arXiv · 14.07.2026 ·ИИ в бизнесе

Система Pythia для автоматического извлечения клинических данных из заметок

Исследователи представили Pythia — мультиагентную систему для автоматического извлечения симптомов из неструктурированных клинических заметок. В отличие от традиционных методов, требующих сложной дообучения моделей или жестких правил, Pythia самостоятельно генерирует и оптимизирует промпты. Это позволяет эффективно переводить текстовые записи врачей в структурированный формат, минимизируя количество ложноположительных результатов и снижая затраты на подготовку данных.

Система работает по принципу итеративного цикла: агенты анализируют медицинские тексты, выявляют ключевые признаки и корректируют инструкции для повышения точности извлечения. Такой подход решает проблему низкой доступности данных в электронных медицинских картах, где важная информация о состоянии пациента часто остается скрытой в неструктурированных полях. Автономная оптимизация промптов позволяет системе адаптироваться к разным стилям написания заметок без необходимости переобучения нейросетей.

Разработка направлена на автоматизацию рутинных задач по ведению медицинской документации. Использование мультиагентной архитектуры обеспечивает гибкость процесса, позволяя системе самостоятельно находить наиболее эффективные стратегии извлечения данных. Это значительно упрощает интеграцию ИИ в клинические рабочие процессы, где требуется высокая точность и минимальное вмешательство со стороны разработчиков при изменении типов данных.

Ключевые факты

Pythia использует мультиагентную архитектуру для автономной генерации и оптимизации промптов.
Система исключает необходимость дорогостоящего дообучения (fine-tuning) моделей для каждой новой задачи.
Метод направлен на преобразование неструктурированных клинических заметок в структурированные данные.
Подход снижает количество ложноположительных срабатываний по сравнению с традиционными правилами извлечения.
Разработка ориентирована на повышение качества обработки данных в электронных медицинских картах.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · ИИ в бизнесе Применение агентного ИИ для интерпретации генома при интерстициальных заболеваниях легких Исследователи представили агентную систему на базе LLM для анализа геномных данных, продемонстрировав её эффективность на примере диагностики интерстициальных заболеваний легких. Система автоматизирует процесс интерпретации генетических вариантов, сопоставляя их с клиническими фенотипами. Использование агентного подхода позволило достичь точности, сопоставимой с экспертной оценкой, сокращая время на анализ сложных медицинских случаев и выявление патогенных мутаций. arXiv · Исследования и наука Автономные ИИ-агенты для проведения научных исследований в физике Исследователи представили отказоустойчивый конвейер на базе LLM, способный автоматизировать полный цикл научной работы: от анализа корпусов текстов до написания рукописей в области вычислительной физики. В отличие от стандартных сред, система учитывает специфику физического моделирования, где методология требует глубокого обоснования, а калибровка результатов опирается на внешние литературные источники, а не на встроенные программные песочницы. Hacker News · ИИ в бизнесе Применение агентного ИИ в медицине В медицине наметился переход от использования простых чат-ботов к полноценным агентным системам, способным выполнять сложные клинические задачи. Современные ИИ-агенты начинают брать на себя функции по анализу медицинских карт, интерпретации результатов лабораторных исследований и подготовке предварительных заключений для врачей. В отличие от стандартных языковых моделей, такие системы обладают способностью к многошаговому планированию и взаимодействию с внешними базами данных, что позволяет им интегрироваться в рабочий процесс медицинских учреждений. arXiv · ИИ в бизнесе Специализированная LLM для диагностики редких заболеваний Исследователи представили специализированную языковую модель, предназначенную для ускорения диагностики редких заболеваний. В ходе рандомизированного контролируемого исследования ИИ-ассистент продемонстрировал способность эффективно поддерживать врачей в условиях дефицита узкопрофильных специалистов. Система опирается на клинически обоснованные данные, преодолевая ограничения стандартных моделей, которые часто сталкиваются с нехваткой качественной обучающей выборки и недостаточной доказательной базой для медицинской практики. arXiv · ИИ в бизнесе Автоматизация контроля дозировок в клинических исследованиях с помощью CaresAI Исследователи представили систему CaresAI, предназначенную для автоматического выявления ошибок дозирования в протоколах клинических испытаний. Используя специализированные трансформерные эмбеддинги и классификационные модели, система анализирует текстовые данные испытаний, позволяя минимизировать риски для пациентов и повысить общую надежность клинических исследований за счет раннего обнаружения критических несоответствий в назначениях препаратов. arXiv · ИИ в бизнесе SAGEAgent: оптимизация затрат на диагностику в онкологии с помощью ИИ Исследователи представили SAGEAgent — адаптивную агентную систему для прогнозирования выживаемости пациентов, которая оптимизирует выбор диагностических данных. Вместо обязательного сбора всех видов анализов, агент последовательно запрашивает только те модальности, которые критически важны для точности прогноза, что позволяет снизить финансовые и временные затраты на медицинское обследование без потери качества диагностики. arXiv · Исследования и наука CPAgents: автоматизация поиска кардиологических фенотипов с помощью ИИ-агентов Исследователи представили CPAgents — агентную систему для генерации композитных фенотипов, позволяющую выявлять сложные связи между данными кардиологической визуализации и клиническими заболеваниями. В отличие от традиционных методов, опирающихся на заранее заданные переменные, этот подход автоматически формирует многомерные признаки, лучше улавливая нелинейные эффекты и повышая точность стратификации сердечно-сосудистых рисков в масштабных популяционных исследованиях. Hacker News · ИИ в бизнесе Агентные паттерны в здравоохранении: от теории к практике Статья анализирует применение агентных паттернов в медицинской сфере, рассматривая, как автономные системы могут трансформировать клинические процессы. Автор выделяет ключевые архитектурные подходы, такие как цепочки рассуждений и итеративное планирование, адаптируя их под жесткие требования безопасности, точности данных и соблюдения регуляторных норм, характерных для индустрии здравоохранения. arXiv · Исследования и наука Автономные научные открытия через итеративную мета-рефлексию Исследователи представили новый подход к автоматизации научного поиска, основанный на методе итеративной мета-рефлексии. В отличие от существующих систем, ограниченных узкими рамками или заранее заданными вопросами, новая архитектура позволяет ИИ-агентам самостоятельно формулировать гипотезы, проводить их проверку и корректировать стратегию исследования на основе полученных результатов, что приближает системы к полноценному открытому научному поиску. Hacker News · ИИ в бизнесе Медицинские ИИ-инструменты сравнялись по эффективности с врачами Современные системы искусственного интеллекта, предназначенные для диагностики и медицинских консультаций, демонстрируют результаты, сопоставимые с квалификацией практикующих врачей или превосходящие их. Исследования показывают, что алгоритмы способны анализировать симптомы и предлагать планы лечения с высокой точностью, что открывает новые возможности для автоматизации первичного приема пациентов и поддержки принятия врачебных решений.

← Все материалы