Dr Маша: MedSignal AI Club

🧪 97% на медэкзамене. И это только первый этаж медицинского ИИ Я собрала в одну карту почти 30 свежих исследований и бенчмарков из 14 научных журналов, лабораторий и репозиториев: Nature Medicine, Lancet, NEJM AI, JAMIA, Stanford и других. Картина впечатляет: 97,4% на медицинском экзамене MedQA. 55–60% в открытой диагностике без вариантов ответа. 46% в PhysicianBench, где агент изучает реальную электронную карту, рассуждает, выполняет действия и делает в среднем 27 обращений к инструментам на одну задачу. ([Nature][1]) Это лестница автономности. Сначала модель демонстрирует знания. Затем ставит диагноз в условиях неопределённости. Следующая ступень: самостоятельно найти нужные данные, собрать историю пациента, выбрать инструменты, выполнить клинические действия и оформить результат. На отдельных задачах ИИ уже превосходит врачей. В рандомизированном исследовании симулированных приёмов AMIE показала более высокую диагностическую точность и получила лучшие оценки по 30 из 32 клинических критериев. В HealthBench Professional система на базе GPT-5.4 набрала больше баллов, чем ответы профильных врачей. ([Nature][2]) Причём научные публикации выходят медленнее, чем обновляются модели. Часть исследований уже тестирует предыдущие поколения. Поэтому эти цифры скорее моментальный снимок быстро растущей технологии. И ещё важное: здесь измеряется преимущественно клиническое мышление. Огромный ближайший эффект ИИ лежит в другом слое: документации, выписках, кодировании, сообщениях, маршрутизации пациентов и работе с медицинскими данными. В исследовании 263 специалистов после месяца работы с AI-скрайбом доля участников с признаками выгорания снизилась с 51,9 до 38,8%. Одновременно уменьшились когнитивная нагрузка и работа с документами после приёма. ([JAMA Network][3]) ИИ уже набрал достаточно медицинского интеллекта, чтобы менять здравоохранение. Следующий скачок произойдёт, когда этот интеллект станет инфраструктурой, а врач снова получит самый дефицитный ресурс: вн

🥳 Друзья, завершилась трёхнедельная программа MedSignal AI — и она превзошла мои ожидания почти во всём. 🔵120 участников с очень сильной экспертизой в медицине и IT 🔵11 живых встреч со спикерами, чаще всего по два часа и больше 🔵12 отдельных видеоуроков 🔵Практика, гайды, плагины, материалы и готовые решения на GitHub Мой внутренний перфекционист редко бывает по-настоящему доволен. Но здесь даже он немного растерялся — и, кажется, вдохновился. У меня самой после программы осталось много инсайтов, которыми буду постепенно делиться. Один из модулей был посвящён внедрению ИИ в бизнес и клинические процессы. Прикрепляю презентацию моего выступления, а ниже — главные тезисы о том, что в клинике действительно стоит автоматизировать и как не ускорить хаос. (см. предыдущий пост выше 👆)

Part 2⃣ 😺Что клинике реально делать для GEO Как нейронка формирует ответ разобрали в предыдущем посте💜 1. Сделать информацию о клинике однозначной. Одинаковое название, адрес, врачи, специализации и услуги во всех ключевых источниках. 2. Строить понятную семантическую архитектуру сайта. Отдельные страницы для самостоятельных сущностей и тем: врачей, услуг, филиалов, крупных направлений. Близкие вопросы объединять внутри одной сильной страницы, например стоимость, страховку, сроки и возрастные особенности ЭКО. Иначе страницы начинают конкурировать между собой и размывают для AI понимание, какая из них главная. 3. Публиковать факты вместо маркетинговых прилагательных. Цены, страховки, процедуры, оборудование, квалификация врачей, сроки, адреса, ограничения. 4. Постоянно обновлять операционную информацию. Устаревшие данные создают противоречия между источниками и снижают уверенность системы. 5. Развивать внешнюю авторитетность. Профессиональные каталоги, медицинские сообщества, сотрудничество с госпиталями, экспертные публикации, исследования, качественные независимые упоминания. 6. Делать информацию понятной для машины. Чистая структура сайта, ясные заголовки, отдельные страницы врачей и услуг, структурированные данные. 7. Не делать ставку на GEO-хаки. llms.txt, тысячи AI-статей и специальные «тексты для ChatGPT» пока не имеют убедительных доказательств как универсальная стратегия. 8. Измерять не позицию, а сценарии. Проверять ChatGPT, Gemini и Google по вопросам разных пациентов: цена, диагноз, страховка, возраст, география, срочность, конкретная процедура. Поэтому GEO я бы определила не как «SEO для нейросетей». SEO помогало поисковику найти страницу. GEO помогает AI понять организацию, проверить её и решить, подходит ли она конкретному человеку. Раньше клиника контролировала историю о себе на собственном сайте. Теперь её цифровой профиль распределён по всему интернету. И именно из этого цифрового следа AI собирает свою версию того, кому стоит доверить па

🧠 Мы уже дошли до момента, когда человеку понадобился пароль от собственных мыслей. Несколько дней назад Neuralink выложила короткое видео. Пациент с боковым амиотрофическим склерозом (БАС) постепенно потерял способность говорить, и его жена около четырёх лет не слышала его голоса. На видео он смотрит на неё и молчит. Через несколько секунд компьютер произносит его голосом: “I love you.” Это не сцена из Black Mirror. Это сентябрь 2026-го. В мозге пациента установлен BCI (интерфейс «мозг-компьютер») Neuralink. Сверхтонкие электроды регистрируют активность мозга, связанную с намерением произнести речь. Алгоритмы машинного обучения распознают нейронные паттерны, превращают их в слова, а затем в синтезированный голос, восстановленный по старым записям пациента. Для людей с БАС, инсультом или тяжёлым параличом это может означать возвращение вещи, которую мы обычно даже не воспринимаем как отдельную функцию организма: голоса. Но дальше история становится ещё более футуристичной. Обычно такие системы декодируют попытку речи: человек намеревается произнести фразу, даже если мышцы уже не способны её выполнить. А группа Stanford пошла дальше: А что если вообще не пытаться говорить? Просто произнести фразу внутри головы. В исследовании, опубликованном в Cell, четырём людям с имплантированными микроэлектродными массивами предложили именно это. Оказалось, что внутренняя речь тоже оставляет различимый нейронный след. Исследователям удалось декодировать воображаемые предложения в реальном времени. И вот здесь фантастика внезапно меняет жанр. Во время некоторых задач система смогла уловить элементы внутренней речи, которые человек не собирался ей сообщать. Например, числа, которые он считал про себя. Перед исследователями появилась совершенно новая инженерная задача: как дать человеку контроль над тем, когда компьютер может слушать внутреннюю речь? Решение почти комичное. Они придумали мысленный пароль. Декодирование включалось после специальной ключевой фразы, произнес

🤖 Как собрать AI-систему под задачу, а не наоборот Мы слишком долго думали про AI как про «одного очень умного помощника». Но сложные системы всё чаще строятся иначе: несколько агентов, разные роли и разные схемы взаимодействия. Я уже говорила об этом раньше, но вопросы продолжают приходить. Поэтому оставлю здесь ещё раз. 🖇️Когда проектируете AI-систему, думайте не только о том, какую модель выбрать, но и как агенты будут работать друг с другом. 🔵Вот 7 базовых архитектур: 1. Один агент / Single Agent Один агент делает всё сам. Когда: короткие понятные задачи без специализации. Пример: бот клиники отвечает про запись, часы работы и подготовку к визиту. +: просто, быстро, дёшево. -: хуже справляется с длинными и сложными задачами. 2. Координатор + субагенты / Coordinator + Sub-agents Главный агент распределяет части задачи между специалистами и собирает результат. Когда: задачу можно разделить на независимые экспертные блоки. Пример: виртуальный консилиум: кардиология одному агенту, эндокринология другому, координатор объединяет выводы. +: специализация и параллельная работа. -: детали могут теряться при передаче, координатор становится узким местом. 3. Рой / Swarm Центрального начальника нет: агенты сами передают задачу дальше. Когда: маршрут заранее неизвестен. Пример: агент записи передаёт пациента агенту по страховке, тот — агенту по анализам. +: гибкость. -: сложнее контролировать, возможны циклы и лишние расходы. 4. Конвейер / Pipeline Каждый агент выполняет один шаг и передаёт результат следующему. Когда: процесс повторяется, а этапы заранее известны. Пример: PDF с анализами → распознать → проверить → записать в базу → обновить дашборд. +: предсказуемо, просто, дёшево. -: ошибка в начале может пройти через всю цепочку. 5. Иерархия / Hierarchy Система устроена как компания: «директор» → менеджеры → исполнители. Когда: много специализированных агентов и нужно разделить ответственность. Пример: управление клин