Meta AI Research показала систему на моделях Muse, с которой врачи за четыре недели довели до рукописей десять медицинских исследований

Что сделали

Meta AI Research описала систему, построенную по принципу «человек ведёт»: ИИ ускоряет каждый этап исследования, а за научные решения и выводы отвечают предметные эксперты. Исследователи Meta прямо оговаривают, что это начальное исследование, а не готовый продукт: медицинская наука опирается на несовершенные реальные данные и на значимые решения о когортах, переменных, методах и интерпретации, поэтому понимание того, как применять ИИ в этой области, остаётся ранним.

Технически это внутренняя среда для программирования на связке моделей Muse Spark 1.3 и Muse Wonder. Ей доступны как публично доступные данные, так и лицензированная ретроспективная база из пяти миллионов обезличенных электронных медицинских карт. Врачей для эксперимента набирали отдельной когортой: в ней оказались специалисты по кардиологии, эпидемиологии, инфекционным болезням и внутренней медицине.

Работа шла четыре недели. С помощью среды участники формулировали гипотезы, писали и исполняли весь код, а рукописи готовили вместе с моделью. Побочный, но, судя по отчёту, важный результат — общий набор приёмов и навыков, который когорта выработала по ходу, чтобы управлять моделью на каждом этапе и получать от неё больше пользы.

Десять рукописей и три уровня проверки

Итог эксперимента — десять рукописей в разных областях: инфекционные болезни, спортивная медицина, неотложная помощь, онкология, эндокринология, стоматология и другие. Темы конкретны: нарушения ритма и проводимости после инфекционного эндокардита, повторные обращения в приёмное отделение после ухода без осмотра при психиатрических жалобах, ремиссия диабета второго типа, травмы на пиклболе, травмы на электросамокатах и электровелосипедах, заболевания полости рта при бактериемии Staphylococcus aureus, последовательность лекарств при раке груди, инфекции Cladophialophora bantiana, коды социальных потребностей Z59 и их связь с последующей помощью, эндокардит Staphylococcus lugdunensis.

Каждая работа проходила несколько уровней итераций: сначала отзывы коллег по медицинской когорте, затем проверку анализа биостатистиком и, наконец, рецензирование сторонними независимыми экспертами по контракту, чьи краткие отзывы опубликованы под каждой статьей. Именно этот слой внешней проверки превращает публикации из демонстрации возможностей в материал, который можно обсуждать по существу.

Числа из самих работ

По эндокардиту: у пациентов после инфекционного эндокардита частота впервые выявленных нарушений ритма и проводимости оказалась на 73 % выше, чем у пациентов с бактериемией без поражения сердца; годичный риск — семь процентов против четырёх. Вывод авторов — самое пристальное наблюдение за ритмом нужно в первые месяцы после выписки.

По неотложной помощи: среди пациентов с психиатрическими жалобами те, кто ушёл, не дождавшись осмотра, чаще возвращались (относительный риск 1,86), чаще попадали в стационар (4,41) и имели более высокую краткосрочную смертность (2,15), чем пациенты, получившие помощь.

По диабету второго типа: документированная ремиссия встречалась редко и держалась недолго — 4,3 % ранее лечившихся взрослых; за пять лет она чаще заканчивалась возобновлением терапии, чем ростом HbA1c (47,8 % против 31,9 %), причём в большинстве случаев терапию возобновляли, пока HbA1c оставался в преддиабетическом диапазоне.

По эндокардиту Staphylococcus lugdunensis: среди 4 388 взрослых 30-дневная смертность оказалась ниже при S. lugdunensis (5,4 %), чем при метициллин-чувствительном (7,9 %) и метициллин-устойчивом (8,7 %) S. aureus, но операции на клапанах делали чаще (7,7 % против 5,3 % и 3,6 %).

По редкой грибковой инфекции C. bantiana: авторы ответили на запрос из бюллетеня MMWR и нашли 21 пациента с подтверждённой или вероятной инфекцией — семь случаев с поражением мозга и четырнадцать с поражением лёгких; двое из семи пациентов с поражением мозга умерли. Отдельно подчёркнуто, что поиск по миллионам записей занял считаные дни.

По кодам социальных потребностей: первый код Z59 (документирующий жилищные или финансовые трудности) предсказывал больше обращений за экстренной и стационарной помощью в течение следующего года, но административные коды объясняли значительную часть того же эффекта; распространённость кодирования по 21 системе здравоохранения США различалась от 1,0 % до 23,8 %.

Что говорят независимые рецензенты

Опубликованные отзывы — самая содержательная часть материала, потому что они не комплиментарны. По эндокардиту кардиолог Майкл Фарбанец называет работу методически образцовой для наблюдательного исследования — с консервативным активным компаратором, заранее заданными оцениваемыми величинами и стресс-тестами на конкурирующие риски — но добавляет, что ненулевой сигнал в негативном контроле на катаракту и различия в кардиомониторинге оставляют систематическую ошибку наблюдения живым альтернативным объяснением. Его вывод: это генерация гипотез, а не изменение практики.

По психиатрическим обращениям один из рецензентов отмечает большую выборку и сильную методологию, но указывает, что авторы не скорректировали основные исходы на смешивающие переменные и не привели клинически значимых деталей вроде диагнозов, тяжести состояния и причин ухода; другой добавляет, что активные пользователи приёмных отделений могли учитываться несколько раз, и это стоит проверить на людях, которые обращаются редко.

По S. lugdunensis рецензент прямо называет утверждения о смертности завышенными: приложение к самой работе, по его словам, оговаривает, что анализ «не устанавливает разницу в смертности», а существующая литература сообщает о смертности при эндокардите S. lugdunensis порядка 20–42 %. По кодам Z59 рецензент отмечает, что в пяти системах с корректными датами пребывания специфичный для трудностей сигнал по госпитализациям исчезал.

По C. bantiana рецензент указывает на малое число случаев, из-за которого выводы делать нельзя, и на необходимость стандартных методологий и этических правил доступа к таким данным. Ещё один отзыв добавляет, что отсутствие похожего тренда, возможно, объясняется разными методами выявления случаев — а это существенное ограничение при сравнении с исходной публикацией.

Опыт самих исследователей

Отдельный раздел собран из отзывов когорты. Кроме кода для анализа данных в каждой работе среда помогала обобщать литературу, проверять, отвечаем ли гипотеза на доступных данных, и даже критиковать работу коллег. От первого запроса к модели до написанной рукописи проходило меньше двух недель, а в некоторых случаях — семь дней; участники единодушно сообщили о заметном выигрыше в продуктивности, в лучших случаях — до десятикратного по сравнению с традиционным процессом. Рядом со статьей выложен и отдельный отчёт, написанный самими экспертами об этом опыте.

Формулировки участников показывают, что именно меняется. Профессор медицины Университета Джонса Хопкинса С. Мишель Огунволе говорит, что создала навык для проработки идей и смогла быстро оценивать, какие вопросы стоит преследовать, не тратя недели на тупик; радиолог Джейсон Ротшильд отмечает, что Muse Wonder не поддакивает и готов возразить раньше, чем проблему заметит сам исследователь; онколог Артуро Лоайса-Бонилья описывает переход от клинического вопроса к рукописи за дни как открытие вопросов, которые иначе остались бы без ответа.

Показательно, что почти все отзывы содержат одну и ту же оговорку: отвечает за науку по-прежнему человек. Эпидемиолог Р. Фелипе Лобело из Университета Эмори формулирует это прямо — скорость анализа не превращается в достоверность доказательств, поэтому экспертиза эпидемиологов, статистиков, клиницистов и независимая проверка не исчезают, а становятся важнее.

Что здесь проверяемо, а что нет

Проверяемо то, что видно на самих страницах: десять рукописей с авторами, аффилиациями, сводками результатов и отзывами сторонних рецензентов, а также отдельный отчёт участников. Это позволяет читать выводы каждой работы и видеть, где рецензенты с ними не согласны.

Не проверяется из публикации другое. Рукописи выложены как результат эксперимента и не заявлены как статьи в рецензируемых журналах: три уровня внутренней и внешней проверки не равны редакционному рецензированию в журнале. Оценка выигрыша в продуктивности («до десяти раз») самоотчётная: она собрана со слов участников, без независимого замера времени и объёма работы по сравнению с обычным процессом. Наконец, ключевой ресурс — лицензированная база из пяти миллионов обезличенных медицинских карт — не открыт, поэтому воспроизвести прогоны по опубликованному описанию нельзя.

Независимо от этих оговорок публикация показывает, как выглядит текущая граница применимости агентных моделей в медицине: они уверенно ускоряют работу с кодом, литературой и координацией частей рукописи, а спорные места — смешивание переменных, систематические ошибки наблюдения и отбор пациентов — по-прежнему остаются работой человека.