Охорона здоров’я
League запускає медичних ШІ-агентів із засобами безпеки

Ключові моментиLeague обмежує відповіді агента затвердженими знаннями, а не загальними знаннями моделі.
Показати більше
- League обмежує відповіді агента затвердженими знаннями, а не загальними знаннями моделі.
- Агенти повинні пройти синтетичні оцінки пацієнтів перед випуском і після цього зберігати аудиторський запис.
- Модель ескалації League досягла точності 99,72% проти 95,36% для Gemini 3.5 Flash Lite.
16 листопада 2026 року League оголосила, що AI Front Door для платників і AI Care Companion для надавачів медичних послуг стали загальнодоступними на її платформі Forge; заявлений термін упровадження становить лише 12 тижнів. Обидва продукти поєднують агентів, які взаємодіють із учасниками програм медичного страхування або пацієнтами, із засобами захисту та можливістю передати звернення людині.
За словами League, продукти використовують дані, отримані з понад 1,8 мільярда реальних взаємодій у сфері охорони здоров’я. Вони розвивають платформу Forge, представлену 21 липня 2026 року, яка надає інструменти для підключення агентів до дозволених даних, налаштування обмежень і правил ескалації, тестування на синтетичних популяціях і моніторингу виконання завдань, ескалацій та точності за варіантами використання. Попередній випуск надав систему розробки та управління; нові продукти застосовують її у поширених робочих процесах платників і надавачів медичних послуг.
Різні робочі процеси для платників і надавачів медичних послуг
AI Front Door об’єднує навігацію за пільгами, пошук медичної допомоги, сповіщення про прогалини в лікуванні та консультації щодо здоров’я в одній точці доступу через чат, текстові повідомлення або віджети в застосунку. Відповіді про пільги, страхове покриття та право на нього ґрунтуються на затверджених матеріалах плану. Функція пошуку медичної допомоги добирає для учасників мережевих надавачів послуг або послуги відповідно до правил плану. Серед цільових результатів League називає зменшення навантаження на телефонні центри та скорочення кількості звернень до позамережевих надавачів; це цілі, а не виміряні результати клієнтів.
AI Care Companion підтримує пацієнтів між візитами, удома та в неробочий час, працюючи спільно з командами з догляду та клінічними командами. Системи охорони здоров’я обирають початкову групу пацієнтів, наприклад людей із хронічними захворюваннями або тих, хто відновлюється після операції, а League налаштовує робочі процеси відповідно до потреб цієї групи. Вони можуть охоплювати запис на прийом і нагадування, проактивні перевірки симптомів, відповіді на запитання про ліки чи лікування на основі затверджених планів або маршрутів допомоги, а також скерування до фахівців або чергових команд відповідно до протоколів. Визначені доглядальники можуть діяти від імені пацієнта; їхні відповіді позначають окремо від відповідей самого пацієнта. Заявлені цілі — краще дотримання плану лікування, а також менше непотрібних звернень до відділень невідкладної допомоги, дзвінків у неробочий час і пропущених повторних візитів.
Засоби безпеки та можливість аудиту
Обидва продукти обмежують відповіді агентів наданими й затвердженими знаннями, а не загальними знаннями моделі. Засоби контролю відсіюють обмежену для використання інформацію до її надходження до моделі, а заборонені відповіді — до того, як вони дійдуть до учасників програм медичного страхування або пацієнтів. Перед запуском агенти мають пройти оцінювання на синтетичних сценаріях із пацієнтами, граничних випадках і еталонних наборах даних, що слугують підготовленими експертами ключами відповідей. Після запуску засоби контролю охоплюють виявлення відхилень, повторну перевірку змін і запис аудиту кожної взаємодії. Якщо випадок передають на ескалацію, команда, яка його приймає, отримує історію розмови та відповідний контекст.
У межах усієї платформи Центр довіри League описує роботу агентів лише для читання з суворою ізоляцією сеансів, виявленням нагальних проблем і клінічної дезінформації в реальному часі, відстеженням джерел і журналюванням випадків активації засобів контролю. Клієнти можуть налаштовувати правила ескалації та порогові значення чутливості в межах установлених обмежень безпеки. Захищена медична інформація не потрапляє до конвеєрів навчання, а для навчання моделей використовуються синтетичні дані та методи знеособлення.
Ці засоби контролю відповідають пріоритетам, визначеним у опитуванні League та Healthcare Dive, у якому взяли участь 150 керівників організацій охорони здоров’я. За даними опитування, 61% респондентів упровадили агентний ШІ, і 70% цієї групи використовували його в застосунках для взаємодії з учасниками програм медичного страхування або пацієнтами, але широкого впровадження досягли лише 16%. Головними вимогами для впевненого запуску були вбудована відповідність вимогам охорони здоров’я — 49%, автоматична передача звернення людині — 48% і засоби контролю за висловлюваннями чи діями агента під час роботи — 46%.
Оцінювання моделей для сфери охорони здоров’я
За словами League, її гібридна архітектура поєднує донавчені моделі ухвалення рішень і малі мовні моделі з універсальними великими мовними моделями, щоб підвищити точність, зменшити затримку та скоротити експлуатаційні витрати. Один із компонентів — модель ескалації для критичних ситуацій, яка визначає повідомлення учасників програм медичного страхування та пацієнтів, що потребують допомоги людини.
За результатами внутрішніх оцінювань League Labs ця модель продемонструвала точність 99,72% і затримку 0,374 секунди, тоді як Gemini 3.5 Flash Lite — точність 95,36% і затримку 1,121 секунди.
League також повідомляє, що її генератор синтетичних запитань, який прогнозує ймовірні запитання про дані щодо здоров’я користувача, забезпечив у 2,2 раза більше запитань із достатніми або кращими відповідями та на 11% краще охоплення, ніж Gemini 3.5 Flash. Додавання семантичного розширення, яке переформульовує довгі, неоднозначні запитання або запитання зі скороченнями перед пошуком інформації, забезпечило в 3,9 раза більше запитань із достатніми або кращими відповідями та на 42% краще охоплення, ніж Gemini 3.5 Flash, із додатковою затримкою близько 430 мілісекунд на запит. League визначає показник відповідей як частку випадків, коли знайдені дані про здоров’я є достатньо релевантними й повними, щоб надати принаймні досить добру відповідь; охоплення — це обсяг знайденої необхідної інформації.
Для медичних організацій практичне значення цього запуску полягає в тому, що нагляд вбудовано безпосередньо у взаємодію: агентів можна обмежити затвердженими матеріалами, перевірити до запуску, передати іншому фахівцеві разом із контекстом і оцінити за допомогою журналу аудиту кожної взаємодії. Така операційна модель безпосередньо відповідає вимогам безпеки, які керівники назвали необхідними перед розширенням застосування ШІ у взаємодії з учасниками програм і пацієнтами.












