AegisDx: ИИ-система для дифференциальной диагностики повысила точность и безопасность
Диагностические ошибки остаются серьёзной угрозой для безопасности пациентов. Современные системы на основе больших языковых моделей (LLM) часто рассматривают диагностику как одношаговую задачу предсказания, не предусматривая проверку на пропущенные высокорисковые альтернативы. Для решения этой проблемы группа исследователей разработала AegisDx — ориентированный на безопасность фреймворк для гипотетико-дедуктивного клинического рассуждения.
AegisDx координирует несколько специализированных компонентов LLM через ролевые контракты, структурированные промежуточные результаты, интерфейсы поиска доказательств в медицинской литературе и проверочные барьеры. Система генерирует широкий дифференциальный диагноз, принудительно проверяет опасные «непропускаемые» состояния (must-not-miss), верифицирует рассуждения на основе доказательной медицины и структурирует следующие шаги.
Оценка AegisDx проводилась на трёх уровнях. На клинических случаях из журналов NEJM и JAMA (c использованием модели GPT-oss-120B) Top-3 точность составила 59,9% против 52,1% у обычного LLM на JAMA и 62,7% против 51,4% на NEJM. На случаях из Annals of Emergency Medicine система достигла 85,7% против 68,6%.
При проверке на наборах must-not-miss диагнозов, согласованных врачами, AegisDx выявил хотя бы одно такое состояние среди своих трёх главных гипотез в 78,0% случаев, тогда как стандартный LLM — лишь в 52,0%. Это означает, что система на 26% эффективнее предупреждает врачей о критически важных альтернативах.
В слепом врачебном исследовании 43 реальных записей из отделения неотложной помощи системы здравоохранения Yale New Haven Health (сравнение с GPT-5) AegisDx улучшил композитный показатель безопасности, оцененный врачами, с 4,31 до 4,55 по 5-балльной шкале (скорректированный p = 2,1?10??). Качественные улучшения коснулись идентификации must-not-miss и безопасности рассуждений.
Авторы подчёркивают: инженеринг диагностического ИИ как ориентированной на безопасность системы рассуждения, а не просто оптимизация сырой предсказательной точности, позволяет создать более безопасный, прозрачный и клинически значимый инструмент поддержки принятия решений для работы в условиях неотложной помощи.
