Два полюса: ассистент врача против диагностического агента

Чему вы научитесь

• Различать два полюса медицинских AI-агентов: «ассистент врача» и «диагностический агент»
• Объяснять, почему трек делает ставку на первый полюс
• Понимать, где именно проходит юридически и этически опасная граница
• Видеть, что значит «поддержка решения» вместо «принятие решения»

От чат-бота к агенту, ведущему процесс

AI в медицине прошёл путь от «чат-бота, который отвечает на медицинский вопрос» к агенту, который ведёт клинический рабочий процесс. Агент собирает анамнез в диалоге, задаёт уточняющие вопросы, тянет данные из литературы и баз (лекарства, гайдлайны, онтологии болезней), анализирует снимки специализированными инструментами и спорит сам с собой через несколько ролей.

Ключевое слово везде — поддержка. Агент готовит дифдиагноз, план обследования, черновик заключения. Финальное решение остаётся за врачом. Технологически новый open-source строится вокруг связки: мультимодальная LLM плюс инструменты плюс RAG по медицинским источникам плюс мультиагентная коллаборация.

Два полюса применения

Сфера делится на два больших полюса. Они отличаются не технологией, а уровнем риска и тем, кто оказывается «на другом конце» диалога.

Первый полюс ближе к рутине, которую и так делает врач, и потому безопаснее. Второй полюс выглядит эффектнее, но именно он упирается в регуляторные запреты.

Кто уже на рынке (запад)

Чтобы понимать ландшафт, полезно знать главных западных игроков первого полюса — все они работают как ассистенты врача, а не как замена:

• OpenEvidence — отвечает на клинический вопрос со ссылками на литературу, помогает с черновиками заметок и выписок.
• Glass Health — поддержка клинических решений: дифдиагноз и план обследования по введённым данным.
• Nuance DAX Copilot / Microsoft Dragon Copilot, Abridge — ambient-скрайбы: слушают приём и готовят черновик заметки, заметно снимая нагрузку на документацию.
• UpToDate Expert AI, DynaMed, AMBOSS — классические врачебные базы знаний с AI-надстройкой поверх проверенного контента.

Почему трек учит первому полюсу

Диагностический диалоговый агент — даже когда он впечатляет в исследованиях — это зона, где ошибка напрямую вредит человеку без участия специалиста. Google AMIE в публикации в Nature (2025) по оценке специалистов и пациентов-актёров не уступал врачам первичного звена при текстовой консультации (источник: Nature, s41586-025-08866-7). Но это research-only, не продукт, и сами авторы это подчёркивают.

«Поддержка» против «принятие решения»

Разница между двумя формулировками — это вся суть трека на одной схеме.

flowchart LR
    A["Данные случая\n(обезличенные)"] --> AG["AI-агент\n(поиск, рассуждение, инструменты)"]
    AG --> S["Структурированная\nподдержка: дифдиагноз,\nплан, черновик"]
    S --> D["Врач: проверяет,\nдополняет, решает"]
    D --> R["Клиническое решение\n(ответственность врача)"]
    style AG fill:#eef2ff,stroke:#4400FF
    style D fill:#fee2e2,stroke:#DC2626
    style R fill:#ecfdf5,stroke:#059669

Агент никогда не закрывает цепочку сам. Между его выводом и клиническим решением всегда стоит врач.

Как пройти трек под свою роль

Трек собран так, чтобы каждый брал нужное под свою задачу — необязательно читать все 16 уроков подряд.

Что дальше

В следующем уроке — рамка ответственности и обязательные дисклеймеры, которые мы пронесём через весь трек: md.0/02.