По мнению исследователей, существующие методы тестирования медицинского ИИ позволяют оценивать отдельные клинические решения, однако не учитывают их влияния на работу больницы и других пациентов. В реальной практике состояние больных постоянно меняется, а любые назначения требуют использования ограниченных ресурсов медицинской организации.
Разработанная система включает два взаимосвязанных модуля. Первый – Patient Engine – моделирует виртуальных пациентов на основе данных электронных медицинских карт и заранее подготовленных сценариев течения заболеваний. Второй – Hospital Engine – воспроизводит работу стационара в режиме, близком к реальному, учитывая занятость коек, доступность оборудования и медицинского персонала, а также очередность оказания помощи пациентам в зависимости от тяжести состояния.
По данным авторов, виртуальная больница позволяет воспроизводить последствия решений ИИ в динамической среде. Например, задержка назначения обследования пациенту с болью в груди может привести к развитию инфаркта миокарда, а перераспределение ограниченных ресурсов в пользу одного пациента – увеличить время ожидания помощи для других. Так, система оценивает не только качество клинических рекомендаций, но и их влияние на функционирование медорганизации.
Для проверки алгоритмов используется комплексная система оценки, объединяющая клинические и организационные показатели. В расчет входит выживаемость пациентов, своевременность лечения и соблюдение клинических рекомендаций, а также длительность госпитализации, загрузка приемного отделения, использование коечного фонда и медицинского оборудования. Кроме того, платформа позволяет проводить стресс-тестирование ИИ в условиях массового поступления пациентов, дефицита ресурсов и масштабных сбоев информационных систем.
Авторы считают, что виртуальная больница может стать безопасным промежуточным этапом между лабораторными испытаниями и внедрением медицинского ИИ в клиническую практику. По их мнению, такой подход позволит более надежно проверять системы искусственного интеллекта до начала работы с реальными пациентами и ускорит интеграцию ИИ в процессы оказания медицинской помощи.
Разработка Сеульского национального университетского госпиталя и Гарвардской медицинской школы отражает общий тренд на интеграцию генеративного ИИ в здравоохранение. Крупнейшие технологические компании уже предлагают медорганизациям решения на базе больших языковых моделей для автоматизации клинических и административных процессов, что повышает спрос на инструменты оценки безопасности таких систем до их внедрения в реальную практику. Подробнее о ключевых игроках и направлениях развития медицинского ИИ – в обзоре Vademecum.
Подписывайтесь на наши каналы в MAX: Vademecum и Vademecum Live
