Перейти к содержимому
Саморегулируемая организация
Ассоциация частных клиник Санкт-Петербурга

LLM позволяют запустить медицинский ИИ за несколько дней, но обходятся дороже при постоянной эксплуатации

17 сентября 2026

Исследователи компании «К-Скай» и Центрального НИИ организации и информатизации здравоохранения Минздрава России сравнили применение больших языковых моделей (LLM) и специализированных моделей машинного обучения при разработке систем поддержки принятия врачебных решений. Результаты показывают, что LLM могут значительно снизить затраты и сроки на этапе пилотирования ИИ-сервиса, однако при переходе к постоянной эксплуатации специализированные решения оказываются существенно экономичнее.

В исследовании сравнили четыре открытые квантованные языковые модели — DeepSeek-R1 7B и 14B, YandexGPT-5-Lite-8B и GigaChat-20B — с двумя версиями специализированной модели Webiomed SC. Тестирование проводилось на 171 реальном клиническом случае, диагнозы по которым независимо оценивали три врача-эксперта. В выборку включались случаи, по которым эксперты достигли полного согласия.

Лучший результат среди языковых моделей показала YandexGPT-8B. Правильный диагноз входил в три предложенных моделью варианта в 67% случаев. Такой же результат продемонстрировала базовая версия Webiomed SC2.0, обученная на 1 млн медицинских записей. Более специализированная Webiomed SC2.1, обученная уже на 18 млн записей, достигла 78%.

Сравнительные результаты моделей
Модель Top-3 Accuracy Время ответа, сек.
DeepSeek-7B 34% 16,34
DeepSeek-14B 51% 33,36
YandexGPT-8B 67% 1,54
GigaChat-20B 56% 1,05
Webiomed SC2.0 (1 млн) 67% 0,2
Webiomed SC2.1 (18 млн) 78% 0,2
Источник: Е. А. Макарова, А. В. Гусев. «Использование открытых больших языковых моделей для быстрого прототипирования систем первичной диагностики: сравнение с традиционными ML-подходами».

При этом специализированные модели значительно быстрее обрабатывали запросы. Среднее время ответа Webiomed SC составляло около 0,2 секунды, YandexGPT-8B — 1,54 секунды. Результаты GigaChat-20B составили 56% при времени ответа 1,05 секунды, DeepSeek-14B — 51% и 33,36 секунды соответственно, DeepSeek-7B — 34% и 16,34 секунды.

Для медицинских организаций особенно показательна разница в стоимости и сроках запуска. Настройка и проверка прототипа на YandexGPT-8B заняла всего 8 человеко-часов. Разработка базовой специализированной модели потребовала 340 человеко-часов. Авторы исследования отмечают, что такой подход фактически позволяет проверить гипотезу об использовании нового ИИ-сервиса за один-два рабочих дня вместо нескольких месяцев.

Затраты на разработку и эксплуатацию моделей
Реализация Трудозатраты,
чел.-час
Ресурсы на настройку / обучение Стоимость настройки,
руб.
Ресурсы на эксплуатацию Ежемесячная стоимость эксплуатации,
руб.
LLM (YandexGPT-8B) 8 GPU 24 ГБ, 72 ГБ RAM, 16 CPU
(24 часа)
2 268 GPU 24 ГБ, 72 ГБ RAM, 16 CPU 61 440
Webiomed SC2.0 340 4 ГБ RAM, 4 CPU 0* 4 ГБ RAM, 4 CPU 3 812
Webiomed SC2.1 168* GPU 24 ГБ, 72 ГБ RAM, 16 CPU
(2 недели)
31 752 4 ГБ RAM, 4 CPU 3 812

Примечание: * для Webiomed SC2.1 указаны трудозатраты на дообучение и валидацию без учета первоначальной разработки версии 2.0.

Источник: Е. А. Макарова, А. В. Гусев. «Использование открытых больших языковых моделей для быстрого прототипирования систем первичной диагностики: сравнение с традиционными ML-подходами».

Вычислительные ресурсы для настройки LLM обошлись примерно в 2,3 тыс. рублей. Для дообучения Webiomed SC2.1 потребовалось около 31,8 тыс. рублей, то есть примерно в 14 раз больше. При этом указанные расчеты сделаны по ценам облачных ресурсов на июль 2025 года, поэтому абсолютная стоимость со временем может меняться.

Однако после запуска ситуация меняется. Для работы YandexGPT-8B исследователи использовали конфигурацию с GPU 24 ГБ, 72 ГБ оперативной памяти и 16 CPU. Ее эксплуатация оценена примерно в 61,4 тыс. рублей в месяц. Специализированным моделям Webiomed достаточно сервера с 4 ГБ оперативной памяти и четырьмя CPU, а расчетная стоимость эксплуатации составляет около 3,8 тыс. рублей в месяц. Таким образом, содержание LLM-инфраструктуры в эксперименте оказалось примерно в 16 раз дороже.

Для частных клиник этот результат может быть особенно интересен с точки зрения выбора стратегии внедрения ИИ. Вместо крупных инвестиций в разработку системы до понимания ее реальной востребованности медицинская организация может сначала создать относительно недорогой LLM-прототип, протестировать его с врачами, определить наиболее востребованные сценарии и выявить слабые места существующих процессов.

Именно такую двухэтапную модель предлагают авторы работы. На первом этапе LLM используется для быстрого прототипирования, сбора обратной связи и уточнения требований к будущему сервису. Если идея подтверждает свою жизнеспособность и предполагает большое количество обращений, следующим шагом может стать разработка специализированной ML-модели либо дополнительная оптимизация и дообучение LLM. При масштабировании меньшие эксплуатационные расходы специализированной модели способны компенсировать более высокую стоимость ее первоначальной разработки.

Еще один важный для медицинских организаций вопрос — где обрабатываются медицинские данные. Авторы рекомендуют рассматривать локальное развертывание открытых LLM: оно позволяет не использовать внешние облачные API и, по оценке исследователей, облегчает соблюдение требований законодательства о персональных данных при работе с медицинской информацией.

При этом первоначальная дешевизна прототипа не должна восприниматься как полная стоимость внедрения ИИ в клинике. В исследовании, например, не учитывались расходы на интеграцию с медицинской информационной системой, которые, как отдельно отмечают авторы, могут составлять значительную часть бюджета проекта. При оценке ИИ-решения руководителям медицинских организаций предлагается ориентироваться не только на стоимость разработки, но и на совокупную стоимость владения системой на всем ее жизненном цикле.

Авторы также обращают внимание на ограничения самого эксперимента. Выборка из 171 случая подходит для пилотного сравнения, но недостаточна для полноценной промышленной и клинической валидации. Кроме того, возможности LLM использовались далеко не полностью: модели не подключались к специализированным базам знаний. Для реального медицинского применения исследователи считают перспективными RAG-системы, дополнительное обучение на целевых медицинских документах и гибридные решения, в которых LLM работают со сложной неструктурированной информацией, а специализированные модели выполняют массовые стандартные диагностические задачи.