Агентный ИИ для выявления когнитивных нарушений по клиническим записям

Это исследование представляет собой разработку автономной системы на базе больших языковых моделей (LLM), предназначенной для автоматического выявления признаков когнитивных нарушений в медицинских записях. Ученые сравнили работу экспертов-людей по настройке нейросети с агентным рабочим процессом, в котором пять специализированных ИИ-агентов самостоятельно оптимизируют алгоритмы анализа текстов. Результаты показали, что полностью автономная система достигает точности, сопоставимой с экспертным уровнем, и в некоторых случаях даже более эффективно выявляет клинические нюансы, чем первичный человеческий осмотр. Несмотря на высокую специфичность, авторы отметили снижение чувствительности при переходе к реальным данным, что подчеркивает важность калибровки моделей под распространенность заболеваний в клинической практике. В конечном итоге работа демонстрирует потенциал прозрачного и масштабируемого ИИ для ранней диагностики деменции без необходимости постоянного вмешательства врачей в процесс обработки данных. На базе модели Llama 3.1 была создана архитектура, способная стать надежным инструментом поддержки принятия врачебных решений.