Охорона здоров’я
Scale AI запускає п’ять ШІ-агентів для роботи лікарень

Ключові моментиБенчмарки Scale показують, що правильні відповіді можуть приховувати хибні міркування…
Показати більше
- Бенчмарки Scale показують, що правильні відповіді можуть приховувати хибні міркування та надмірно самовпевнені системи.
- Кожна перевірена агентна система недостатньо утримувалася від відповіді, а не відкладала рішення, коли записи не могли вирішити справу.
- Посилання на джерела та схвалення клініциста — це механізми, покликані виявляти збої процесу для людського перегляду.
16 листопада 2026 року Scale AI оголосила про запуск Scale для роботи лікарень — п’яти ШІ-застосунків для планування, рекомендацій щодо призначень, аналізу медичних карт, розслідування інцидентів безпеки та ведення клінічної документації. Від того самого дня вони стали доступними для систем охорони здоров’я.
Кожен застосунок може працювати на будь-якій моделі у власному середовищі системи охорони здоров’я, а впровадження супроводжують інженери Scale та клінічні експерти з відповідних предметних галузей. Scale називає оцінювання клініцистами, зберігання даних на місці та розробку за участю користувачів своїми вимогами до ШІ для лікарень.
Scale також повідомила, що протягом року перед запуском працювала безпосередньо в лікарнях, зокрема в неназваній системі охорони здоров’я США, яку компанія описала як одну з найкращих у рейтингу. Мета цієї роботи — допомогти клініцистам раніше виявляти інциденти безпеки. П’ять застосунків — це перша частина ширшого портфеля; у наступні місяці після запуску планується додати інші застосунки та агентів.
Перевірка людиною у п’яти робочих процесах
Агент інтелектуального планування призначений для сортування направлень за клінічною терміновістю та підбору часу прийому з урахуванням вимог до приміщення й обладнання, а також побажань лікарів. Він може змінювати вже складений розклад для пацієнтів, які потребують термінової допомоги, і координувати візити до фахівців різних спеціальностей. Агент рекомендацій щодо призначень аналізує історію хвороби пацієнта, позначає відсутні результати обстежень і рекомендує лабораторні аналізи, візуалізаційні дослідження та рецептурні препарати, наводячи джерела доказів для перевірки клініцистом.
Для роботи з великими обсягами інформації агент аналізу й узагальнення медичних карт збирає історію хвороби пацієнта з розрізнених записів і пов’язує кожен витягнутий факт із його джерелом для перевірки. Агент із безпеки та розслідування інцидентів визначає пріоритетність інцидентів безпеки й шукає повторювані закономірності, щоб команди могли спершу розслідувати інциденти з вищим рівнем ризику, а не опрацьовувати повідомлення лише в порядку надходження. Агент клінічної документації та перевірки якості готує звіти для перевірки й затвердження клініцистом, звіряє документацію з лікарняними настановами та вимагає від аудиторів підтвердження кожного висновку.
Дослідження Scale з оцінювання медичної допомоги
В оголошенні портфель пов’язано з трьома бенчмарками Scale Labs у сфері охорони здоров’я. CliniCARE-Bench використовує справжні позбавлені ідентифікаційних даних поздовжні електронні медичні записи: 25 сценаріїв, перевірених клініцистами, змодельовано на 750 випадках, що охоплюють 14 спеціальностей і десять навичок міркування. Бенчмарк розрізняє випадки, у яких бракує даних, і ті, що залишаються медично неоднозначними, фіксує пошук інформації та цитування джерел і оцінює обґрунтованість відповідей доказами й політиками, дотримання процесу та належне утримання від відповіді — тобто доцільне перенаправлення на фахівця, коли запис не дає змоги сформулювати однозначну відповідь.
За даними Scale Labs, точність 16 протестованих агентних систем без додаткових поправок становила від 65,3% до 76,1%, але після штрафування за заборонені скорочені шляхи міркування точність без дефектів знизилася на 4,8–14,8 відсоткового пункта. Усі системи недостатньо часто утримувалися від відповіді: вони частіше надавали однозначні відповіді, ніж перенаправляли на фахівця у випадках, які неможливо було з’ясувати за медичним записом. Це результати бенчмарків для протестованих систем, а не оприлюднені результати перевірки п’яти застосунків для лікарень.
Два пов’язані бенчмарки розвивають цей підхід. PSEBench містить 5 074 випадки сортування пацієнтів за рівнем ризику для безпеки, створені на основі 29 типів несприятливих подій у сфері охорони здоров’я, про які потрібно повідомляти в Міннесоті. Вони охоплюють варіанти з повною інформацією, відсутніми даними та невизначеністю; бенчмарк використовували для оцінювання 15 мовних моделей. DistressBench містить 718 розмов, укладених клініцистами, за 23 підкатегоріями суїцидальних думок і самоушкодження. За даними Scale Labs, у 35,3% розмов, у яких модель повністю розпізнала кризову ситуацію, вона все одно не спрямувала користувача по допомогу до людини.
Scale стверджує, що це дослідження є основою для індивідуальних оцінювань, побудованих з урахуванням робочих процесів конкретної системи охорони здоров’я, і водночас забезпечує спільний спосіб порівнювати моделі. Такий акцент на неоднозначності й дотриманні процесу узгоджується з описаними механізмами перевірки рекомендацій щодо призначень, медичних записів, затвердження звітів і результатів аудиту.
Докази щодо документації та їхні обмеження
У дослідженні 2025 року, опублікованому в JAMA Network Open, на яке посилалася Scale, вивчали 263 амбулаторних клініцистів у шести системах охорони здоров’я США, які протягом 30 днів користувалися тим самим інструментом Abridge для фонового запису й автоматичного ведення медичної документації на основі ШІ; продукти Scale у дослідженні не оцінювали. У скоригованому аналізі розрахункова поширеність вигорання знизилася з 51,9% до 38,8%. Учасники також повідомили про зменшення когнітивного навантаження, пов’язаного з веденням записів, скорочення роботи з документацією після робочого часу та покращення здатності зосереджувати увагу на пацієнтах.
Результати підтверджують аргумент про те, що ШІ-інструменти для ведення документації можуть зменшити адміністративне навантаження, але стосуються амбулаторного використання іншого продукту, а не нового портфеля рішень для роботи лікарень. Дослідники зазначили важливі застереження: участь була добровільною, опитування не були анонімними, результати ґрунтувалися на самооцінці, а контрольної групи для врахування змін із часом не було. Через ці обмеження висновки за результатами 30-денного порівняння до і після впровадження є обмеженими. Особливо це важливо з огляду на те, що Scale поширює аргумент про зменшення адміністративного навантаження з амбулаторного документування на планування, призначення та сортування інцидентів безпеки.
Для систем охорони здоров’я головне питання після запуску — чи можуть оцінювання, побудовані з урахуванням їхніх власних робочих процесів, перевірити пошук доказових даних, дотримання політик і належне утримання від відповіді, а також її точність. Тести Scale показують, як правильні відповіді можуть приховувати недоліки в процесах; посилання на джерела, наведені рекомендації, погодження клініциста та підтвердження аудитора в нових застосунках покликані виявляти такі проблеми для перевірки людьми.












