Я тут наконец сам понял зачем сделал себе персонального медицинского AI помощника и почему с его задачами не справляется обычная медицина.
В конце статьи как всегда blueprint файл, который можете скачать, чтобы повторить мой проект целиком.
Перечислять что система умеет делать не буду, можно прочитать или предыдущие посты или этот самый blueprint файл в комментах.
Если коротко что изменилось с предыдущей заметки: раньше система была умным наблюдателем, теперь она исследователь, который ставит на мне эксперименты и закрывает их.
Теперь подробно – зачем же я сделал свою персональную Health OS.
Три года назад я начал успешно сражаться с раком и победил. Но борьба с опухолью — это попытки врачей тебя убить в расчете, что опухоль умрет раньше.
При этом прорывы в медицине случились только за последние годы (мне повезло). И все светлые умы продолжают бороться с ужасной болезнью… а не последствиями лечения.
А как вернуть себе качество жизни, если ты вылечился? Ответа нет.
Спасенных пациентов пока еще мало. Да и времени прошло немного с тех пор, как научились нас вылечивать в большом проценте. То есть наука еще не наработала достаточное количество данных для разработки протоколов восстановления.
Медицина спасла мне жизнь и… бросила. Дальше, мол, сам.
В этом месте мой AI ассистент как раз идеально вписался.
Он знает мои анализы за все предыдущие годы. Он знает мой геном. Он знает многолетние данные из трекеров (Oura, Apple Watch).
Он знает какая именно химиотерапия была, какая операция на пищеводе, он ходит на медицинские ресурсы и ищет peer reviewed статьи, которые относятся к моей истории болезни.
Он знает рекомендации специалистов, с какой частотой нужно отслеживать показатели, находящиеся в зоне риска и ставит мне напоминалки сдать анализы. С адресом ближайшей от отеля лаборатории, если я в поездке.
Он умеет — проактивно — по результатам обследования строить гипотезы и проверять их у живого доктора через телемедицину.
Про гипотезы расскажу отдельно. Это один из самых прорывных моментов. Задача была научиться строить предположения максимально точно, без галлюцинаций. Критерий качества – хороший врач не говорит на гипотезу от нейросети “это херня”.
Первая версия ассистента умела самостоятельно замечать тренд и генерировала объяснение, которое потом валидировала с живым врачом.
Но теперь я научил систему клиническому мышлению. Она знает как вообще устроена медицинская гипотеза: что предрасполагает к состоянию → какой именно патофизиологический механизм → что из-за этого видно в анализах и на осмотре.
Под этим лежит классное инженерное решение, и оно мне кажется самым красивым во всём проекте.
Мы (с Клодом) взяли учебник, по которому медиков учат строить клинические рассуждения — «Case-Based Clinical Reasoning» и разобрали его на вики-обсидиан статьи. Получилось девяносто шесть отдельных концептов-страниц со связями и синонимами.
Важно, что я не просто загрузил PDF книжку в окно контекста. Хрен там пойми как она ее прочитает и на какую глубину.
Именно вики-структура помогает модели идти строго по инструкции. Когда по ходу разбора ей нужен конкретный термин, система сама его запрашивает, читает только нужные одну-три страницы из девяноста шести — не весь том.
Почему это важно. Это трындец как дешевле и одновременно точнее.
