Врач нередко тонет в разрозненных документах: выписки, анализы, заключения за годы и от разных специалистов. Подготовка резюме из этого массива — понятная и полезная задача для AI. Но важно с самого начала видеть её границу: резюме — это подготовка, а не клинический вывод.
Резюме — это подготовка, а не вывод
Хорошее резюме экономит время на сборе картины и делает пробелы заметнее. Оно не заменяет чтение источника там, где цена ошибки высока, и не превращает набор документов в диагноз.
Сжатие всегда теряет нюанс
Любое резюме сжимает, а сжатие теряет детали. Опасность в том, что потерянной может оказаться именно клинически важная деталь. Даты, единицы измерения и особенно отрицания («боли в груди нет» против «боль в груди есть») легко исказить при пересказе.
Каждая строка должна вести к источнику
Ценность резюме — в его прослеживаемости. Каждое утверждение должно ссылаться на конкретный документ и фрагмент, чтобы врач мог проверить и при необходимости исправить. Резюме без ссылок на источник — это пересказ, которому нельзя доверять решение.
Чего нельзя достраивать
Отсутствующие данные должны оставаться отсутствующими, а не заменяться правдоподобной догадкой. «Неизвестно» — это корректный и важный результат, а не пробел, который нужно чем-то заполнить.
Информация против интерпретации
Извлечь «ЛПНП был таким-то на такую-то дату» — информационная задача. Сказать «это означает вот что» — уже интерпретация, которая остаётся за врачом. Резюме должно помогать с первым и не подменять собой второе.
Как читать такое резюме
Относитесь к резюме как к карте, а не к самой территории: проверяйте отмеченную неопределённость и возвращайтесь к источнику там, где принимается решение.
Что важно запомнить
Медицинское резюме от AI — это экономящий время, проверяемый черновик. Оно полезно, когда прослеживается до источника и честно о пробелах, и опасно, когда их сглаживает.
Связанные материалы
- Почему отдельные анализы хуже продольной медицинской карты
- Как AI может выявлять противоречия в медицинской информации
- Работать с Игорем Столяровым
Источники
- Asgari E, et al. A framework to assess clinical safety and hallucination rates of LLMs for medical text summarisation. npj Digit Med. 2025;8:274. DOI: 10.1038/s41746-025-01670-7.
- World Health Organization. Ethics and governance of artificial intelligence for health: guidance on large multi-modal models. 2024. Официальное руководство ВОЗ.
Медицинское примечание
Материал носит информационный и образовательный характер и не является индивидуальной медицинской консультацией, диагнозом или назначением лечения.