«Упростить врачу жизнь»: профессор Питерской Вышки — о проекте с Оманом и ИИ-агентах в медицине
Совместный проект Питерской Вышки и Университета Низвы (Оман) победил в конкурсе «Международное академическое сотрудничество» НИУ ВШЭ. Исследователи из двух стран разработают систему ИИ-агентов для медицины — PatientFlow-AI. Чем проект Питерской Вышки заинтересовал ученых из Омана и как будет развиваться партнерство, рассказал ведущий научный сотрудник Лаборатории социальной и когнитивной информатики Сергей Кольцов.
— Как сложилось ваше сотрудничество с Университетом Низвы?
— В апреле 2026 года в Университете Низвы прошла международная конференция по интеллектуальным системам и приложениям искусственного интеллекта ISAA 2026. Одним из организаторов была Высшая школа экономики. Административную работу взяло на себя представительство НИУ ВШЭ на Ближнем Востоке. Наши ученые рецензировали заявки участников, выступали с докладами и проводили мастер-классы — например, двухдневный курс о больших языковых моделях и промптинге. Я рассказывал о разработке медицинских ассистентов на примере отоларингологии. Оманские коллеги с кафедры применения искусственного интеллекта проявили особый интерес к тому, что наши проекты функционируют локально, — для медицины это принципиально важно.
Партнеры захотели создать похожую систему для своего университета, и мы начали думать, как перенести наш опыт в другую медицинскую область. Первым направлением стала нефрология: у коллег из Низвы есть доступ к данным пациентов с заболеваниями почек. Тогда мы решили подготовить заявку на трехлетний проект.
— Какую задачу решает проект PatientFlow-AI?
— Главная цель разработки — упростить врачу жизнь. Речь не только об автоматизации бумажной, формальной работы: время у медиков уходит и на постоянный мониторинг пациентов. Все это возьмут на себя ИИ-агенты.
Мы работаем над тем, чтобы модель, с одной стороны, анализировала всевозможные заключения, а с другой — уведомляла врача, если необходимо срочное вмешательство. Систему планируем обучать на данных Общества нефрологии Омана и внедрить в клинике при Университете Низвы. Важно понимать, что ИИ-ассистент не будет ставить диагноз или назначать лечение самостоятельно. Мы создаем прототип для поддержки врача, который сможет указать, на что и почему следует обратить внимание. Клинически важные выводы обязательно проверит специалист.
— Может ли нейросеть ошибаться при обобщении данных? Например, забыть начало длинной истории болезни?
— Нейросети совершают ошибки разного рода. Допустим, при анализе медицинских данных многое зависит от того, в каком виде поступили результаты: PDF, JPG, TXT. У каждого формата свои типичные сбои, поэтому в системе предусмотрены субагенты, которые анализируют различные типы данных. Ну а набор дополнительных тестов покажет, насколько хорошо справляется каждый из них.
Кроме того, мы планируем распределить работу между специализированными модулями и отдельно оценивать качество каждого. Еще один важный элемент — клинический граф знаний (от англ. clinical knowledge graph — «структурированная база данных»). Он поможет проверять, согласуются ли выводы системы с медицинскими фактами и подходами, а также сократит частоту галлюцинаций.
— Как выстраивается работа по проекту с Университетом Низвы?
— На первом этапе оманская команда займется инфраструктурой. Коллеги уже закупают специализированное оборудование — видеокарты и серверы. Вторая задача — внедрение системы в больничную среду, ее техническое обслуживание и обучение медицинского персонала работе с новым ПО. Наконец, коллегам предстоит подготовить медицинские тесты. В этом помогут местные врачи: они предоставят данные и определят, какие проверки корректны с клинической точки зрения.
Наша сторона займется разработкой программной части и написанием кода — прежде всего с помощью уже существующих агентов. Сейчас мы обсуждаем конкретные модули и решаем, на каких анализах проверять систему. Сначала планируем протестировать агентов и ассистентов на открытых наборах медицинских данных, затем — на материалах, которые передаст оманская сторона.
— Нужны ли команде программисты, если код пишут агенты?
— Время диктует новые правила. Программисты больше не пишут код вручную, а работают с помощью агентов. В каком-то смысле это вайб-кодинг (от англ. vibe coding — «программирование по наитию»): когда нейросеть создает программу по описанию задачи. Но без понимания специфики он невозможен. Именно поэтому в Лаборатории работают эксперты по машинному обучению с профильным образованием. А для участия в проекте к нашей команде подключится еще один специалист, владеющий арабским языком.
— В Омане говорят на нескольких языках. Как с ними справится нейросеть?
— Все медицинские записи ведутся на английском, а с пациентами врачи общаются на арабском, в том числе на местных диалектах. Нам понадобится модуль, который расшифровывает речь и переводит ее с арабского на английский. Подходящие нейросети уже есть. Один из этапов работы — проверить качество существующих переводчиков.
— Лаборатория социальной и когнитивной информатики работает с 2012 года. Как сложилась ее команда?
— У нас всегда работали специалисты из разных областей. Сначала мы анализировали сетевые тексты, отсюда и прежнее название — Лаборатория интернет-исследований. Наши социологи формулировали вопрос и объясняли, зачем его изучать, а найти ответ могли только те коллеги, которые понимали, как устроено машинное обучение. На стыке дисциплин мы остаемся и сейчас, но темы изменились. В последнее время много проектов о здоровье и языковых моделях. Направление интересное и общественно полезное: в команде есть люди, которые в нем разбираются. Плюс академической науки в том, что ученые сами выбирают приоритеты.
Сейчас в штате около 20 сотрудников, из них четверо разрабатывают ИИ-модели. Подобные проекты уже не требуют больших команд — два-три крупных агента заменяют целый коллектив.
— Каких результатов Лаборатория добилась за 14 лет?
— Наверное, главное достижение — сплоченный коллектив. Много лет мы регулярно выполняем плановые показатели, прежде всего по публикациям высокого уровня. Каждый год выигрываем гранты Российского научного фонда.
Направления у Лаборатории самые разные — от прикладных разработок до исследований человеческого восприятия. Например, только в этом году мы презентовали локального ИИ-ассистента для отоларингологии. Именно на нем я показывал в Низве, как снизить число галлюцинаций медицинских языковых моделей.
Есть и фундаментальные работы. В частности, на основе подходов из термодинамики мы предложили способ определять, на сколько кластеров стоит делить данные в алгоритмах машинного обучения. Физические методы также помогают нам в оптимизации нейросетей.
Еще одно большое направление связано с тем, как люди воспринимают информацию и общаются с языковыми моделями. Отчасти оно касается медицины. Коллеги проверили, могут ли нейросети давать недостоверные ответы — например, на вопрос, приводит ли прививка от кори к аутизму, — и способны ли пользователи отличить правду от мифов в фактах от ИИ.
Отдельный проект связан с сигналами головного мозга. Лаборатория обрабатывает полученные данные инструментального исследования при помощи алгоритмов машинного обучения. По движениям глаз и активности мозга можно многое узнать о том, как человек воспринимает информацию.
— Какие исследовательские задачи интересуют лично вас?
— В последнее время — все, что связано с искусственным интеллектом. Из более частных задач — прунинг (от англ. pruning — «обрезка»), то есть уменьшение размеров нейросети. Большая модель может не поместиться в память телефона или компьютера, и есть целая область исследований о том, как сжать сеть для работы без сильной потери в качестве.
Еще одна тема — стиринг-векторы (от англ. steering vectors — «направляющие векторы; набор чисел, который встраивают в работу обученной нейросети»). С их помощью можно изменить характер рассуждений ИИ, чтобы он лучше справлялся с задачами. Мы добиваемся того, чтобы небольшие модели, которые запускаются на ноутбуках среднего уровня, давали более-менее правильные ответы при решении дифференциальных уравнений. В этом году к публикации готовятся две статьи по теме.
— Какие планы после завершения проекта с Оманом?
— Мне интересно создавать агентов для образования. Время преподавателя ограничено, а многое в обучении можно формализовать и переложить на искусственный интеллект. Достаточно один раз объяснить студенту материал, а если у него останутся вопросы, он сможет сам поговорить с ИИ. Но создать такого помощника непросто: мало просто использовать GPT или другую модель. Ее нужно особым образом настроить с помощью промптов и подключить к ней документацию, которая очень быстро меняется.
— Участвуют ли студенты Вышки в ваших проектах?
— Мы регулярно берем студентов — не только на практику, но и на курсовые. К нам приходят с программы «Прикладной анализ данных и искусственный интеллект», с социологических и филологических направлений.
Самые инициативные пишут напрямую мне, причем не только из Петербурга, но и из Москвы: «У меня такая задача, и я вижу, что у вас похожая деятельность. Можно ли присоединиться к вашим исследованиям?» Другие просто приходят в Лабораторию и участвуют в проектах как практиканты или авторы курсовых и дипломных работ. Мы рады всем, кому интересно трудиться на стыке дисциплин, — наши двери открыты.
