Китайские исследователи показали, почему «рассуждающий» ИИ в диагностике должен работать с врачебной проверкой
Опубликовано:
В анализе реальных электронных медкарт рассуждающие модели чаще находили верный основной диагноз, но чаще добавляли несуществующие и давали менее повторяемые ответы. Проверка выводов ИИ врачом позволила сохранить выигрыш в точности и заметно сократить ложные срабатывания.
Рассуждающий ИИ в медицине полезнее не как замена врачу, а как предварительный помощник, чьи выводы обязательно проверяет специалист. К такому выводу пришла команда Университета Цинхуа, сравнившая модели, которые формируют ответ сразу, и модели с многошаговым «размышлением».
Исследователи собрали тест из реальных электронных медкарт двух открытых баз данных — MIMIC-IV и eICU. В него вошли случаи из 12 клинических специальностей; средняя длина одной истории болезни составляла около 2657 токенов. Шесть моделей проверили в двух режимах: с развёрнутым рассуждением и без него.
Для основного диагноза рассуждающий режим оказался точнее. В одном наборе данных средняя точность достигла 52,8% против 38,7% без рассуждения; во втором — 35,1% против 28,9%. Такие модели также реже предлагали клинически нерелевантные варианты: 32,8% вместо 45,0%.
Но дополнительное «размышление» не сделало ответы надёжнее во всех отношениях. При трёх повторных запусках на одной и той же истории болезни совпадение основного диагноза у рассуждающих моделей составило в среднем 52,3%, а у обычных — 69,0%. Кроме того, рассуждающий режим выдавал в среднем 1,47 ложного диагноза на случай против 1,09 — на 34,8% больше. Лишние предположения могут означать ненужные анализы, процедуры или консультации.
Наиболее практичным оказался вариант «ИИ сначала, врач затем». В проверке с участием 15 врачей на 150 случаях из трёх групп заболеваний подсказка рассуждающей модели повысила точность основного диагноза примерно на 20%. После врачебного просмотра число ложноположительных выводов ИИ снизилось на 43,6% у начинающих врачей и на 44,0% у врачей со средним опытом.
Работа показывает, что медицинский ИИ стоит оценивать не только по числу правильных ответов, но и по повторяемости и цене ошибок. Пока это ретроспективное исследование, а в части с врачами использовался заранее заданный список возможных диагнозов. Следующий важный шаг — проспективные испытания в реальной клинической работе и более удобная подача выводов модели: полный разбор случая занимал у врачей 15–20 минут, тогда как краткий ответ — 5–8 минут.
Источники: Nature Communications, Школа биомедицинской инженерии Университета Цинхуа · Иллюстрация: ИИ · Проверено 03.11.2026 · Материал не является медицинской рекомендацией. За консультацией обратитесь к лечащему врачу.
