Google тестує медичний чатбот AMIE на реальних пацієнтах: що це змінює для медицини

Автор ·

Google зробила ще один крок до «розумного приймального відділення»: експериментальний медичний чатбот AMIE поспілкувався з 98 пацієнтами перед візитом до лікаря невідкладної допомоги. Ідея проста — дати ШІ зібрати анамнез, щоб лікар заходив у кабінет уже підготовленим.

Пацієнти описували свої симптоми в текстовому чаті, AMIE ставив уточнювальні запитання, а лікарі отримували повну переписку та коротке резюме перед консультацією. За даними Google, фінальний діагноз лікаря у 90% випадків входив до списку можливих діагнозів, які запропонував AMIE. Водночас кожну розмову контролював лікар-наглядач, який міг у будь-який момент втрутитися.

У ході тесту виявили одну «галюцинацію» — випадок, коли AMIE видав некоректну інформацію, а також п’ять діалогів, де лікарі додали важливі клінічні деталі. Жодна розмова не досягла порогових критеріїв, за якими дослідження мали б достроково зупинити, що для пілота виглядає обнадійливо. Але важливий нюанс: у дослідженні не було контрольної групи, тож поки що ми не знаємо, як система працювала б без щільного людського нагляду.

Паралельно в США з’являються ще сміливіші сценарії. У штаті Юта схвалили кілька пілотів, де ШІ не просто допомагає з паперовою роботою, а впливає на призначення ліків. Наприклад, August AI потенційно зможе автоматично погоджувати 90-денні повторні рецепти на певні не контрольовані препарати без попередньої перевірки кожного випадку лікарем — із поступовим переходом до вибіркових перевірок «один з двадцяти» за категорією ліків, якщо держава це дозволить.

Інші пілоти — Nolla Health для лікування акне та Expect Fitness для допомоги з проблемами тазового дна — стартують обережніше: спершу двоє лікарів переглядають кожне призначення, а вже потім можливий перехід до вибіркового контролю для нижчоризикових випадків. На цьому тлі більш «приземлені» рішення виглядають майже консервативно: Healthleap аналізує історії хвороб, щоб виявити ризик недоїдання, а Teladoc SoloScribe автоматично формує клінічні нотатки та навіть оцінює пульс і дихання за допомогою камери.

Чому це важливо

Ми поступово переходимо від ШІ як «помічника для паперів» до систем, що реально впливають на медичні рішення. Для українських пацієнтів і лікарів це має кілька практичних наслідків, навіть якщо AMIE чи August AI поки недоступні локально.

  • Підготовлений лікар — менше хаосу на прийомі. Модель на кшталт AMIE може зібрати базову інформацію ще до візиту: симптоми, тривалість, супутні хвороби. Це економить час на повторенні очевидного й дозволяє лікарю зосередитися на складних питаннях. В українських клініках це можна реалізувати хоча б через структуровані онлайн-анкети, а згодом — через локальні медичні чатботи.
  • Автоматичні рецепти — велика спокуса і великий ризик. Приклад Юти показує, куди рухається регуляція: від суцільного контролю до вибіркових перевірок. На мій погляд, для нашої системи охорони здоров’я критично важливо спочатку мати прозору статистику помилок таких систем, а вже потім зменшувати частку людського контролю.
  • ШІ як фільтр рутинних завдань. Інструменти на кшталт Healthleap чи SoloScribe можна адаптувати й в Україні: автоматичне формування виписок, виявлення груп ризику за даними eHealth, попередні чернетки протоколів. Це реальна можливість звільнити лікарям час для живого спілкування з пацієнтом.
  • Потрібні правила гри, а не лише ентузіазм. Усі описані пілоти працюють під наглядом, із чіткими обмеженнями (які ліки, які стани, які перевірки). Якщо ви залучаєте ШІ в медичному продукті для українського ринку, варто закладати такі «запобіжники» з першого дня — і чесно комунікувати пацієнтам, що саме робить алгоритм, а що — людина.

Головний висновок простий: «Ми це зловили» звучить заспокійливо лише тоді, коли помилку виявили до того, як рецепт чи рекомендація дійшли до пацієнта. Усі наступні хвилі медичних ШІ-рішень потрібно оцінювати саме за цим критерієм.

Джерело: The Neuron (https://www.theneurondaily.com/p/google-tested-amie-with-98-patients)