НИУ ВШЭ — Санкт-Петербург и ФГБУ «СПб НИИ ЛОР» разработали ИИ-ассистента для врачей-отоларингологов
Ученые НИУ ВШЭ — Санкт-Петербург и сотрудники Санкт-Петербургского научно-исследовательского института уха, горла, носа и речи («СПб НИИ ЛОР») разработали систему поддержки принятия клинических решений «Методор» на основе больших языковых моделей. ИИ-ассистент умеет анализировать медицинские документы и помогает проводить скрининг пациентов с хроническими заболеваниями носа.
Ведущий научный сотрудник Лаборатории социальной и когнитивной информатики Сергей Кольцов совместно со старшим научным сотрудником отдела патологии верхних дыхательных путей Мариной Будковой, заведующим научно-исследовательской лабораторией электрофизиологии и искусственного интеллекта Сергеем Левиным и их коллегами из Санкт-Петербургского научно-исследовательского института уха, горла, носа и речи («СПб НИИ ЛОР») разработали ИИ-ассистента для поддержки принятия клинических решений «Методор». Система умеет анализировать медицинские документы и помогает принимать решения о необходимости назначения генно-инженерной биологической терапии у пациентов с полипозным синуситом. «Методор» также можно применять для скрининга пациентов на наличие жизнеугрожающих заболеваний системного характера, где воспалительные процессы полости носа и околоносовых пазух являются сопутствующей проблемой.
В медицине цена ошибки чрезвычайно высока. В режиме высокой нагрузки и непрерывно развивающихся технологий лечения перед врачами ежедневно стоит задача своевременной диагностики заболеваний и выбора правильной и современной стратегии лечения. Поэтому ученые ищут способы снять часть рутины со специалистов и, что самое важное, совместными усилиями улучшить качество медицинской помощи.
В последние годы для решения проблемы все чаще обращаются к искусственному интеллекту. Однако существующие на рынке большие языковые модели требуют доработки, так как могут выдавать вымышленные ответы. По данным исследований, нейросети страдают галлюцинациями в 15–40 % ответов на медицинские запросы пользователей.
Сергей Кольцов
Ведущий научный сотрудник Лаборатории социальной и когнитивной информатики
«Ежедневно сотрудники ЛОР НИИ принимают экспертные решения и выбирают стратегии лечения пациентов с заболеваниями ЛОР-органов со всей страны и ближнего зарубежья, проводят телемедицинские консультации. При этом специалистам приходится изучать колоссальные объемы поступающих медицинских документов: результаты исследований, выписные эпикризы и заключения специалистов из смежных областей. И все это они вынуждены совмещать с регулярными консультациями и нагрузками в операционной», — отмечает ведущий научный сотрудник Лаборатории социальной и когнитивной информатики НИУ ВШЭ — Санкт-Петербург Сергей Кольцов.
Задача исследователей — найти самую эффективную нейросеть для работы с клинической рутиной. Чтобы автоматизировать обработку документов и процесс принятия значимых для здоровья пациента решений, ученые Лаборатории социальной и когнитивной информатики НИУ ВШЭ — Санкт-Петербург совместно с сотрудниками Санкт-Петербургского научно-исследовательского института уха, горла, носа и речи разработали локальную систему «Методор». Она умеет анализировать медицинские документы, в том числе фото анкет с рукописными пометками, и выносит предварительное заключение — необходимо ли больному назначение биологической терапии. По убеждению старшего научного сотрудника отдела патологии верхних дыхательных путей ФГБУ «СПб НИИ ЛОР» Марины Будковой, для врачебной практики такая разработка обладает неоценимой пользой.
«В настоящее время во многих направлениях медицины и, конечно же, в оториноларингологии происходят существенные изменения в подходах к лечению заболеваний ЛОР-органов. Выбранный нами вектор взаимодействия с Лабораторией социальной и когнитивной информатики НИУ ВШЭ не случаен. Он был направлен на создание современного помощника в работе ЛОР-врача и специалистов смежных направлений при принятии решения о необходимости назначения биологической терапии пациентам с тяжелым неконтролируемым течением полипозного риносинусита. Разработанная система «Методор» помогает врачу провести в короткие сроки анализ медицинской информации о пациенте, в соответствии с современными клиническими рекомендациями принять решение о выборе тактики лечения и провести своевременную дифференциальную диагностику. В перспективе данная стратегия может быть использована ЛОР-врачами в любом уголке нашей страны и за ее пределами для оптимизации работы специалистов и повышения качества оказания медицинской помощи», — подчеркивает Марина Будковая.
Ученые Питерской Вышки протестировали семь больших языковых моделей. Каждая получала обезличенные данные о симптомах и подтвержденных диагнозах реальных пациентов, после чего должна была сгенерировать две-три рекомендации. Команда оценивала результаты по четырем критериям: сходство с реальными предписаниями, полнота ответа, клиническая точность и значимость.
«По итогам первичного тестирования, лучшими стали две модели: Qwen 2.5 («Квен») и Gemma 3n («Гемма»). На втором этапе ИИ поручили проанализировать заранее размеченные врачами медицинские данные и на их основе принять решение о госпитализации пациента. В итоге локальная модель Qwen 2.5 («Квен») превзошла все нейросети, включая DeepSeek V3 («Дипсик В3») и GPT-4o («ГПТ-4о»)», — объяснил Сергей Кольцов.
Для борьбы с галлюцинациями ученые прописали архитектурный промпт — комплексный шаблон, где каждый уровень выходных данных ограничен специальным протоколом. Также ученые спроектировали личность ИИ-ассистента и формат ответа.
Доработанная модель умеет находить релевантные ответы через открытый поиск и отличается долгосрочной памятью (MemoRAG). Авторы проекта дополнили разработку историей диалога и четко прописанной схемой медицинского заключения, которое ИИ-ассистент должен сформировать на основе данных пациента. Предложенная архитектура с функцией памяти MemoRAG определяет пациентов, нуждающихся в лечении, с точностью до 77 %. Такие показатели превышают средние значения и подходят для медицинского скрининга под наблюдением врача.
В будущем ученые планируют усилить аналитические способности нейроассистента и научить его извлекать стандартизированные клинические оценки из текстов. Кроме того, в Лаборатории социальной и когнитивной информатики видят перспективы расширения области его применения в других медицинских специальностях.
