УДК: 101.1:316.4:61:004.8
https://doi.org/10.25198/2077-7175-2026-4-120
EDN: JMNHFL


просмотр

ОТ E-PATIENT К ИИ-ПАЦИЕНТУ: ТРАНСФОРМАЦИЯ СУБЪЕКТНОСТИ В ЭПОХУ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Ю. А. Кузовенкова1, Л. Г. Иливицкая2
Самарский государственный медицинский университет, Самара, Россия
1 e-mail: yu.a.kuzovenkova@samsmu.ru
2 e-mail: l.g.ilivitskaya@samsmu.ru

Аннотация. Расширение возможностей искусственного интеллекта в медицине меняет не только доступ к информации, но и формы взаимодействия врача и пациента, а вместе с ними и пациентскую субъектность. Актуальность исследования связана с необходимостью концептуализировать эти изменения. Теоретической основой работы выступает концепция e-patient Т. Фергюсона, выделяющая четыре характеристики пациента: equipped (оснащенный информацией), enabled (обладающий возможностями), empowered (наделенный автономией) и engaged (вовлеченный в сообщества и взаимодействие). Цель статьи состоит в том, чтобы описать трансформацию четырех характеристик e-patient и на этой основе предложить концепт «ИИ-пациент» как аналитическую модель новых форм медицинского поведения, связанных с распространением искусственного интеллекта. Методологическую основу составляют концептуальный и сравнительный анализы, а также интерпретация материалов, связанных с развитием цифровой медицины; теоретическую – концепция e-patient, идеи М. Фуко о связи знания и власти, акторно-сетевая теория Б. Латура и философия совместности Ж.-Л. Нанси. Показано, что на уровне equipped меняется характер знания: если e-patient самостоятельно искал и систематизировал информацию, то ИИ-пациент получает ее в готовом виде, без видимого процесса производства. Enabled трансформируется через смещение компетенций от работы с интернет-источниками к навыкам формулирования запроса, оценки ответа и взаимодействия с интерфейсом. На уровне empowered меняется структура автономии: пациент получает дополнительные инструменты для независимости от врача, но эта независимость частично опирается на алгоритм. Наконец, engaged смещается от горизонтальных сетей взаимопомощи к приватному диалогу с интерфейсом, что ослабляет коллективные формы пациентской солидарности. Все эти изменения ведут к формированию гибридной субъектности пациента. Научная новизна статьи состоит в обосновании концепта «ИИ-пациент» как новой фигуры медицинской субъектности, возникающей в результате перестройки отношений знания, власти, автономии и социальности в условиях использования ИИ. Теоретическая и практическая значимость работы связана с тем, что предложенная модель позволяет по-новому описать трансформацию отношений врач – пациент – технология и обозначить направления дальнейших исследований социально-этических последствий цифровой медицины.

Ключевые слова: пациент, e-patient, ИИ-пациент, искусственный интеллект, врач, медицина, субъектность пациента.

Для цитирования: Кузовенкова Ю. А., Иливицкая Л. Г. От e-patient к ИИ-пациенту: трансформация субъектности в эпоху искусственного интеллекта // Интеллект. Инновации. Инвестиции. – 2026. – № 4. – С. 120–131. – https://doi.org/10.25198/2077-7175-2026-4-120.


Литература

  1. 1. Введенская Е. В. Цифровые агенты в медицине: новые возможности и вызовы // Этическая мысль. – 2024. – Т. 24, № 1. – С. 115–128. – https://doi.org/10.21146/2074-4870-2024-24-1-115-128. – EDN: YGZXWK.
  2. 2. Иванова А. А. Традиционные и новые формы экспертизы пациентов: вместо или вместе с врачами? // Вестник Санкт-Петербургского университета. Социология. – 2023. – Т. 16, № 4. – С. 458–474. – https://doi.org/10.21638/spbu12.2023.407. – EDN: FZXIOA.
  3. Латур Б. Пересборка социального: введение в акторно-сетевую теорию : монография. – М. : ВШЭ, 2014. 384 с. – EDN: SYZVMJ.
  4. Нанси Ж.-Л. Бытие единичное множественное. – Минск: И. Логвинов, 2004. – 272 с.
  5. Применение искусственного интеллекта в здравоохранении: перспективы и вызовы для науки и клинической медицины / К. Р. Амлаев [и др.] // Проблемы социальной гигиены, здравоохранения и истории медицины. – 2024. – Т. 32, № 3. – С. 331–338. – http://dx.doi.org/10.32687/0869-866X-2024-32-3-331-338. – EDN: UEQYRO.
  6. Фуко М. История сексуальности. Т. 1. Воля к знанию. – М. : Ad Мarginem, 2026. – 136 с.
  7. Ayers J. W., et al. (2023). Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA Internal Medicine. – Vol. 183. – No. 6, pp. 589–596. – https://doi.org/10.1001/jamainternmed.2023.1838. – EDN: RFVQOH. (In Eng.).
  8. Bean A. M., et al. (2026). Reliability of LLMs as medical assistants for the general public: a randomized preregistered study. Nature Medicine. – Vol. 32, pp. 609–615. – https://doi.org/10.1038/s41591-025-04074-y. (In Eng.).
  9. Ferguson T. (2000) Online patient-helpers and physicians working together: a new partnership for high quality health care. British medical journal. – Vol. 321. – No. 7269, pp. 1129–1132. – https://doi.org/10.1136/bmj.321.7269.1129. (In Eng.).
  10. Ferguson T. е-Patients Scholars Working Group (2007) Fox S. e-Patients: How they can help us heal healthcare, 104 p. (In Eng.).
  11. Ferguson T., Frydman G. (2004). The first generation of e-patients. British medical journal. – Vol. 328, p. 1148. – https://doi.org/10.1136/bmj.328.7449.1148. (In Eng.).
  12. Hardey M. (2001). ‘E-health’: The internet and the transformation of patients into consumers and producers of health knowledge. Information, Communication & Society. – Vol. 4. – No. 3, pp. 388–405. – https://doi.org/10.1080/713768551. (In Eng.).
  13. Masters K. (2016). The e-patient and medical students. Medical Teacher. – Vol. 38. – No. 3, pp. 314–316. – https://doi.org/10.3109/0142159X.2015.1112896. (In Eng).
  14. Mechanic D. (1996). Changing Medical Organization and the Erosion of Trust. The Milbank Quarterly. – Vol. 74. – No. 2, pp. 171–189. – https://doi.org/10.2307/3350245. (In Eng.).
  15. Mou Yu., Xu T., Hu Ya. (2023). Uniqueness neglect on consumer resistance to AI. Marketing Intelligence & Planning. – Vol. 41. – No. 6, pp. 669–689. – https://doi.org/10.1108/MIP-11-2022-0505. – EDN: OWAOAI. (In Eng.).
  16. Moy S., et al. (2024). Patient Perspectives on the Use of Artificial Intelligence in Health Care: A Scoping Review. Journal of patient-centered research and reviews. – Vol. 11. – No. 1, pp. 51–62. – https://doi.org/10.17294/2330-0698.2029. – EDN: DTWUBL. (In Eng.).
  17. Omar M., et al. (2026). Mapping the susceptibility of large language models to medical misinformation across clinical notes and social media: a cross-sectional benchmarking analysis. The Lancet Digit Health. – Vol. 8. – No. 1, p. 100949. – https://doi.org/10.1016/j.landig.2025.100949. (In Eng.).
  18. Parsons T. (1991). The social system. – London: Routledge. Taylor and Frances Group, 575 р. (In Eng.).
  19. Pasquale F. (2020). New Laws of Robotics. Defending Human Expertise in the Age of AI. – The Belknap Press of Harvard University Press. Cambridge, Massachusetts & London, England, 352 p. (In Eng.).
  20. Saikia M. J., Borthakur D. (2025). Artificial Intelligence (AI) in Patient–Healthcare Relationships: Psychosocial Perspective. IEEE Access. – Vol. 13, pp. 164682–164701. – https://doi.org/10.1109/ACCESS.2025.3611818. – EDN: QDSGHZ. (In Eng.).
  21. Sands D. Z., Finn N. B. (2025). From Internet to Artificial Intelligence (Al) Bots: Symbiotic Evolutions of Digital Technologies and e-Patients. Journal of participatory medicine. – Vol. 17, p. e68911. – https://doi.org/10.2196/68911. – EDN: UWVVBX. (In Eng.).
  22. Shekar Sh., et al. (2025). People Overtrust AI-Generated Medical Advice despite Low Accuracy. NEJM AI. – Vol. 2. – No. 6. – https://doi.org/10.1056/AIoa2300015. – EDN: YCIMFY. (In Eng.).
  23. Topol E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine. – Vol. 25. – No. 1, pp. 44–56. – https://doi.org/10.1038/s41591-018-0300-7. – EDN: OQSRZW. (In Eng.).
  24. Woods S. S., et al. (2025). From E-Patients to AI Patients: The Tidal Wave Empowering Patients, Redefining Clinical Relationships, and Transforming Care. Journal of participatory medicine. – Vol. 17, p. e75794. – https://doi.org/10.2196/75794. – EDN: ZHNQLC. (In Eng.).

Для того, чтобы мы могли качественно предоставить вам услуги, мы используем cookies, которые сохраняются на вашем компьютере (сведения о местоположении; ip-адрес; тип, язык, версия ОС и браузера; тип устройства и разрешение его экрана; источник, откуда пришел на сайт пользователь; какие страницы открывает и на какие кнопки нажимает пользователь; эта же информация используется для обработки статистических данных использования сайта посредством интернет-сервиса Яндекс.Метрика). Нажимая кнопку «Согласен», вы подтверждаете то, что вы проинформированы об использовании cookies на нашем сайте. Отключить cookies вы можете в настройках своего браузера.