Как запустить первого в России медицинского ИИ-ассистента

Системы искусственного интеллекта в здравоохранении построены на большом объеме данных и алгоритмах машинного обучения. Поэтому готовая система способна генерировать ответы для решения самых разнообразных проблем в медицинской сфере. Несмотря на то что в России это только начинает развиваться, многие зарубежные компании давно используют ИИ в сфере здоровья.

Но совсем недавно и в России появился сервис на основе ИИ в медицинской сфере, ― нейросеть для врачей DIMA. О том, как и для чего ее создавали, и с какими сложностями столкнулись в процессе, рассказывает автор сервиса Владислав Осетник.

Сегодня искусственный интеллект в медицине часто применяют в диагностике заболеваний пациентов. Например, в дерматологии нейронная сеть DCNN, обученная на основе 129 450 изображений, помогает диагностировать рак, псориаз и другие поражения кожи. В результате тестирования ИИ оказалось, что способность искусственного интеллекта классифицировать рак кожи сопоставима с навыками дерматологов.

При этом время обучения машин намного короче такового у врачей. Это лишь один пример. Сегодня ИИ применяют и в персонализации лечения, и для разработки лекарств, и для решения других задач.

Доктор Тед Джеймс в статье для Гарвардской медицинской школы отмечает, что искусственный интеллект вряд ли заменит врача, но может значительно повысить качество медицинской помощи и облегчить работу персонала. Что и вдохновило создать продукт на основе ИИ и в России.

Предпринимательские и одновременно технологичные мечты сначала реализовались в виде платформы MD School ― онлайн-университета доказательной медицины для медиков и студентов. Однако несмотря на то, что платформа представляет собой хороший продукт, все же сверх технологичных особенностей в нем не было, поэтому желание оказалось не до конца реализованным.

Было необходимо лишь научиться правильно работать с нейросетями, ведь это не Google, есть большая разница и определенный порог входа. Наверное, я испытывал такие же чувства, когда пробовал работать с нейросетями, как люди, которые в начале 2000-ых впервые читали новости в интернете, а не из бумажных газет.

Самая большая проблема России и стран СНГ в том, что из-за санкций тяжело пользоваться нейросетями и подключать доступ к ним. Из-за этого многие теряют желание даже пробовать.

Переговоры начали в октябре 2023 года, к реализации приступили практически сразу и в ноябре уже сделали основную часть движка. Учитывая, что это партнерский проект, получилось запустить его довольно бюджетно, суммарно вышло около миллиона рублей. Если предположить, что этим бы занималась основная команда разработчиков, то траты бы существенно возросли, так как их работа стоит 400 000 ₽ в месяц.

Изначально идея была очень простой ― арендовать сервер в Америке и раздавать информацию из чата GPT на собственную платформу. После, уже в совместной партнерской работе, выдвинули идею посильнее ― не просто арендовать, а доработать чат GPT на большом количестве медицинских данных.

Несмотря на простоту и перспективность идеи, в процессе реализации мы столкнулись с ограничением Open AI ― в систему невозможно качественно подгрузить большое количество данных дополнительно. На 50-100 документах все работает, хотя и гораздо медленнее. Однако для огромной базы из 3-5 тыс. документов, как планировали, система проявляла себя плохо.

Тогда разработчик предложил совместить две технологии.

Первая ― векторизация данных. Она позволяет по поисковому запросу быстро находить участок текста, в котором есть ответ. Технология не выдает красивый и четкий текст, как GPT, но может показать, где в огромной базе данных есть ответ на вопрос с вероятностью 95%. Эту технологию доработали под свой проект.

Вторая — отправление чату GPT параграф с найденной информацией, чтобы на его основании ИИ сформировал красивый ответ. Таким образом, в качестве контекста он использует вопрос пользователя, а для ответа — тот предполагаемый участок информации, где есть ответ (который нашла предыдущая технология). При необходимости он может добавить и свою информацию.

Так смогли совместить две технологии. Назвали продукт — DIMA. Это производное от аббревиатур MD — доказательная медицина, и AI — искусственный интеллект.

Сложность, с которой столкнулись в первую очередь, была в том, что многие участники не понимали, что такое нейросеть. Они пользовались ей, как Google, и не получали нужного результата. Поэтому для всех, кто подключается к DIMA, записали уроки о том, как вообще работают нейросети. Это повысило удовлетворенность пользователей.

Также большой проблемой было то, что разработчик не был членом нашей основной команды и являлся партнером. Из-за этого программу было довольно сложно вписать в рамки платформы MD School. Например, долго не получалось добиться «стримингового ответа» от нейросети ― чтобы строка постепенно заполнялась текстом, и человек не ждал минуту перед пустым экраном.

Было и такое, что во время бета-тестирования сервер вообще не работал. Пока восстанавливали, нашли несколько багов, исправили, и сейчас все стабильно. То есть, даже небольшое тестирование помогло за короткое время найти много слабых мест.

Соответственно, первый месяц оценивали экономику и по итогу выявили небольшой плюс ― на человека 20%. Хотя изначально я был готов и к тому, что проект не будет прибыльным. Хотелось, чтобы люди просто пользовались и знали о нас.

На сегодняшний день чаще всего к DIMA обращаются за:

Как это ни странно, мы не планируем форсировать популярность сервиса и активно набирать пользователей сразу, по предварительной оценке, текущие мощности могут справиться с 3-5 тысячами клиентов. Постепенный рост всегда хорош тем, что легко отслеживать негативные моменты и планомерно улучшать сервис.

Освободившееся время врачи могут посвятить на себя и свой отдых, потому что у нас в стране культ переработки, особенно в медицине. Хочется, чтобы DIMA стал другом, ассистентом, на которого можно переложить часть работы и выделить время на себя, семью, образование. 80% врачей в России ― женщины. Если у них освободится время на себя и семью, кто знает, возможно, это улучшит и социально-демографическое положение в стране.

Чат GPT стал технологическим прорывом, однако сегодня существуют уже десятки похожих сервисов. Чтобы оставаться востребованными, нужно постоянно дорабатывать продукт и стремиться быть лучше.

Мы ввели обновление, которое пока не было ни в одной нейросети. Когда ИИ берет информацию из базы данных и отвечает на медицинский вопрос, то в конце вставляет источник информации. Для врачей, как для людей науки, это очень важно.

На подходе также несколько других больших обновлений. Планируем добавить возможность работать с медицинской документацией ― чтобы врач мог загружать файл с информацией о пациенте, а ИИ на его основе формировал документы, которые обычно пишет доктор.

Вероятно, интерес медицинского сообщества будет постепенно расти, поскольку на данный момент для большинства это просто игрушка. Однако технология имеет большие перспективы и уже оказывает большую поддержку медицинскому персоналу на практике.