Семантический поиск по 166 миллионам медицинских заметок внедрён в детской больнице

В крупной детской больнице успешно развернута система семантического поиска, которая проиндексировала 166 миллионов клинических заметок, что соответствует 484 миллионам векторов эмбеддингов, от 1,68 миллиона пациентов. Эта технология позволяет врачам и исследователям находить нужную информацию в неструктурированных медицинских записях быстрее и точнее, чем традиционные методы. В основе системы лежат эмбеддинги qwen3-embedding-0.6B, а также оптимизированное по стоимости индексирование векторов и полнотекстовое хранилище метаданных с низкой задержкой. Решение уже показало впечатляющие результаты в клинических задачах, сократив время поиска данных на 24–89% и обнаружив 98% пациентов с генетическими заболеваниями против 75% при использовании диагностических кодов ICD-10.

Почему семантический поиск необходим в медицине Традиционный поиск по ключевым словам в медицинских заметках часто пропускает релевантную информацию из-за синонимии и контекста. Например, запрос "инфаркт миокарда" может не найти заметки, где используется термин "сердечный приступ". Семантический поиск, понимающий смысл запроса, может значительно улучшить извлечение клинической информации. Однако его внедрение в масштабах больницы было затруднено из-за высоких затрат и технических ограничений. Данная работа демонстрирует практическую осуществимость такого подхода, показывая, что семантический поиск может быть экономически эффективным и соответствовать строгим требованиям конфиденциальности, таким как HIPAA.

Как работает система семантического поиска в больнице Система использует эмбеддинги qwen3-embedding-0.6B с размером чанка 300 токенов, что обеспечивает точность 94.6% на врачебном бенчмарке. Время ответа на запрос составляет менее секунды, а ежемесячные операционные расходы — около 4000 долларов США. Это стало возможным благодаря оптимизированному индексированию векторов и полнотекстовому хранилищу метаданных. Система полностью соответствует требованиям HIPAA, что гарантирует защиту данных пациентов. При оценке клинической полезности семантический поиск сократил время выполнения трёх задач по извлечению данных из карт на 24–89% по сравнению с ручным просмотром, сохраняя согласованность между оценщиками. В задаче поиска пациентов с молекулярно подтверждёнными генетическими заболеваниями семантический поиск обнаружил 98% пациентов, тогда как диагностические коды ICD-10 — не более 75%.

Какие преимущества получают врачи и исследователи Система полезна для врачей, медицинских исследователей и администраторов больниц, позволяя быстро находить нужную информацию в неструктурированных заметках, формировать когорты пациентов и подготавливать данные для LLM-приложений без специальной подготовки в области информатики. Например, врач может задать вопрос: "Какие пациенты с диабетом 2 типа получали инсулин и имели уровень гликированного гемоглобина выше 7%?" — и система мгновенно вернёт релевантные записи. Это экономит часы ручного просмотра карт и повышает качество клинических решений.

Технические детали внедрения Система развернута на инфраструктуре, которая обеспечивает низкую задержку и высокую пропускную способность. Используются эмбеддинги qwen3-embedding-0.6B, которые показали отличные результаты на медицинских данных. Размер чанка в 300 токенов выбран как компромисс между точностью и производительностью. Полнотекстовое хранилище метаданных позволяет быстро фильтровать результаты по датам, диагнозам и другим параметрам. Индексирование 484 миллионов векторов выполнено с использованием оптимизированных алгоритмов, что позволило снизить затраты на хранение и вычисления.

Какие ограничения остаются Не раскрываются подробности о точной конфигурации аппаратного обеспечения и методах обеспечения конфиденциальности данных помимо соответствия HIPAA. Также неясно, насколько легко данное решение может быть воспроизведено в других медицинских учреждениях с отличающейся инфраструктурой. Возможно, для внедрения потребуется адаптация под конкретные системы электронных медицинских записей и объёмы данных. Тем не менее, эта работа является важным шагом в демонстрации практической применимости семантического поиска в здравоохранении.

Будущее семантического поиска в медицине Данный проект показывает, что семантический поиск может быть экономически эффективным и масштабируемым. В будущем такие системы могут стать стандартом для работы с медицинскими данными, позволяя врачам быстрее находить релевантную информацию и улучшать диагностику. Кроме того, интеграция с LLM-приложениями открывает новые возможности для автоматизации рутинных задач и поддержки клинических решений. Однако для широкого внедрения потребуется преодолеть барьеры, связанные с конфиденциальностью, стандартизацией данных и обучением персонала.