AegisDx: новый ИИ-фреймворк для безопасной дифференциальной диагностики

Ученые представили AegisDx — инновационный гипотетико-дедуктивный фреймворк для ИИ-ассистированной дифференциальной диагностики, который ставит безопасность пациентов на первое место. В отличие от традиционных систем, AegisDx не просто выдает вероятный диагноз, а проводит многоэтапную проверку, чтобы исключить опасные состояния, которые нельзя пропустить. Этот подход может кардинально изменить работу врачей неотложной помощи и снизить риск диагностических ошибок.

Как работает AegisDx

AegisDx координирует работу нескольких специализированных компонентов больших языковых моделей (LLM) с помощью ролевых контрактов. Система генерирует широкий дифференциальный диагноз, затем целенаправленно проверяет опасные состояния, которые часто называют "must-not-miss" — те, что могут привести к серьезным последствиям, если их вовремя не распознать. Далее AegisDx верифицирует свои рассуждения на основе медицинских данных и предлагает врачу следующие шаги. Вся эта цепочка построена на структурированных промежуточных выводах и интерфейсах поиска доказательств, что делает процесс прозрачным и контролируемым.

Почему безопасность в диагностике так важна?

Диагностические ошибки — одна из главных угроз безопасности пациентов во всем мире. Согласно исследованиям, они встречаются в 5-15% всех врачебных консультаций и могут приводить к тяжелым последствиям, особенно в условиях неотложной помощи. Современные LLM-системы часто рассматривают диагностику как задачу одноразового предсказания: они выдают наиболее вероятный диагноз, не проверяя альтернативы. Это опасно, потому что редкое, но критическое заболевание может остаться незамеченным. AegisDx предлагает инженерный подход, который ставит безопасность выше сырой точности, что может существенно снизить риск врачебных ошибок в экстренных ситуациях.

Результаты тестирования AegisDx

Эффективность фреймворка оценивалась на трех уровнях. На наборе клинических случаев из JAMA точность Top-3 диагностики составила 59,9% против 52,1% у обычной LLM. На кейсах из NEJM — 62,7% против 51,4%, а на случаях из Annals of Emergency Medicine — 85,7% против 68,6%. Но главное преимущество AegisDx проявилось в выявлении обязательных к рассмотрению опасных диагнозов: система захватила хотя бы одно такое состояние в 78,0% случаев, тогда как обычная LLM — только в 52,0%. Это означает, что AegisDx в полтора раза реже пропускает критически важные диагнозы.

Как AegisDx показал себя в реальной клинической практике?

В слепом врачебном оценивании 43 реальных записей отделений неотложной помощи из Yale New Haven Health System AegisDx повысил композитный показатель безопасности с 4,31 до 4,55 по 5-балльной шкале. Разница статистически значима (p = 2,1×10⁻⁴), что подтверждает: система не просто теоретически лучше, но и практически улучшает качество диагностики в руках врачей.

Кому будет полезен AegisDx?

Разработчикам медицинских ИИ-систем AegisDx предлагает готовую архитектуру для создания безопасных диагностических инструментов. Врачам неотложной помощи фреймворк может помочь снизить когнитивную нагрузку и не упустить из виду редкие, но опасные заболевания. Организации здравоохранения, стремящиеся внедрить ИИ-поддержку принятия решений у постели пациента, получат решение, ориентированное на безопасность, а не только на точность.

Какие ограничения есть у AegisDx?

Исследование проводилось с использованием GPT-oss-120B и GPT-5, поэтому результаты могут различаться на других LLM. Кроме того, требуется дополнительная валидация на более широких клинических данных и в реальных рабочих процессах, чтобы подтвердить устойчивость системы в разных условиях. Пока неизвестно, как AegisDx поведет себя при работе с менее мощными моделями или в условиях ограниченных вычислительных ресурсов.

Перспективы развития

AegisDx открывает новое направление в медицинском ИИ — диагностические системы, которые не просто угадывают, а рассуждают и проверяют себя. В будущем такие фреймворки могут стать стандартом для клинических инструментов, особенно в областях, где цена ошибки высока. Разработчики уже планируют интеграцию с электронными медицинскими картами и адаптацию для других специальностей, включая онкологию и кардиологию.