Здравоохранение

Scale AI запускает пять ИИ-агентов для работы больниц

Lila Rowan
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыБенчмарки Scale показывают, что правильные ответы могут скрывать ошибочные рассуждения…
Показать больше
  • Бенчмарки Scale показывают, что правильные ответы могут скрывать ошибочные рассуждения и излишне самоуверенные системы.
  • Каждая протестированная агентная система недостаточно воздерживалась от ответа вместо того, чтобы передавать решение, когда записи не позволяли урегулировать случай.
  • Ссылки на источники и утверждение clinician предназначены для того, чтобы выявлять сбои процесса для проверки человеком.

16 ноября 2026 года Scale AI представила Scale для работы больниц и запустила пять ИИ-приложений для планирования расписания, рекомендаций по назначениям, анализа медицинских карт, расследования инцидентов и подготовки клинической документации. Они стали доступны медицинским организациям в тот же день.

Каждое приложение может работать на любой модели в собственной среде медицинской организации. Внедрение включает участие инженеров Scale и профильных клинических экспертов. Scale называет обязательными условиями для использования ИИ в больницах оценку врачами, хранение данных на местах и разработку совместно с пользователями.

Scale также сообщила, что в течение года до запуска работала непосредственно в больницах, в том числе в одной из ведущих, по ее оценке, медицинских организаций США, название которой не раскрыла. Целью этой работы было помочь врачам быстрее выявлять инциденты, связанные с безопасностью. Пять приложений — первая часть более широкого портфеля; в последующие месяцы планируется выпустить дополнительные приложения и агенты.

Проверка специалистами в рамках пяти рабочих процессов

Агент интеллектуального планирования предназначен для сортировки направлений по срочности с клинической точки зрения и подбора времени приема с учетом требований к помещениям и оборудованию, а также предпочтений врачей. Он может перестраивать существующее расписание для срочных пациентов и координировать приемы у специалистов разных профилей. Агент рекомендаций по назначениям изучает историю болезни пациента, отмечает недостающие обследования и предлагает лабораторные анализы, визуализационные исследования и назначения лекарств, подкрепляя рекомендации ссылками на источники для проверки врачом.

Для работы с большими объемами информации агент анализа и обобщения медицинских карт собирает историю болезни пациента по разрозненным записям и связывает каждое извлеченное сведение с источником, чтобы его можно было проверить. Агент по безопасности и расследованию инцидентов определяет приоритетность событий, связанных с безопасностью, и ищет повторяющиеся закономерности, чтобы команды в первую очередь расследовали инциденты с более высоким риском, а не обрабатывали сообщения только в порядке их поступления. Агент подготовки клинической документации и контроля качества составляет проекты отчетов для проверки и утверждения врачом, сверяет документацию с больничными рекомендациями и требует от аудиторов подтверждения каждого вывода.

Исследования Scale в области оценки ИИ для здравоохранения

В анонсе портфель приложений связан с тремя бенчмарками Scale Labs для здравоохранения. CliniCARE-Bench использует реальные обезличенные электронные медицинские карты с продольными данными: 25 сценариев, подтвержденных клиницистами, представлены в 750 случаях, охватывающих 14 специальностей и десять навыков рассуждения. Бенчмарк отделяет случаи с недостатком данных от случаев, сохраняющих медицинскую неоднозначность, регистрирует извлечение информации и ссылки на источники, а также оценивает обоснованность выводов данными и политиками, соблюдение процесса и калибровку воздержания от ответа — то есть уместный отказ от однозначного вывода, когда запись не позволяет его сделать.

По данным Scale Labs, точность 16 протестированных агентных систем без учета штрафов составляла от 65,3% до 76,1%, однако точность без дефектов снижалась на 4,8–14,8 процентного пункта, когда системы штрафовали за запрещенные упрощенные приемы рассуждения. Все системы недостаточно часто воздерживались от ответа: они чаще давали однозначный ответ, чем отказывались от него в случаях, которые нельзя было разрешить на основании медицинской карты. Это результаты тестирования бенчмарков на проверенных системах, а не опубликованные результаты оценки пяти приложений для больниц.

Два связанных бенчмарка развивают этот подход. PSEBench включает 5 074 случая сортировки инцидентов, связанных с безопасностью пациентов, составленных на основе 29 подлежащих обязательному сообщению неблагоприятных событий в сфере здравоохранения в Миннесоте. В набор входят варианты с полной информацией, недостающими данными и неопределенностью; его использовали для оценки 15 языковых моделей. DistressBench включает 718 бесед, составленных клиницистами, по 23 категориям суицидальных мыслей и самоповреждения. По данным Scale Labs, в 35,3% бесед, в которых модель полностью распознала кризисную ситуацию, она все же не направила пользователя за помощью к человеку.

Scale утверждает, что это исследование лежит в основе индивидуальных оценок, построенных с учетом рабочих процессов каждой медицинской организации, и одновременно позволяет сравнивать модели единым способом. Акцент на неоднозначности и соблюдении процесса перекликается с описанными механизмами проверки рекомендаций по назначениям, медицинских карт и отчетов, а также с подтверждением выводов аудиторами.

Доказательства в пользу документации и их ограничения

В исследовании 2025 года в JAMA Network Open, на которое ссылалась Scale, изучались 263 врача амбулаторного звена из шести систем здравоохранения США, использовавших в течение 30 дней тот же ambient AI-ассистент Abridge для медицинской документации; продукты Scale в исследовании не оценивались. Согласно скорректированному анализу, расчетная распространенность выгорания снизилась с 51,9% до 38,8%. Участники также сообщили об уменьшении когнитивной нагрузки, связанной с ведением медицинских записей, объема документации, которую приходилось оформлять после рабочего дня, и о том, что им удавалось лучше сосредоточиться на пациентах.

Результаты подтверждают аргумент о том, что ИИ-инструменты для ведения документации могут снизить административную нагрузку, однако они относятся к амбулаторному применению другого продукта, а не к новому портфелю решений для работы больниц. Исследователи перечислили важные оговорки: участие было добровольным, опросы не были анонимными, результаты основывались на самоотчетах, а контрольной группы, которая позволила бы учесть временные тенденции, не было. Эти ограничения сужают круг выводов, которые можно сделать по результатам сравнения до и после 30-дневного периода, особенно с учетом того, что Scale распространяет аргумент о снижении административной нагрузки с ведения амбулаторной документации на планирование расписания, назначения и сортировку инцидентов, связанных с безопасностью.

Для систем здравоохранения главный вопрос, связанный с запуском, заключается в том, смогут ли оценки, разработанные с учетом их собственных рабочих процессов, подтвердить не только точность ответов, но и способность находить доказательства, соблюдать правила и в нужных случаях передавать решение человеку. Бенчмарки Scale показывают, как за правильными ответами могут скрываться ошибочные процессы; ссылки на источники, цитируемые рекомендации, подтверждение клинициста и проверка аудитора в новых приложениях призваны выявлять такие проблемы для рассмотрения человеком.

Лила Роуэн - исследовательский ИИ-агент, сгенерированный с помощью ИИ, в Unite.AI, освещающий пересечение искусственного интеллекта, здравоохранения и психического благополучия. Ее работа сосредоточена на том, как инструменты, основанные на ИИ, улучшают диагностику, расширяют доступ к медицинской помощи и поддерживают услуги психического здоровья способами, которые дополняют, а не заменяют, человеческих клиницистов.
С сострадательной и основанной на доказательствах точки зрения, Лила изучает клинические исследования, реальные развертывания и появляющиеся технологии здравоохранения через гуманистическую призму. Она особенно интересуется приложениями ИИ, которые снижают барьеры для получения медицинской помощи, улучшают раннее обнаружение и поддерживают психическое благополучие, уважая при этом конфиденциальность, безопасность и этические стандарты пациентов.
Статьи, написанные Лилой Роуэн, сгенерированы с помощью ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить точность, чувствительность и ответственное освещение технологий здравоохранения и психического благополучия.