🩻 20 минут вместо часа: медицинский AI быстрее, но слабее врача
Автономный AI-агент подготовил десять диагностических отчётов за 20 минут 32 секунды — более чем втрое быстрее самой быстрой команды с врачом. Но по качеству он оказался последним: 66,2 балла против 85,2 у лучшей связки опытного рентгенолога с многоцелевым агентом. Машине достался черновик, врачу — проверка.
Соревнование прошло на пятой конференции по AI в медицинской визуализации в Шанхае. Для него отобрали десять реальных случаев из крупных китайских больниц высшей категории — таких, которые сами врачи сочли прежде не встречавшимися.
Один агент пытается заменить набор узких моделей
Прежние системы решали отдельные задачи — искали лёгочные узелки, оценивали коронарные сосуды или кровоизлияния в мозг. По размеченным данным они обнаруживали, сегментировали и измеряли изменения. Многие получили регистрационные удостоверения и вошли в практику, но для одного КТ-отчёта по нескольким органам врачу приходилось переключаться между модулями.
За последние год-два китайские производители стали переходить к мультимодальным медицинским агентам. Их цель — по одному исследованию проанализировать несколько органов и заболеваний, свести признаки и составить полный черновик. По словам основателя Shukun Мао Синьшэна, большие модели не только распознают, но и связывают и обобщают наблюдения, строят медицинский текст. На конференции компания представила агентов для КТ грудной клетки и рентгенографии всего тела; вскоре она планирует выпустить медицинскую модель мира.
От агентов ждут освобождения врачей от повторяющегося перечисления признаков, измерений и подготовки черновика. Но они могут не только пропустить объект или ошибиться в измерении, а ещё и допустить ошибку в рассуждении или описании. Это усложняет валидацию и регистрационную экспертизу. Модель одного медицинского центра, добавляет Мао Синьшэн, не охватывает разнообразие больниц; продукту нужна отработка на реальных многоцентровых случаях.
Точечный AI решал одну задачу, агент претендует на весь процесс подготовки отчёта. Он может быть полезен и загруженному отделению крупной больницы, и учреждению с нехваткой диагностического опыта. Но больницам ещё предстоит определить, как оценивать пользу, контролировать качество и строить работу врачей с такими системами.
Раньше компании соревновались в получении регистрационных удостоверений; теперь, по оценке Мао Синьшэна, больница должна пользоваться AI-сервисом, платить и продлевать договор. Трудность — в политике оплаты: медицинский AI претендует на роль «цифрового сотрудника», но система пока считает его обычной программой.
Лучший балл получила связка врача с агентом
Семь групп заранее получили одинаковые случаи. По словам Shukun (数坤科技), организаторы не раскрыли их содержание, поэтому компания не могла заранее обучить агентов на этих материалах. Затем врачи-эксперты оценили отчёты и время работы.
Опытный врач с агентом набрал больше всех — в среднем 85,2 балла. Начинающий врач с таким же помощником получил 83,8; в отдельных случаях эта связка показывала лучший результат среди участников. Автономный агент набрал 66,2 балла за 20:32. Все остальные группы потратили от 66 до 88 минут.
Быстрый черновик превращает написание в проверку
Автономный режим закончил первым, но по баллам уступил самостоятельной работе врачей и всем вариантам сотрудничества человека с AI. Его 66,2 балла показывают: быстро собрать отчёт ещё не значит получить результат, готовый к работе без контроля.
В совместном режиме агент составляет перечень признаков и черновик отчёта. Это помогает охватить больше поражений и снижает риск пропустить деталь. Для начинающего врача заготовка частично компенсирует нехватку опыта: без AI слабые места чаще проявляются при поиске очагов и определении характера признаков, а качество текста сильнее колеблется. По материалу, с той же проблемой сталкиваются многие молодые рентгенологи и врачи в учреждениях базового уровня.
Обратная сторона — ложноположительные находки. Врачу приходится возвращаться к исходным изображениям и проверять спорные пункты; расхождение машинной логики с клиническим пониманием требует дополнительного времени и на отдельных случаях может даже замедлить работу. Чётких правил, каким выводам AI доверять и где проводить границу, в клинической практике пока не хватает.
Несколько экспертов ошиблись, определяя происхождение отчётов. Один текст приняли за работу опытного врача по привычному шаблону, хотя его подготовили с узкой AI-моделью. Терминология и структура машинных отчётов уже близки привычной врачебной форме, но это сходство не означает равного качества.
Что это значит
Это не универсальный рейтинг медицинского AI: испытание охватывало десять специально отобранных необычных случаев и измеряло только время и экспертную оценку отчётов. Но оно ясно проявило компромисс: автономность резко ускорила выпуск текста, не дав лучшего качества.
Для больницы вопрос смещается с наличия AI к устройству совместной работы. Перечень признаков и черновик могут повысить полноту отчёта, но ложные срабатывания заставляют заново читать снимки. Похожести машинного текста на врачебный недостаточно — нужны правила перепроверки и границы доверия к выводу.
Переход от отдельных детекторов к агентам поэтому не убирает человека из процесса, а меняет его роль. В этом испытании автономный агент подготовил десять отчётов быстрее всех, но набрал меньше любой группы с врачом; лучший средний балл получила связка опытного врача с агентом. AI здесь выступает не самостоятельным врачом, а помощником: пишет первым, но последнее решение остаётся за специалистом.