От конференции к международному проекту
Сотрудничество двух университетов началось в апреле 2026 года на международной конференции по интеллектуальным системам и приложениям искусственного интеллекта ISAA 2026 в Омане. Российские исследователи рецензировали заявки, выступали с докладами и проводили мастер-классы, в том числе двухдневный курс о больших языковых моделях и промптинге. Особый интерес оманских коллег вызвала разработка медицинских ИИ-ассистентов, работающих локально. Для медицины это принципиально: данные пациентов не должны покидать защищенную инфраструктуру клиники без необходимости. После знакомства опытом российских коллег стороны решили адаптировать подход для новой области - нефрологии, поскольку у команды из Низвы есть доступ к данным пациентов с заболеваниями почек.
Так появился проект PatientFlow-AI: мультиагентная система поддержки клинических решений и управления потоками пациентов.
Что будет делать система
Главная цель PatientFlow-AI - упростить работу врача. ИИ-агенты должны помочь с постоянным мониторингом пациентов. Система сможет анализировать медицинские заключения, отслеживать изменения в состоянии и предупреждать специалиста, если данные указывают на необходимость срочного вмешательства.
При этом разработчики подчеркивают, что система не будет самостоятельно ставить диагноз или назначать лечение. Это лишь прототип поддержки врача. Система подскажет, на что обратить внимание и почему, но окончательное клиническое решение останется за человеком. Такой подход соответствует общему принципу ответственного применения ИИ в здравоохранении.
Почему одной нейросети недостаточно
Медицинские данные на платформу поступают в разных форматах, каждый из них имеет собственные типичные ошибки распознавания. По этой причине PatientFlow-AI строится как набор специализированных субагентов. Одни обрабатывают документы, другие анализируют изображения или текст, а отдельные модули оценивают качество их работы.
Ключевым элементом системы станет клинический граф знаний - структурированная база медицинских фактов и связей между ними. Он поможет проверять, согласуются ли выводы ИИ с установленными медицинскими знаниями, и снижать частоту правдоподобных, но неверных ответов модели.
В настоящее время это направление особенно актуально. В систематическом обзоре исследований о неверных ответах в медицинском ИИ интеграция графов знаний названа одним из наиболее перспективных способов ограничить фактические ошибки модели. Также отмечается, что наиболее надежные результаты дают комбинации технических проверок и участия врача в принятии решения.
Значение проекта
PatientFlow-AI интересен не только как технологическая разработка. Он показывает, как международная научная кооперация может соединять сильные стороны разных команд. Проект объединяет российский опыт в разработке локальных ИИ-ассистентов и оманский доступ к клиническим данным, медицинской инфраструктуре и пониманию локального контекста. Если проект докажет эффективность, подобная система может быть адаптирована и для других медицинских специальностей.
Источник: НИУ ВШЭ в Санкт-Петербурге
