Расширенная глазная клиника показывает, почему системы, созданные на базе ИИ, работают лучше, чем отдельные алгоритмы

ИИ в офтальмологии готов к качественному скачку благодаря подходу, основанному на принципах ИИ, а не вспомогательному подходу. Исследователи разработали новый инструмент, который выходит за рамки традиционной модели развертывания ИИ как изолированных, автономных инструментов для отдельных задач, объединяя сеть специализированных агентов ИИ, которые могут работать на каждом этапе пути лечения пациента.

Недавняя статья в Nature Medicine предложила ранний взгляд на AI-TEC (AI-Agent Augmented Tsinghua Eye Clinic) — новую платформу, которая сейчас используется в больнице Beijing Tsinghua Changgung в Китае.

Для работы AI-TEC исследователи объединили два мощных ИИ-движка, которые работали с различными типами информации о пациентах. Qwen3.5-35B обрабатывал текст, помогая понять историю болезни пациента и создавать структурированные резюме, а RETFound, модель основания сетчатки, анализировал изображения глаз, включая фотографии глазного дна, показывающие заднюю часть глаза.

Чтобы вписаться в загруженный клинический процесс, интерфейс был разработан для быстрой загрузки, сокращения набора текста и предоставления врачам ключевого резюме ИИ всего за три клика. Однако, когда инструмент был запущен в реальной больничной практике, он показал результаты хуже ожидаемых. Ранняя модель, обученная на 26 839 необработанных, непроверенных больничных изображениях, достигла показателя диагностической точности (AUROC) 0,7996, что было недостаточно для практического применения.

Тогда четыре специалиста по офтальмологии вручную отобрали и проверили 1 426 высококачественных изображений и использовали их для дополнительной настройки ИИ, повысив показатель точности до 0,9383 и сделав систему готовой к клиническому использованию.

Теперь, когда система способна предоставлять врачам последовательные, основанные на доказательствах рекомендации, она может помочь адаптировать лечение к каждому пациенту.

Медицинский ИИ быстро находит свое место в здравоохранении, от анализа медицинских изображений и прогнозирования риска заболеваний до генерации клинических отчетов. Однако большинство из этих инструментов по-прежнему являются узкоспециализированными, разработаны для выполнения одной задачи, а не для вписывания в более общую картину лечения пациента.

В реальном мире клиническая помощь — это не серия изолированных задач, а сложная система, которая должна адаптировать свои решения на основе предоставленной информации, при этом учитывая потребности пациента. Таким образом, вспомогательное здравоохранение ИИ, которое занимается только одним этапом, не решает более широкие проблемы переполненности больниц или долгого времени ожидания.

Лучший подход — встроить ИИ в клинический процесс, а не добавить его в качестве отдельного инструмента. В разработанной исследователями системе, основанной на ИИ, специализированные агенты ИИ работают вместе: один собирает симптомы перед визитом, другой предлагает анализы, а третьи помогают врачу во время консультации и обеспечивают последующее наблюдение.

Информация, собранная на каждом этапе, передается дальше, поэтому когда пациент встречается с врачом, большая часть первичной работы уже выполнена.

После развертывания AI-TEC в больнице Beijing Tsinghua Changgung в ноябре 2025 года исследователи наблюдали быстрый рост использования врачами, уровень которого достиг 25,7% в декабре. Однако этот показатель упал до 3,8% в следующем апреле, поскольку инструмент работал медленно и требовал слишком много кликов и ручного ввода данных. Когда они переделали систему для более быстрой загрузки и требовали меньше кликов, использование увеличилось до 23,0% в течение месяца.

Чтобы обеспечить улучшение модели ИИ в режиме реального времени, они создали процесс сбора отзывов врачей во время фактических консультаций, а не во время отложенных встреч неделями позже. Показатель точности повысился с 0,9383 до 0,9482 при тестировании на второй группе пациентов.

Уточненный ИИ стал лучше выявлять состояния, для которых он был разработан, включая глаукому, диабетическую ретинопатию, возрастную макулярную дегенерацию и патологическую миопию.

На основе первоначальных впечатлений исследователи полагают, что AI-TEC могла бы облегчить административное документирование и снизить когнитивную усталость, экономя время врачей во время консультаций. Они отмечают, что истинная проверка системы здравоохранения, основанной на ИИ, заключается в ее способности трансформировать клинические процессы и улучшать результаты лечения пациентов, а не в том, является ли она лучшей по показателям ИИ.

Для оценки того, может ли эта модель ИИ сократить время ожидания пациентов и задержки диагностики, а также максимизировать использование ограниченных больничных ресурсов, необходимы дальнейшие испытания в реальных условиях.