Данная работа представляет собой масштабный обзор (scoping review), посвященный применению методов объяснимого искусственного интеллекта (XAI) при работе с мультимодальными медицинскими данными. В исследовании анализируются подходы, позволяющие интерпретировать сложные модели, которые одновременно обрабатывают различные типы информации: медицинские изображения, текстовые отчеты, генетические данные и показатели физиологического мониторинга. Авторы систематизируют существующие методологии XAI, выделяя их способность повышать доверие клиницистов к решениям нейросетей. Особое внимание уделяется проблеме интеграции разнородных модальностей и тому, как объяснимость влияет на точность диагностики в мультимодальных системах. Результаты обзора подчеркивают критическую необходимость перехода от моделей «черного ящика» к прозрачным алгоритмам для безопасного внедрения ИИ в клиническую практику. Исследование служит дорожной картой для разработчиков медицинских ИИ-систем, указывая на текущие пробелы в интерпретируемости мультимодальных архитектур.