Comments 8
Привет, команда ИТМО!
Видели ли вы прошлогодние исследования, где показали, насколько важна чистота данных для обучения медицинских моделей ИИ? Насколько я помню, даже незначительное количество мусора (менее 1%) существенно влияло на модель.
Вы взялись за важные и актуальные задачи. Но зачем вам диарезация? Это дорогой по ресурсам, но при этом вспомогательный по назначению процесс. Может, стоит поискать источники, которые не требуют разделения на спикеров или уже содержат метаинформацию о них?
Я понимаю, что мой комментарий может быть сложным для восприятия. 😸
Если минусы оставлены командой ИТМО, я хотел бы узнать, что именно вызвало непонимание и какая есть альтернативная точка зрения.
Почему я вообще беру на себя смелость судить, спрашивать и давать советы? Дело в том, что искусственный интеллект и технологии в медицине и биологии снова попали на мою профессиональную поляну. Правда, я не могу претендовать на непререкаемый авторитет, так как «не ходил подобными тропами» почти 15 лет.
Привет, спасибо за вопрос. От команды отвечу я - Алина, Project manager. Наш проект нацелен преимущественно на снижение нагрузки с врачей при заполнении медицинской формы. В связи с этим диаризация крайне важна - чтобы не путать, что говорит врач, а что - пациент, а также чтобы отсеивать «мусор» и не заносить его в форму.
Кроме того, подсказки носят рекомендательный характер, и решение о постановке диагноза и назначении лечения принимает врач.
А есть обратная связь от врачей? Просто распознавание диагнозов из беседы звучит как маленькая уличная магия. Врачи в это верят? Я немного читал по этой теме. И мне интересными кейсами показалось то, что реализует Nuance и Microsoft (Dragon Copilot)
Наш проект подразумевает этап тестирования врачами и работу с обратной связью, которую мы обязательно учтем в будущем. За полгода планируем завершить модуль обработки медицинских данных, адаптировать сервис под медицинские информационные системы и провести альфа- и бета-тестирование с участием врачей.
Сейчас есть комментарии представителей Genotek, которые принимали участие в разработке. По их словам, ИИ поможет ускорить процесс принятия решения по диагнозу. Подробнее можно прочитать здесь: https://www.cnews.ru/news/line/2025-05-22_studenty_itmo_sozdali_ii-assistenta
Идея хорошая. Но есть нюансы. Главный вопрос: как вы видите работу вашего проекта исключительно по голосу (звуку), если врач оценивает ответы и реакции пациента не только на слух, но и визуально. В большинстве случаев при вопросе "где болит" пациент отвечает "вот здесь". И таких моментов на приеме врача очень много. Например, в кардиологии имеет значение даже то, каким жестом пациент покажет на то место, где он чувствует боль. Иные варианты оценки врачом пациента относятся скорее к телемедицине и требуют отдельной "пляски с бубном", чтобы чисто "на слух" что-то оценить, когда нет иной возможности. Чтобы эти приёмы использовать у вас, вам бы пришлось изменить сам подход врача к осмотру и беседе с пациентами, "адаптировать его под машину", что уже не облегчит труд, а скорее добавит головной боли.
Пишу это всё не чтобы придраться, а чтобы дать вам шанс сделать проект реально полезным. Хочу подсветить проблемные места. Также есть ещё вопрос: на основе взаимодействия со специалистами какого врачебного профиля вы строите свою работу?
Я могу предположить (частично на личном опыте), что проект ИТМО ещё не дошёл до вопросов такого уровня. Давайте посмотрим: готовы ли они учиться на чужих ошибках или для них важнее шишки, которые набили самостоятельно.😁
Я, кстати, не увидел или не распознал в описании создаваемой системы работы с надиктовкой врачами протокола исследования или протокола осмотра пациента, а также аналитической работы с историей болезни врача в паре с ассистентом-искусственным интеллектом. А это ведь рабочие варианты для цифровизации, если посмотреть на Dragon Copilot и другие био/мед решения Майкрософт и ее партнеров.
Привет, спасибо за комментарий! Наше решение, безусловно, не снимает со специалиста 100 % бумажной работы. Мы оставляем возможность вручную внести результаты визуального осмотра, ориентируясь на предварительно заполненный на основе беседы документ.
ИИ-ассистент для врачей: как мы автоматизируем приём пациента на основе анализа речи и NLP