Интеллектуальная кроссплатформенная система DocAI для медицинского образования

В прошлой статье я рассказывал о своём пути из медицины в IT, о том, как интерес к искусственному интеллекту постепенно привёл меня к созданию собственного проекта и стартапа.

Тогда это была скорее личная история — про обучение, поиск профессиональной идентичности и первые шаги команды. В этой статье хочу подробнее рассказать уже о самом проекте: какую проблему мы решаем, как устроена система DocAI и почему мы считаем это направление перспективным для медицинского образования

DocAI — это deeptech-проект, основанный на передовых научных исследованиях и инновациях в области инженерии знаний и искусственного интеллекта для сфер EdTech и HealthTech создаётся как ответ на ключевые вызовы современного предвузовского, вузовского и послевузовского непрерывного медицинского образования: необходимость гибкого, адаптивного и персонализированного обучения.

Продукт проекта — это образовательная платформа, предоставляющая образовательным организациям и индивидуальным пользователям кроссплатформенный доступ к системе представления и моделирования знаний, включая инструменты отслеживания прогресса, цифровой двойник обучающегося и выстраивание персональной образовательной траектории. Система для дополнительного профессионального образования и раннего вовлечения студентов в научно-исследовательскую и практико-ориентированную деятельность — важного аспекта современной системы непрерывного медицинского образования. Ключевой задачей системы является обеспечение глубокого понимания учебного материала и адаптация содержания под уровень подготовки и цели каждого пользователя.

Мы ориентированы на трансформацию онлайн-образования в рамках цифровой дидактики с опорой на действующие образовательные и медицинские стандарты, формирование навыков проактивного познания, сокращение временных затрат на поиск и обработку информации, а также управление когнитивной сложностью учебных материалов. Наша мотивация — создать многофункциональную образовательную систему, опираясь на глубокое понимание проблематики и потребностей целевой аудитории.

Технологическая основа проекта (все читающие подписали NDA!)

Архитектура DocAI основана на многоагентном подходе, графовых моделях представления знаний и компетенций, а также алгоритмах knowledge tracing для отслеживания образовательного прогресса пользователей.

В основе системы лежит комбинация следующих технологий:

• семантический поиск по графовой базе знаний;

• параллельный поиск по доверенным интернет-источникам и научным базам данных;

• методы обработки естественного языка (NLP) и большие языковые модели (LLM);

• Retrieval-Augmented Generation (RAG) и Retrieval-Interleaved Generation (RIG);

• knowledge tracing на графе компетенций;

• модуль перевода и унификации медицинских терминов на основе UMLS.

Ключевые возможности системы

• автоматизированный prompt engineering;

• внутренняя релевантная доказательная база знаний;

• банк заданий, согласованный с требованиями аккредитации медицинских специалистов;

• диалоговая обучающая система, основанная на принципах сократовской эвристики и майевтики;

Основные модули платформы

• Диалоговый ассистент — интеллектуальный интерфейс, интегрированный во все компоненты системы;

• Рабочее пространство — среда для совместной работы студентов и преподавателей над учебными материалами;

• Графовая база знаний — система представления предметных областей медицины и логических связей между ними;

• Конструктор образовательных курсов — модуль генерации заданий, обучающих сценариев, элементов геймификации и диалогового обучения.

Практическое применение системы

На практике система способна отвечать на сложные медицинские вопросы, разъяснять клинические концепции с минимизацией галлюцинаций, а также формировать структурированные и редактируемые ответы с указанием источников информации.

Использование графовых моделей знаний обеспечивает контекстуальный анализ и выявление логических взаимосвязей между медицинскими сущностями, а интеграция с клиническими рекомендациями и медицинскими базами данных повышает достоверность и воспроизводимость ответов системы.

Дальнейшее развитие и перспективы

С момента появления идеи проекта прошло уже почти два года. За это время междисциплинарная команда (Григорий Стецуков, Теренин Виталий, Денис Фокин, Виктор Баннов) прошла путь от концепции интеллектуального помощника до формирования полноценной технологической платформы для медицинского образования. Важную роль в развитии проекта сыграли участие в акселерационных программах, а также сотрудничество с академическими и индустриальными партнёрами.

На текущий момент нам удалось достичь следующих результатов:

• организовано юридическое лицо ООО «ДокИИ», получены IT-аккредитация и статус МТК;

• получена поддержка от ведущих медицинских университетов: Самарский государственный медицинский университет и Первый Московский государственный медицинский университет имени И. М. Сеченова (Сеченовский Университет);

• проведена регистрация результатов интеллектуальной деятельности проекта: 2 программы ЭВМ и 1 база данных;

• получено членство в Ассоциации «Общество специалистов медицинского образования» (РосМедОбр);

• успешно пройдена акселерационная программа Академия инноваторов Москвы (Топ-40 проектов), а также получен грант от Yandex Cloud;

• проект вошёл в Топ-1000 студенческих стартапов России;

• проект получил статус «Партнёр кластера» Московского инновационного кластера;

Следующим этапом развития системы станет расширение образовательного функционала платформы. Планируется внедрение модулей автоматической генерации проверочных заданий и механизмов геймификации обучения для повышения вовлечённости пользователей и эффективности усвоения материала. Особое внимание будет уделено работе с медицинскими изображениями, интерактивными схемами, виртуальными лабораториями и симуляционными клиническими кейсами. В перспективе, по мере накопления экспертности и прохождения валидации в прикладном здравоохранении, система эволюционирует из объяснимого и интерпретируемого инструмента организации и управления знаниями в основу экспертной системы поддержки принятия врачебных решений.

P.S. Результаты текущего пилотного исследования послужат основой для моей диссертационной работы в аспирантуре в Национальном исследовательском Томском государственном университете.