Виртуальные двойники врачей выходят на массовый приём в китайских больницах

Медицинский искусственный интеллект переживает момент качественного скачка. Компания «Цзыцзин Чжикан», выросшая из Института искусственного интеллекта при Университете Цинхуа, который основал академик Чжан Яцинь, развернула по всей стране систему «AI-больница Цзыцзин» — виртуальную клинику, где у каждого врача появляется собственный цифровой двойник, а сами двойники учатся работать в команде. Проект вырос из нашумевшего исследования Agent Hospital, которое ещё два года назад называли «первой в мире AI-больницей»: тогда статья команды профессора Лю Яна произвела фурор, попала в поле зрения Nature и стала одним из ключевых ориентиров для внедрения виртуальных ассистентов в медицину.

Проблема, которую здесь пытаются решить, стара как мир: хороших врачей всегда не хватает. У каждого специалиста своя узкая область, у каждой больницы — свой потолок по ресурсам. Если болезнь пациента затрагивает несколько отделений, реальный маршрут выглядит так: сначала терапевт, потом хирург, потом очередь к радиологу, и только когда обойдены все кабинеты, дело доходит до полноценного мультидисциплинарного консилиума. К этому моменту оптимальное окно для лечения нередко уже упущено, а сам консилиум стоит недешево — хотя бы потому, что нужно собрать в одно время специалистов разных профилей. Логика разработчиков проста: если пациента не отправить ко всем экспертам сразу, то пусть эксперты сами придут к нему в кабинет — в виде цифровых двойников.

Когда случай укладывается в рамки одного отделения, достаточно одного AI-двойника: он как бы приглашает высококлассного специалиста в обычный кабинет и подсказывает врачу. Если же проблема междисциплинарная, система собирает виртуальный консилиум из нескольких двойников. Каждый агент со своей специализацией по очереди включается в анализ, и один врач получает куда более широкий набор профессиональных взглядов. Всё это работает под управлением единой операционной системы, так что двойники поддерживают и «своего» специалиста, и коллег из смежных областей. Пример: пациент с гипертиреозом попадает к эндокринологу, но при опросе выясняется, что у него ещё и астма. Тут же подключается двойник пульмонолога и предупреждает о рисках при выборе препаратов. По сути, межпрофильная поддержка переносится на более ранние этапы — первичный приём и предварительный опрос. Человек ещё только входит в кабинет, а за его спиной уже стоит целая команда.

Сотрудничество организовано в двух форматах. Первый — подсказки по мере необходимости: врач ведёт обычный приём, система по ходу появления новой информации распознаёт, что нужно мнение другого профиля, и мягко выводит его на экран, не прерывая текущий процесс. Второй — режим консилиума: когда заранее ясно, что случай требует нескольких специализаций, двойники включаются напрямую и дают рекомендации по диагностике и назначениям. Врачу остаётся взвесить разные точки зрения с опорой на собственный опыт. Но тут возникает резонный вопрос: а если двойники противоречат друг другу? Ответ разработчиков неожиданный — они не пытаются сгладить расхождения, а показывают их открыто. Система выводит рекомендации каждого двойника по отдельности и подсвечивает несовпадения, чтобы врач видел, от кого исходит совет, и принимал финальное решение сам. Разница во мнениях здесь считается ценностью: один практикующий терапевт рассказал, что, когда предложение AI расходится с его собственным суждением, он перепроверяет введённые данные и ищет причину расхождения, а если AI предлагает принципиально иной подход, это заставляет его особенно внимательно разбираться, какой вариант ближе к реальности.

Подобный подход — не уникальная находка одной компании. Организация нескольких AI-ролей в команду уже стала важным направлением в медицинском AI: например, Microsoft в исследовании MAI-DxO моделирует бригаду врачей, которая шаг за шагом собирает информацию по случаю, выдвигает гипотезы и назначает обследования, чтобы изучить связь между точностью диагностики и стоимостью. «Цзыцзин Чжикан» делает акцент на другом — на связи двойника с конкретным живым врачом. Двойник не просто обладает базовыми навыками, он постоянно учится у своего человека, дорастает до него, а право окончательного решения остаётся за врачом. В этом смысле мультиагентная модель выходит за рамки старого нарратива «AI заменит доктора»: за каждым специалистом теперь стоит целая команда экспертов, готовая прийти на помощь по первому требованию.

Чтобы сотни и тысячи двойников работали одновременно и каждый занимался своим делом, нужна полноценная экосистема — и её тоже построили. Технологическая основа восходит к методу SEAL, предложенному командой профессора Лю Яна при создании Agent Hospital: это двухуровневая архитектура «обучение в виртуальном мире плюс проверка и тонкая настройка в реальном». В виртуальной среде пациентов, врачей и медсестёр играют агенты: AI-доктора ежедневно с высокой интенсивностью отрабатывают приёмы, миллионы сверхреалистичных виртуальных пациентов обращаются за помощью, и всё это образует замкнутый медицинский мир. Удачные случаи попадают в базу, неудачи разбираются, из них извлекаются уроки и формируются повторно используемые правила. За считаные дни AI-врач проходит десятки и сотни тысяч кейсов, включая редкие болезни и сложные сочетания патологий, — по аналогии с самопгрой AlphaGo, только с куда меньшими затратами вычислительных ресурсов, чем при обычном обучении больших моделей. Правда, у ранних версий был перекос: они склонны учитывать все возможные варианты чрезмерно. Главный продуктовый директор «Цзыцзин Чжикан» Цяо Юйчэнь приводит забавную деталь: AI рекомендовал самое эффективное лекарство, а врач с учётом финансового положения пациента заменил его на более дешёвый препарат из системы медицинского страхования. Именно поэтому нужен реальный приём: двойник работает бок о бок с живым врачом, а его действия подпитывают внутреннюю тонкую настройку. Агент должен не только действовать как доктор, но и думать как доктор.

Продукт разведён по трём контурам: для пациента — предварительный опрос, медицинские данные и последующее сопровождение; для врача — двойники, истории болезни и поддержка решений; для больницы — расписание, права доступа и управление данными. По данным на июль 2026 года, система включает 54 AI-врача и миллионы сверхреалистичных виртуальных пациентов, охватывая тысячи заболеваний. В пекинской больнице «Цинхуа Чангэн» тестирование идёт в 18 клинических отделениях, более 40 врачей пользуются системой на постоянной основе, а общая эффективность приёма выросла примерно на 30 процентов. В бенчмарках точность AI-врача на наборе MedQA превышает 96 процентов, и в ряде международных медицинских тестов система показывает лучшие результаты.

Отрасль долго шла по пути одиночных решений: и разработчики, и клиники брались за конкретную задачу — распознавание снимков, генерацию истории болезни или помощь при опросе. Но настоящее лечение — всегда цепочка, а производственной AI-нативной системы, связывающей разных участников и весь процесс, до сих пор не хватало. Сложность в том, что мало кто способен соединить передовую технологию, клиническую практику и инженерию: у Гарварда, MIT и Стэнфорда есть полная инновационная экосистема, но нет системной проверки в клинике; у клиник вроде Mayo Clinic, Toronto General и Cleveland Clinic есть ресурсы и поток пациентов, но нет своих AI-талантов; у технологических гигантов Кремниевой долины медицина — лишь одно из многих направлений. «Цзыцзин Чжикан» — новичок, компания основана всего два года назад, но её команда давно укоренена в цифровой медицине, а её работы публиковались в Nature Medicine и NEJM AI. В компании подчёркивают и гуманитарную рамку: ценности закладываются в алгоритм как понятные и исполнимые ограничения, AI сознательно остаётся помощником, а не всесильным суперразумом, при этом профессиональные возможности спускаются вниз — к рядовым врачам, фельдшерам и районным учреждениям. Путь от виртуального мира к реальному кабинету медленнее, но надёжнее, и главный смысл в том, что чем больше поддержки получает врач, тем меньше лишних кругов приходится наматывать пациенту.