Ученые НИУ ВШЭ и сотрудники Санкт-Петербургского научно-исследовательского института уха, горла, носа и речи разработали систему поддержки принятия клинических решений «Методор» на основе больших языковых моделей. ИИ-ассистент анализирует медицинские документы и участвует в скрининге пациентов с хроническими заболеваниями носа.

Ученые протестировали семь больших языковых моделей. Результаты оценивались по четырем критериям: сходство с реальными предписаниями, полнота ответа, клиническая точность и значимость.

По итогам первичного тестирования, лучшими стали две модели: Qwen 2.5 и Gemma 3n. На втором этапе моделям поручили проанализировать заранее размеченные врачами медицинские данные и принять решение о госпитализации пациента. В итоге локальная модель Qwen 2.5 превзошла все нейросети, включая DeepSeek V3 и GPT-4o.

Для борьбы с галлюцинациями ученые создали комплексный шаблон, где каждый уровень выходных данных ограничен специальным протоколом. Доработанная модель может находить релевантные ответы через открытый поиск и отличается долгосрочной памятью. Модель с предложенной архитектурой определяет пациентов, нуждающихся в лечении, с точностью до 77%.

В будущем ИИ-ассистента планируется обучить извлекать стандартизированные клинические оценки из текстов.