Несмотря на растущий энтузиазм к применению искусственного интеллекта (ИИ) в здравоохранении, отсутствуют данные о том, как ИИ перестраивает динамику клинических команд и процесс принятия решений в условиях рандомизированных контролируемых исследований (РКИ). Это качественное исследование проводилось в два этапа (2024 и 2026 годы) в отделении радиационной онкологии академического центра после завершения РКИ SHIELD-RT (NCT04277650), где алгоритм машинного обучения, интегрированный в электронную медицинскую карту, идентифицировал пациентов с высоким риском острых осложнений во время лучевой терапии и значимо снизил частоту обращений за неотложной помощью.

Проведено 30 полуструктурированных интервью с 29 клиницистами (10 радиационных онкологов, 4 врача расширенной практики, 5 медсестёр и 10 лучевых терапевтов). Анализ выполнен методом абдуктивного анализа, сочетающим обоснованную теорию и тематический анализ.

SHIELD-RT заполнил «пробелы власти» — несоответствия между экспертизой персонала и их структурной способностью действовать на её основе. Для медсестёр алгоритм усилил прогностические возможности, позволив проактивно действовать в рамках существующих клинических полномочий. Для лучевых терапевтов он валидировал наблюдательные знания и придал легитимность эскалации опасений о пациентах.

Медсестры обладали формальными полномочиями (affordances) направлять помощь, но им не хватало прогностической экспертизы — практика была реактивной. Алгоритм дополнил экспертизу, позволив действовать предиктивно через существующие полномочия. Лучевые терапевты обладали tacit predictive knowledge из ежедневного контакта с пациентами, но не имели формального статуса для инициации действий. Алгоритм расширил affordances, придав наблюдениям легитимность и способность инициировать вмешательства.

Эти механизмы расширили вклад клиницистов первой линии в принятие решений, сохранив надзор врачей (non-zero-sum модель). Важно, что улучшения сохранились после завершения исследования. Эффекты зависели от научной достоверности алгоритма, универсальной доступности для всех ролей, бесшовной интеграции в рабочий процесс и поддержки руководства организации.

Клинический ИИ, разработанный с учётом профессиональных ролей и структур принятия решений, может расширить вклад персонала первой линии в онкологическую помощь без нарушения врачебного надзора. Фреймворки оценки должны выходить за рамки количественных конечных точек, чтобы фиксировать, как ИИ перестраивает клинические отношения, перераспределяет профессиональную власть и влияет на командную работу.