Мы потратили 21 000 часов врачебной экспертизы, чтобы научить алгоритм думать как врач. Вот что из этого вышло

Автор: Козлов Лев, технический директор МДСА 

Когда мне плохо, я, как и большинство людей, первым делом открываю поиск. И каждый раз нахожу одно и то же: статьи, написанные ради трафика, списки симптомов без контекста и в конце - реклама клиники или БАДов. После таких «консультаций» тревога только растёт.

Мы в МДСА решили сделать иначе. Не ещё один справочник болезней, а систему, которая реально думает: задаёт уточняющие вопросы, учитывает возраст, образ жизни, историю - и даёт конкретный следующий шаг.

Вот честный рассказ о том, как мы это строили и с чем столкнулись.

Почему нельзя просто «обучить нейросеть на медицинских данных»

Первый соблазн в медтехе - взять языковую модель, скормить ей медицинские статьи и назвать это AI-диагностикой. Мы быстро поняли, почему это не работает.

Врач никогда не ставит диагноз по одному симптому. Он строит дифференциальный ряд: список гипотез, которые последовательно уточняются через вопросы. «Болит голова» - это мигрень, гипертония, напряжение, опухоль или похмелье. Чтобы сузить круг, нужно знать: где именно болит, как давно, что предшествовало, какие ещё симптомы есть, какой у человека анамнез.

Языковая модель отвечает на вопрос, но не ведёт диалог с медицинской логикой внутри. Она может убедительно написать что угодно - и именно это опасно в медицине.

Поэтому мы пошли другим путём: математическая модель поверх экспертных знаний.

Как устроен алгоритм

В основе МДСА - математическая модель, обученная на 11 миллионах реальных клинических случаев. Это не просто «база данных симптомов». Это граф вероятностных зависимостей: «если у человека есть симптом А и фактор риска Б, вероятность заболевания В возрастает на столько-то процентов».

Поверх этой модели - деревья решений, которые определяют, какой вопрос задать следующим. Не случайный, а тот, который максимально сужает пространство гипотез. Именно так работает опытный врач на приёме.

Алгоритм знает более 1 200 симптомов и умеет работать с их комбинациями. При этом он учитывает:

• возраст и пол пользователя;
• хронические заболевания и препараты;
• образ жизни: питание, активность, сон.

На выходе - не «у вас, вероятно, X», а структурированный план: список вероятных состояний с вероятностями, перечень анализов и исследований, рекомендация к какому специалисту обратиться и с какой срочностью.

21 000 часов - это не метафора

Самое сложное в медтехе - валидация. Код можно протестировать автоматически. Медицинскую логику - нет.

Мы собрали команду практикующих врачей 18 специализаций: терапевты, кардиологи, неврологи, эндокринологи, гастроэнтерологи и другие. Больше года они прогоняли алгоритм через реальные клинические сценарии, находили ошибки и объясняли нам, как думает врач в каждом конкретном случае.

21 000 часов - это суммарное время врачебной экспертизы, вложенное в обучение и проверку системы. Благодаря этому точность алгоритма по математическим метрикам оценки достигла 89%.

Что мы узнали о пользователях

Один из наших пользователей прошёл опрос по симптомам. Алгоритм выявил высокую вероятность эндокринного нарушения и рекомендовал обратиться к эндокринологу. Мужчина пошёл - и врач подтвердил диагноз.

Это не единичный случай. 127 000 человек воспользовались сервисом, и мы видим паттерн: люди приходят с тревогой («что-то не так, но не знаю что») и уходят с конкретным планом действий. Это ценнее, чем любой справочник.

Ещё один инсайт: люди не хотят просто знать диагноз. Они хотят понять, что делать прямо сейчас. Поэтому мы добавили трекеры калорий, физической активности, сна в мобильном приложении МДСА - чтобы человек мог управлять своим здоровьем ежедневно, а не только в момент болезни.

Что оказалось сложнее всего

Честно - объяснить пользователям, чем мы отличаемся от поиска.

Люди привыкли вводить симптом и получать статью. Мы просим их ответить на 40–45 вопросов. Первое время конверсия в завершение опроса была низкой. Мы работали над UX, сокращали количество шагов, добавляли прогресс-бар и объясняли в интерфейсе, зачем мы спрашиваем именно это.

Второй вызов - доверие. Медицина - это ответственность. Мы уделили особое внимание медицинскому дисклеймеру, чтобы алгоритм никогда не говорил «у вас точно X диагноз», а всегда давал вероятности и подчёркивал: финальное слово за врачом.

Третий - регуляторика. Многие медицинские приложения в России работают в серой зоне: ставить диагноз без лицензии запрещено, и большинство просто делают вид, что «только информируют». Мы выбрали другой путь: зарегистрировали алгоритм в Роспатенте и реестре российского ПО, выстраиваем партнёрства с профессиональными клиниками и врачами и постоянно работаем с юристами, чтобы оставаться в правовом поле. Это медленнее, но иначе в медицине нельзя.

Что дальше

Сейчас мы работаем над несколькими направлениями.

Персонализация через время: чем дольше человек пользуется приложением, тем точнее алгоритм понимает его индивидуальные паттерны. Не абстрактный «среднестатистический пользователь 35 лет», а конкретный человек с его историей.

Интеграция с медицинскими данными: анализы, результаты обследований, данные носимых устройств. Пока мы получаем данные только из Apple Health - в планах более глубокая интеграция.

Почему это важно

В России катастрофически не хватает врачей первичного звена. Среднее время ожидания приёма в поликлинике - недели. Люди либо тянут до последнего, либо идут в платную клинику на авось, либо лечатся по советам из интернета.

Мы отчасти решаем проблему нехватки врачей, и мы можем сделать так, чтобы каждый поход к врачу был более осмысленным: пациент знает, к кому идти, с чем, и какие вопросы задать.

Это и есть наша задача - не заменить медицину, а сделать её доступнее.

Алгоритм МДСА доступен на сайте mdsa.tech и в App Store.