.
Конкретно: коли медичний стартап хоче швидко зростати, але не може поступитися відповідністю вимогам — це завдання хмарної архітектури та DevOps не менше, ніж юридичне. Коли лікарня хоче запускати AI-воркловди на чутливих даних без виносу «сирих» записів за периметр — це задача платформенної інженерії та дизайну безпеки. Коли потрібно, щоб усі процеси обробки даних були стабільними, прозорими та такими, які можна перевірити в будь-який момент — це вже питання інфраструктури та SRE.
Саме над цим ми працюємо з медичними та медтех-командами в Gart Solutions: від проєктування хмарної інфраструктури і Kubernetes-середовищ до DevOps-пайплайнів, вирівняних під compliance, і CTO-as-a-service для команд, що проходять цей перехід.
Ми їхали на Vitalis з очікуванням почути про нові AI-моделі для хелстех. Натомість найцінніше, що я привіз — це розуміння того, де насправді знаходиться вузьке місце. Не в моделях. У фундаменті під ними.
І якщо будувати цей фундамент правильно з самого початку — compliance, масштабованість, прозорість, суверенітет даних — це не обмеження. Це конкурентна перевага.
Якщо ви будуєте щось у медтеху або цифровому здоров’ї — буду радий поговорити.
