Мультиагентные системы с доказанной клинической эффективностью: разработка, результаты клинических испытаний

Дифференциальная диагностика ХОБЛ, бронхиальной астмы и пневмонии на первичном приёме часто осложняется перекрытием симптомов и ограниченностью данных. Телемедицина сталкивается с вызовами масштабирования, а классические ИИ-системы обычно фокусируются на узких задачах без глубокого клинического обоснования. Конкурс AI’m Doctor показал пробелы в решениях с объяснимой диагностикой.

На помощь приходят мультиагентные системы, такие как RC.Sechenov.AI. Участников и гостей «ИТМ ИИ» с нею познакомит заместитель директора Института цифровой медицины ПМГМУ им. И.М.Сеченова, д.т.н., проф. Эдуард Фартушный. Он также расскажет о результатах клинической апробации этой мультиагентной системы цифрового референс-центра на базе LLM.

Спойлер: она доказала свою эффективность как инструмент поддержки принятия решений на этапе первичной диагностики. Ее модульная архитектура, интеграция с верифицированными клиническими знаниями и способность работать при дефиците данных делают ее готовым решением для масштабирования экспертной пульмонологической помощи по всей территории РФ.

Не пропустите: 13 февраля пленарное заседание 2.1. Применение технологий искусственного интеллекта в медицинской практике. Начало в 10:00. Зал «Галактика».

Биомедицинская химия в эпоху биоинформатики и цифровых технологий

Директор «Научно-исследовательского института биомедицинской химии им. В.Н. Ореховича» Елена Пономаренко представит на «ИТМ ИИ» доклад «Биомедицинская химия в эпоху биоинформатики и цифровых технологий».

Биоинформатика выступает в роли интегратора, последовательно стирая традиционные границы между химией, биологией и информатикой. Это взаимодействие приводит к фундаментальной трансформации биомедицинской химии, которая постепенно превращается из дисциплины с доминирующей экспериментальной компонентой в вычислительно-экспериментальную науку.

Исследовательская работа становится итеративным процессом: компьютерное моделирование и анализ больших массивов данных позволяют генерировать гипотезы и предсказания, которые затем проверяются в лаборатории, а полученные экспериментальные результаты, в свою очередь, используются для уточнения и обучения вычислительных моделей.

О ключевых проблемах такого подхода и возможных путях их решения — в докладе Елены Пономаренко в рамках панельной дискуссии «1.3. Клиническая биоинформатика: вызовы и возможности». 12 февраля. Начало — 13:00. Зал «Галактика 1,2».

Медицинские бенчмарки для оценки языковых моделей

Как повысить эффективность работы LLM в медицинских сценариях и снизить риски внедрения «галлюцинирующих» моделей за счет валидации доменных знаний и коммуникативных навыков ИИ-ассистентов? Ответ на этот вопрос вы получите из доклада заведующего лабораторией цифрового развития ФГБУ НМХЦ им. Н.И. Пирогова Минздрава России Олега Пензина.

Впервые исследователи систематизировали бенчмарки и метрики валидации LLM с учетом специфики российского здравоохранения. Показано, что достижение SOTA-результатов (>90%) на экзаменационных датасетах не гарантирует безопасности в реальных сценариях. Обоснована необходимость перехода от оценки знаний к оценке агентных навыков (сбор анамнеза, эмпатия, соблюдение клинических рекомендаций). Выделены ключевые преимущества отечественных разработок (3MDBench) в части моделирования темперамента пациента и мультимодальности.

Аналитический доклад исследователей будет полезен разработчикам СППВР, исследовательским центрам и медицинским организациям, внедряющим ИИ. Послушать его можно будет 13 февраля в рамках секционного заседания 2.3. «Прикладные решения для здравоохранения с использованием методов интеллектуального анализа данных». Зал «Галактика Центральная», начало — 13:00.