Половина ответов мимо. И всё равно больницу строят вокруг ИИ
За последнее время медицинский ИИ получил два противоположных диагноза.
Журнал BMJ Open проверил пять чат-ботов: ChatGPT, Gemini, DeepSeek, Meta AI, Grok. 250 вопросов о раке, вакцинации, стволовых клетках, питании, спорте. 49,6% ответов проблемные: 30% с мелкими искажениями, 19% с крупными.
В то же время в Цинхуа работает виртуальная Agent Hospital с 42 ИИ-врачами по 21 специальности. В Хайнане открылся первый в Китае AI-native госпиталь. По сообщениям китайских медиа, DeepSeek уже используют сотни клиник.
Семья Майкла Делла выделила 750 миллионов долларов Техасскому университету на больницу, спроектированную вокруг ИИ как операционной системы клиники. Открытие в 2030 году.
Картина странная. По одним данным, ИИ в медицине ошибается почти каждый второй раз. По другим, вокруг этого же ИИ почти за миллиард уже строят настоящие больницы. Два полярных сигнала валидны, но они описывают разные сценарии использования.
То, что измерил BMJ Open, это публичный чат-бот, разговаривающий с пациентом напрямую. Открытый канал без врача, регулятора и проверки.
Врачебное мышление живёт не только в знаниях, но и в сомнении: уточнить анамнез, перепроверить, исключить опасный сценарий. Тысячу лет мы калибровали доверие к врачу по микросигналам сомнения: пауза, поджатые губы, «давайте перепроверим». ИИ убирает этот калибратор. На 250 вопросов BMJ Open зафиксировал всего два отказа отвечать (оба у Meta AI).
Получается ошибка, упакованная в уверенную интонацию, которая отключает наше сомнение.
The Lancet Digital Health:20 моделей прогнали через 3,4 млн запросов: чем больше ложь в интернете похожа на клиническую выписку, тем хуже модель её распознаёт. Уязвимость к дезинформации от 10,6% до 63,6%.
Модель не различает «звучит как медицина» и «является медициной». Поэтому она так уверенно ссылается на несуществующие исследования.
Теперь главное для врачей.
ИИ становится фактором клинического поведения врача: усиливает активного пользователя и ослабляет пассивного.
The Lancet Gastroenterology в 2025 году опубликовал наблюдательное исследование на четырёх польских эндоскопических центрах. После трёх месяцев работы с ИИ-системой обнаружения полипов у врачей на 20% упало качество обнаружения в колоноскопиях без ИИ.
Первый зафиксированный эффект пассивного использования: когда инструмент берёт работу на себя, собственный глаз тренируется реже.
JAMA Network Open провёл рандомизированное исследование с GPT-4 как помощником врача. Здравый смысл: врач плюс ИИ сильнее одного. На практике разница неразличима: 76% против 74%. Но самое интересное: GPT-4 в одиночку обогнал обе группы. Инструмент уже умеет больше, чем средняя команда «человек плюс модель».
Привычка слепо принимать ответ модели постепенно ослабляет навык врача. Привычка «спорить с моделью, проверять её источники, использовать как второго оппонента» поднимает врача выше его собственного потолка.
Google DeepMind в Nature 2025 показал верхнюю границу этого эффекта: система AMIE в режиме активного ассистента подняла точность дифференциального диагноза с 33,6% до 59,1% . Рост у тех врачей, которые умели модель допрашивать.
На инфраструктурном уровне сюжет тот же. В китайских проектах и техасской стройке ИИ занят маршрутизацией пациентов, расписаниями операционных, мониторингом реанимации, документацией. Между ИИ и пациентом всегда стоит человек, протокол и второй контур проверки.
Уже сегодня на стандартизованных диагностических кейсах ИИ опережает среднего клинициста, поднимает точность у тех, кто умеет им пользоваться. Во многих странах ИИ становится инфраструктурой, в которую начнёт встраиваться профессия.
Умение работать с ИИ перестаёт быть навыком энтузиаста и становится сопоставимым с тем, чем тридцать лет назад стало умение читать КТ.
Будущее медицины, скорее всего, начнётся не с робота-врача. Оно начнётся с больницы, где ИИ помогает собрать разрозненные данные, маршруты, решения и людей в одну работающую систему.
За последнее время медицинский ИИ получил два противоположных диагноза.
Журнал BMJ Open проверил пять чат-ботов: ChatGPT, Gemini, DeepSeek, Meta AI, Grok. 250 вопросов о раке, вакцинации, стволовых клетках, питании, спорте. 49,6% ответов проблемные: 30% с мелкими искажениями, 19% с крупными.
В то же время в Цинхуа работает виртуальная Agent Hospital с 42 ИИ-врачами по 21 специальности. В Хайнане открылся первый в Китае AI-native госпиталь. По сообщениям китайских медиа, DeepSeek уже используют сотни клиник.
Семья Майкла Делла выделила 750 миллионов долларов Техасскому университету на больницу, спроектированную вокруг ИИ как операционной системы клиники. Открытие в 2030 году.
Картина странная. По одним данным, ИИ в медицине ошибается почти каждый второй раз. По другим, вокруг этого же ИИ почти за миллиард уже строят настоящие больницы. Два полярных сигнала валидны, но они описывают разные сценарии использования.
То, что измерил BMJ Open, это публичный чат-бот, разговаривающий с пациентом напрямую. Открытый канал без врача, регулятора и проверки.
Врачебное мышление живёт не только в знаниях, но и в сомнении: уточнить анамнез, перепроверить, исключить опасный сценарий. Тысячу лет мы калибровали доверие к врачу по микросигналам сомнения: пауза, поджатые губы, «давайте перепроверим». ИИ убирает этот калибратор. На 250 вопросов BMJ Open зафиксировал всего два отказа отвечать (оба у Meta AI).
Получается ошибка, упакованная в уверенную интонацию, которая отключает наше сомнение.
The Lancet Digital Health:20 моделей прогнали через 3,4 млн запросов: чем больше ложь в интернете похожа на клиническую выписку, тем хуже модель её распознаёт. Уязвимость к дезинформации от 10,6% до 63,6%.
Модель не различает «звучит как медицина» и «является медициной». Поэтому она так уверенно ссылается на несуществующие исследования.
Теперь главное для врачей.
ИИ становится фактором клинического поведения врача: усиливает активного пользователя и ослабляет пассивного.
The Lancet Gastroenterology в 2025 году опубликовал наблюдательное исследование на четырёх польских эндоскопических центрах. После трёх месяцев работы с ИИ-системой обнаружения полипов у врачей на 20% упало качество обнаружения в колоноскопиях без ИИ.
Первый зафиксированный эффект пассивного использования: когда инструмент берёт работу на себя, собственный глаз тренируется реже.
JAMA Network Open провёл рандомизированное исследование с GPT-4 как помощником врача. Здравый смысл: врач плюс ИИ сильнее одного. На практике разница неразличима: 76% против 74%. Но самое интересное: GPT-4 в одиночку обогнал обе группы. Инструмент уже умеет больше, чем средняя команда «человек плюс модель».
Привычка слепо принимать ответ модели постепенно ослабляет навык врача. Привычка «спорить с моделью, проверять её источники, использовать как второго оппонента» поднимает врача выше его собственного потолка.
Google DeepMind в Nature 2025 показал верхнюю границу этого эффекта: система AMIE в режиме активного ассистента подняла точность дифференциального диагноза с 33,6% до 59,1% . Рост у тех врачей, которые умели модель допрашивать.
На инфраструктурном уровне сюжет тот же. В китайских проектах и техасской стройке ИИ занят маршрутизацией пациентов, расписаниями операционных, мониторингом реанимации, документацией. Между ИИ и пациентом всегда стоит человек, протокол и второй контур проверки.
Уже сегодня на стандартизованных диагностических кейсах ИИ опережает среднего клинициста, поднимает точность у тех, кто умеет им пользоваться. Во многих странах ИИ становится инфраструктурой, в которую начнёт встраиваться профессия.
Умение работать с ИИ перестаёт быть навыком энтузиаста и становится сопоставимым с тем, чем тридцать лет назад стало умение читать КТ.
Будущее медицины, скорее всего, начнётся не с робота-врача. Оно начнётся с больницы, где ИИ помогает собрать разрозненные данные, маршруты, решения и людей в одну работающую систему.
4❤25🔥15
Если Вселенная кишит жизнью, почему в ней стоит такая мёртвая тишина?
Кажется, нам пора поговорить про… инопланетян 👽
В начале года Трамп пообещал раскрыть больше правительственных материалов по НЛО и внеземной жизни. Скорее политический тизер с вайбом «stay tuned», чем откровение века. Да и нас уже трудно чем-то удивит😐
Знаменитый парадокс Ферми (сформулированный физиком и нобелевским лауреатом в 1950 году) задал почти неприлично простой вопрос. «Where is everybody?» Где все? Математика как будто намекает, что жизнь должна быть, а наблюдение отвечает ледяным молчанием.
Мы уже знаем, что подтверждённых экзопланет больше шести тысяч, а в нашей галактике, вероятно, миллиарды. Если сцена такого размера, странно предполагать, что спектакль идёт только в одном углу.
Но космос молчит.
Вселенная выглядит так, будто открыла чат на триллионы участников, и там до сих пор никто не написал даже «привет».
Одна из самых сильных идей описанных Wait But Why (очень люблю его блог) — великий фильтр эволюции. Узкое горлышко, через которое не проходит биологический вид (переход в многоклеточность, выход на сушу, болезни, метеориты, смена климата и т. д.). Может быть, разум появляется, но технологическая цивилизация почти всегда ломает себе шею о собственные инструменты.
Земная история делает эту мысль неприятно наглядной. Эволюция не обещает победителям бессмертия. Динозавры доминировали невероятно долго, а потом астероид и последующий коллапс экосистем просто закрыли их эпоху. Во Вселенной успех и неуязвимость — вообще не синонимы. Более 75% видов исчезли в том событии.
И тут парадокс Ферми перестаёт быть историей про зелёных человечков. Он становится историей про хрупкость сложного.
Почему же они не прилетели? Либо почти никто не проходит великий фильтр. Либо цивилизации возникают, но живут недостаточно долго, чтобы стать заметными в галактическом масштабе. Либо межзвёздные расстояния настолько абсурдны, что даже развитый разум не способен пересечь галактику.
И вот здесь возникает уже наш собственный вопрос. Почти интимный.
ИИ — это новый этап эволюции или новый фильтр?
С одной стороны, ИИ может быть тем, что позволяет разуму пройти дальше. Биология медленная, хрупкая, смертная, капризная. Она болеет, ошибается на каждом шагу, стареет быстрее, чем учится. Постбиологический интеллект теоретически устойчивее, быстрее и лучше приспособлен к космическим масштабам. Тогда зрелые цивилизации не исчезают, они просто перестают быть похожими на нас.
Если великий фильтр существует, главные кандидаты на эту роль живут именно в медицинской плоскости: пандемии от испанки до ковида, антибиотикорезистентность (в десятке главных угроз ВОЗ), старение, нейродегенерация.
И сюда заходит медицинский ИИ. AlphaFold от DeepMind предсказал форму почти 200 миллионов белков, закрыв задачу, на которую структурная биология положила полвека. В 2020 году группа из MIT нашла халицин, антибиотик с новым механизмом действия, против которого у супербактерий пока нет защиты.
И тут же открывает дверь в обратную сторону. В 2022 году исследователи Collaborations Pharmaceuticals показали, что их генеративная модель, обученная искать лекарства, за шесть часов сгенерировала 40 тысяч молекул, похожих на боевые отравляющие вещества, включая VX. Та же формула лечит и убивает, и разница между ними сводится к настройке.
И тогда ИИ может быть и мостом через великий фильтр, и его современной формой. Мне кажется, в этом и есть настоящая глубина парадокса Ферми.
Может быть, тишина Вселенной — это не знак отсутствия разума, а намёк на то, как редко разум выдерживает собственное развитие.
И тогда самый любопытный вопрос звучит уже не «где все?», а «сумеем ли мы не исчезнуть в момент собственного апгрейда?»
Потому что создать новый интеллект — это впечатляет. Но, возможно, подлинно разумная цивилизация начинается только там, где она умеет пережить собственную силу.
Кажется, нам пора поговорить про… инопланетян 👽
В начале года Трамп пообещал раскрыть больше правительственных материалов по НЛО и внеземной жизни. Скорее политический тизер с вайбом «stay tuned», чем откровение века. Да и нас уже трудно чем-то удивит
Знаменитый парадокс Ферми (сформулированный физиком и нобелевским лауреатом в 1950 году) задал почти неприлично простой вопрос. «Where is everybody?» Где все? Математика как будто намекает, что жизнь должна быть, а наблюдение отвечает ледяным молчанием.
Мы уже знаем, что подтверждённых экзопланет больше шести тысяч, а в нашей галактике, вероятно, миллиарды. Если сцена такого размера, странно предполагать, что спектакль идёт только в одном углу.
Но космос молчит.
Вселенная выглядит так, будто открыла чат на триллионы участников, и там до сих пор никто не написал даже «привет».
Одна из самых сильных идей описанных Wait But Why (очень люблю его блог) — великий фильтр эволюции. Узкое горлышко, через которое не проходит биологический вид (переход в многоклеточность, выход на сушу, болезни, метеориты, смена климата и т. д.). Может быть, разум появляется, но технологическая цивилизация почти всегда ломает себе шею о собственные инструменты.
Земная история делает эту мысль неприятно наглядной. Эволюция не обещает победителям бессмертия. Динозавры доминировали невероятно долго, а потом астероид и последующий коллапс экосистем просто закрыли их эпоху. Во Вселенной успех и неуязвимость — вообще не синонимы. Более 75% видов исчезли в том событии.
И тут парадокс Ферми перестаёт быть историей про зелёных человечков. Он становится историей про хрупкость сложного.
Почему же они не прилетели? Либо почти никто не проходит великий фильтр. Либо цивилизации возникают, но живут недостаточно долго, чтобы стать заметными в галактическом масштабе. Либо межзвёздные расстояния настолько абсурдны, что даже развитый разум не способен пересечь галактику.
И вот здесь возникает уже наш собственный вопрос. Почти интимный.
ИИ — это новый этап эволюции или новый фильтр?
С одной стороны, ИИ может быть тем, что позволяет разуму пройти дальше. Биология медленная, хрупкая, смертная, капризная. Она болеет, ошибается на каждом шагу, стареет быстрее, чем учится. Постбиологический интеллект теоретически устойчивее, быстрее и лучше приспособлен к космическим масштабам. Тогда зрелые цивилизации не исчезают, они просто перестают быть похожими на нас.
Если великий фильтр существует, главные кандидаты на эту роль живут именно в медицинской плоскости: пандемии от испанки до ковида, антибиотикорезистентность (в десятке главных угроз ВОЗ), старение, нейродегенерация.
И сюда заходит медицинский ИИ. AlphaFold от DeepMind предсказал форму почти 200 миллионов белков, закрыв задачу, на которую структурная биология положила полвека. В 2020 году группа из MIT нашла халицин, антибиотик с новым механизмом действия, против которого у супербактерий пока нет защиты.
И тут же открывает дверь в обратную сторону. В 2022 году исследователи Collaborations Pharmaceuticals показали, что их генеративная модель, обученная искать лекарства, за шесть часов сгенерировала 40 тысяч молекул, похожих на боевые отравляющие вещества, включая VX. Та же формула лечит и убивает, и разница между ними сводится к настройке.
И тогда ИИ может быть и мостом через великий фильтр, и его современной формой. Мне кажется, в этом и есть настоящая глубина парадокса Ферми.
Может быть, тишина Вселенной — это не знак отсутствия разума, а намёк на то, как редко разум выдерживает собственное развитие.
И тогда самый любопытный вопрос звучит уже не «где все?», а «сумеем ли мы не исчезнуть в момент собственного апгрейда?»
Потому что создать новый интеллект — это впечатляет. Но, возможно, подлинно разумная цивилизация начинается только там, где она умеет пережить собственную силу.
Please open Telegram to view this post
VIEW IN TELEGRAM
7❤25👍6🔥6🗿5🥱2
ai_starter_guide_v2 copy.pdf
602.3 KB
Пока инопланетяне (из поста выше) не прилетели, а роботы ещё не оформили мировое господство, есть хороший план: просто начать разбираться с ИИ.
Недавно знакомая попросила провести мастер-класс для её проекта — для людей, которые только начинают и часто чувствуют себя с технологиями очень неуверенно. Для этого занятия я сделала гайд по установке самых базовых инструментов и видео-пояснение к нему. А потом решила: пусть он будет полезен не только им, и поделиться им здесь.
Это материал для самого начала — без технической акробатики, с комментариями и минимальным набором, который нужен. Я отправила его даже маме-потестить.
Дальше буду делиться и более сложными вещами — в том числе про агентов. Но сначала нужен нормальный фундамент. Если вы давно хотели подступиться к ИИ, но не понимали, с чего начать, надеюсь, этот гайд поможет.
И напишите пожалуйста в комментариях, что именно вам интересно про ИИ и медицину. Какие темы хочется понять глубже, где больше всего непонятного, тревоги или любопытства. Я ,например, сейчас много изучаю тему оркестрации агентов, автоматизации рутины, выстраивания архитектуры и безопасностью данных при работе с ИИ (в медицине особенно важно).
Недавно знакомая попросила провести мастер-класс для её проекта — для людей, которые только начинают и часто чувствуют себя с технологиями очень неуверенно. Для этого занятия я сделала гайд по установке самых базовых инструментов и видео-пояснение к нему. А потом решила: пусть он будет полезен не только им, и поделиться им здесь.
Это материал для самого начала — без технической акробатики, с комментариями и минимальным набором, который нужен. Я отправила его даже маме-потестить.
Дальше буду делиться и более сложными вещами — в том числе про агентов. Но сначала нужен нормальный фундамент. Если вы давно хотели подступиться к ИИ, но не понимали, с чего начать, надеюсь, этот гайд поможет.
И напишите пожалуйста в комментариях, что именно вам интересно про ИИ и медицину. Какие темы хочется понять глубже, где больше всего непонятного, тревоги или любопытства. Я ,например, сейчас много изучаю тему оркестрации агентов, автоматизации рутины, выстраивания архитектуры и безопасностью данных при работе с ИИ (в медицине особенно важно).
4❤🔥23🔥6🙏4
Это онлайн программа про практическую работу с AI-инструментами в медицине, здоровье и клинических процессах.
• 3 недели
• 18 спикеров
• 9 встреч
• 5+ практических занятий
• личных AI-агентов для здоровья;
• персональный консилиум на базе своих данных;
• медицинские дашборды;
• AI-сценарии для клиники;
• работу с анализами, выписками, wearable-данными и научными статьями;
• безопасные контуры для задач с высокой ценой ошибки.
Так же разберем:
• data-подход к longevity;
• пептидные протоколы;
• внедрение AI в процессы клиники;
• работа с медицинскими данными;
• privacy и human review;
• научные исследования;
• решения, где важны точность, контекст и ответственность.
Это программа для тех, кто хочет выйти с рабочим набором навыков и соберать собственную систему работы с AI, увидите, где он действительно экономит время, помогает принимать решения и усиливает мышление.
Лучше один раз собрать это руками, чем ещё год читать новости про AI.
Стоимость:
Early Bird до 22 июня: $250
После 22 июня: $320
https://t.me/ai_med_reg_bot
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Конференция: AI в медицине
AI Medicine Conference Bot
10🔥12❤🔥4
Гайд_по_системам_агентов.pdf
82.4 KB
Кажется, главный миф 2026 года — что существует один AI, который просто становится всё умнее.
На самом деле происходит другое.
Мы постепенно учимся строить из моделей целые системы.
Почти как больницу.
Где есть терапевт, кардиолог, исследователь, медицинская карта, консилиум и главный врач, который собирает картину целиком.
От того, как устроена эта система, сегодня зависит больше, чем от выбора самой модели.
Поэтому я сделала небольшой гайд по 7 архитектурам AI-агентов.
Простым языком:
• что такое агентные системы;
• чем отличается рой от конвейера;
• зачем нужна общая память;
• почему некоторые задачи лучше решают сразу несколько агентов.
К посту также прикрепила своё выступление с саммита Built by Her, где за 20 минут разбираю основы агентных систем и показываю пример AI-консилиума для обсуждения вопросов здоровья.
А на MedSignal AI Conference + Practicum будем разбирать реальные кейсы и собирать системы агентов под конкретные задачи.
Подробности тут.
Потому что следующий уровень работы с AI — это уже не отдельные модели.
Это умение проектировать системы.
На самом деле происходит другое.
Мы постепенно учимся строить из моделей целые системы.
Почти как больницу.
Где есть терапевт, кардиолог, исследователь, медицинская карта, консилиум и главный врач, который собирает картину целиком.
От того, как устроена эта система, сегодня зависит больше, чем от выбора самой модели.
Поэтому я сделала небольшой гайд по 7 архитектурам AI-агентов.
Простым языком:
• что такое агентные системы;
• чем отличается рой от конвейера;
• зачем нужна общая память;
• почему некоторые задачи лучше решают сразу несколько агентов.
К посту также прикрепила своё выступление с саммита Built by Her, где за 20 минут разбираю основы агентных систем и показываю пример AI-консилиума для обсуждения вопросов здоровья.
А на MedSignal AI Conference + Practicum будем разбирать реальные кейсы и собирать системы агентов под конкретные задачи.
Подробности тут.
Потому что следующий уровень работы с AI — это уже не отдельные модели.
Это умение проектировать системы.
4❤12🔥8❤🔥2
AI_health_guide.pdf
795.4 KB
Когда болеет близкий человек, медицина перестаёт быть просто “интересной темой”. Она становится языком, который нужно понимать быстро.
Последний год я много занималась здоровьем мамы. Это был опыт сложных решений: разные мнения врачей,противоположные стратегии лечения, операции, анализы, вопросы без очевидного ответа.
И хотя я сама врач по первой профессии, мне всё равно было сложно. Тогда я особенно остро почувствовала, насколько AI может быть сильным инструментом.
Но есть важный момент: мало просто уметь пользоваться AI. Сейчас всё больше решает доменное мышление — понимание области, в которой вы применяете AI.
В медицине — хотя бы базовую логику: как устроены данные, где проверять источники, какие вопросы задавать, где может быть ошибка.
AI может собрать анализы, историю болезни, wearable-данные, исследования, вопросы к врачу и версии гипотез.
Но человек задаёт рамку.
Он направляет поиск.
Чувствует странное место.
Задает контекст и систему.
Ко мне были вопросы: можно ли в программе MedSignal AI участвовать НЕ врачам?
Да, потому что людям без медицинского образования особенно важно научиться собирать вокруг здоровья более ясную систему.
• на практике выстроить систему здоровья с AI;
• понимать границы безопасности;
• лучше разбираться в медицине и своём теле;
• работать с анализами, выписками, wearable-данными, генетикой и исследованиями;
• проверять валидность трендов в протоколах longivity;
Я специально поставила очень доступную стоимость для практической (!) программы на 3 недели и такого сильного состава спикеров (консультация с каждым из них стоит дороже билета на MedSignal AI). Потому что я считаю эту тему важной и хочу, чтобы вы пришли.
Даже немного настаиваю😔
⏳ До конца Early Bird стоимости осталось 2 дня.
Регистрация и подробности:🔽
https://t.me/ai_med_reg_bot
——-
⏯ Меня недавно попросили сделать гайд для людей без медицинского образования: как фреймить запросы к нейронкам. Я собрала в документе опорные точки, с которых можно начать. И у меня не получилось сделать его коротким, как я ни старалась. 😢
Делюсь им с вами (прикреплен в начале поста)
Последний год я много занималась здоровьем мамы. Это был опыт сложных решений: разные мнения врачей,противоположные стратегии лечения, операции, анализы, вопросы без очевидного ответа.
И хотя я сама врач по первой профессии, мне всё равно было сложно. Тогда я особенно остро почувствовала, насколько AI может быть сильным инструментом.
Но есть важный момент: мало просто уметь пользоваться AI. Сейчас всё больше решает доменное мышление — понимание области, в которой вы применяете AI.
В медицине — хотя бы базовую логику: как устроены данные, где проверять источники, какие вопросы задавать, где может быть ошибка.
AI может собрать анализы, историю болезни, wearable-данные, исследования, вопросы к врачу и версии гипотез.
Но человек задаёт рамку.
Он направляет поиск.
Чувствует странное место.
Задает контекст и систему.
Ко мне были вопросы: можно ли в программе MedSignal AI участвовать НЕ врачам?
Да, потому что людям без медицинского образования особенно важно научиться собирать вокруг здоровья более ясную систему.
• на практике выстроить систему здоровья с AI;
• понимать границы безопасности;
• лучше разбираться в медицине и своём теле;
• работать с анализами, выписками, wearable-данными, генетикой и исследованиями;
• проверять валидность трендов в протоколах longivity;
Я специально поставила очень доступную стоимость для практической (!) программы на 3 недели и такого сильного состава спикеров (консультация с каждым из них стоит дороже билета на MedSignal AI). Потому что я считаю эту тему важной и хочу, чтобы вы пришли.
Даже немного настаиваю
Регистрация и подробности:
https://t.me/ai_med_reg_bot
——-
Делюсь им с вами (прикреплен в начале поста)
Please open Telegram to view this post
VIEW IN TELEGRAM
2❤11❤🔥5
В медицине иногда решает не новый анализ, а старая строчка в выписке, которую все забыли.
Реакция на препарат.
Анализ трёхлетней давности.
Семейная история.
Выписки из другой страны.
Симптом, который уже когда-то был.
Обычный чат с AI действительно может забывать, путаться и терять нить. А вот медицинская AI-система работает сильнее, когда в неё заранее загружен ваш полный собранный индивидуальный контекст, которого часто не хватает на обычном приёме.
Врач может быть прекрасным. Но у него есть ограниченное время, неполная история перед глазами и пациент, который сам часто не помнит всё важное про себя😶
Плюс у каждого врача есть своя рамка: медицинская школа, протоколы страны, опыт, личный профиль риска. Один врач осторожнее. Другой быстрее пробует новые схемы. Третий строже держится гайдлайнов.
Это человеческая часть медицины.
Вот кейс, который хорошо показывает механику:
Моему знакомому врач в Европе назначил антибиотик. Дома он прогнал назначение через свою AI-систему, куда заранее были загружены история болезни из другой страны, и данные о лекарственных реакциях.
AI поднял старую запись о непереносимости компонентов препарата. Отдельный исследовательский агент нашёл данные, которые подтвердили значимость серьезного риска😰
Он перепроверил это с врачом. Назначение изменили.
Вот здесь появляется реальная польза: AI удержал фрагмент контекста, который мог потеряться.
Ещё один сильный пример недавно описала Тоня Жукова. Она серийный IT предприниматель (2 exits), и сейчас строит для себя с AI-Health OS, систему здоровья на базе AI.
У неё годами был повышен холестерин. Врачи видели цифры, смотрели на общий профиль, но история зависала в зоне “вроде всё нормально”.
Тоня решила разобрать глубже. Она добавила анализы ApoB и Lp(a).
LDL (low-density lipoprotein, липопротеины низкой плотности) показывает холестерин внутри частиц.
ApoB показывает количество атерогенных частиц.
Lp(a) во многом задан генетически и может менять оценку сердечно-сосудистого риска.
Дальше она через AI разобрала доказательные интервенции по питанию и образу жизни.
В итоге собрала для себя модифицированную Portfolio diet: стеролы, клетчатка, орехи, снижение насыщенных жиров, пересмотр “здоровых” продуктов с неочевидным жиром.
За 4 месяца ApoB снизился со 110 до 71. LDL снизился со 124 до 94. Без статинов.
Это частный пример того, как AI помогает точнее исследовать свой случай и приходить к врачу с более сильными вопросами.
Медицина меняется через более полную картину: меньше забытых деталей, больше контекста, точнее решения.
Тоня будет выступать на нашей конференции MedSignal AI. На программе мы с ней и другими спикерами будем делиться схемами, шаблонами, промптами, готовыми модулями с GitHub и реальными системами, которыми пользуемся сами.
Это практическая программа: лекции, разборы, инструменты и занятия, где можно руками собрать свою AI-систему под медицинские задачи.
• Пост Тони про холестерин
• Скилл для глубоких исследований, которым она пользовалась:
https://github.com/tonyazhuuki/deep-research-skill
• До конца Early Bird цены остался 1 день.
Подробнее о конференции и программе: @ai_med_reg_bot
Реакция на препарат.
Анализ трёхлетней давности.
Семейная история.
Выписки из другой страны.
Симптом, который уже когда-то был.
Обычный чат с AI действительно может забывать, путаться и терять нить. А вот медицинская AI-система работает сильнее, когда в неё заранее загружен ваш полный собранный индивидуальный контекст, которого часто не хватает на обычном приёме.
Врач может быть прекрасным. Но у него есть ограниченное время, неполная история перед глазами и пациент, который сам часто не помнит всё важное про себя
Плюс у каждого врача есть своя рамка: медицинская школа, протоколы страны, опыт, личный профиль риска. Один врач осторожнее. Другой быстрее пробует новые схемы. Третий строже держится гайдлайнов.
Это человеческая часть медицины.
Вот кейс, который хорошо показывает механику:
Моему знакомому врач в Европе назначил антибиотик. Дома он прогнал назначение через свою AI-систему, куда заранее были загружены история болезни из другой страны, и данные о лекарственных реакциях.
AI поднял старую запись о непереносимости компонентов препарата. Отдельный исследовательский агент нашёл данные, которые подтвердили значимость серьезного риска
Он перепроверил это с врачом. Назначение изменили.
Вот здесь появляется реальная польза: AI удержал фрагмент контекста, который мог потеряться.
Ещё один сильный пример недавно описала Тоня Жукова. Она серийный IT предприниматель (2 exits), и сейчас строит для себя с AI-Health OS, систему здоровья на базе AI.
У неё годами был повышен холестерин. Врачи видели цифры, смотрели на общий профиль, но история зависала в зоне “вроде всё нормально”.
Тоня решила разобрать глубже. Она добавила анализы ApoB и Lp(a).
LDL (low-density lipoprotein, липопротеины низкой плотности) показывает холестерин внутри частиц.
ApoB показывает количество атерогенных частиц.
Lp(a) во многом задан генетически и может менять оценку сердечно-сосудистого риска.
Дальше она через AI разобрала доказательные интервенции по питанию и образу жизни.
В итоге собрала для себя модифицированную Portfolio diet: стеролы, клетчатка, орехи, снижение насыщенных жиров, пересмотр “здоровых” продуктов с неочевидным жиром.
За 4 месяца ApoB снизился со 110 до 71. LDL снизился со 124 до 94. Без статинов.
Это частный пример того, как AI помогает точнее исследовать свой случай и приходить к врачу с более сильными вопросами.
Медицина меняется через более полную картину: меньше забытых деталей, больше контекста, точнее решения.
Тоня будет выступать на нашей конференции MedSignal AI. На программе мы с ней и другими спикерами будем делиться схемами, шаблонами, промптами, готовыми модулями с GitHub и реальными системами, которыми пользуемся сами.
Это практическая программа: лекции, разборы, инструменты и занятия, где можно руками собрать свою AI-систему под медицинские задачи.
• Пост Тони про холестерин
• Скилл для глубоких исследований, которым она пользовалась:
https://github.com/tonyazhuuki/deep-research-skill
• До конца Early Bird цены остался 1 день.
Подробнее о конференции и программе: @ai_med_reg_bot
Please open Telegram to view this post
VIEW IN TELEGRAM
GitHub
GitHub - tonyazhuuki/deep-research-skill: Deep Research skill for Claude Code — 3-cycle multi-agent adversarial ensemble methodology
Deep Research skill for Claude Code — 3-cycle multi-agent adversarial ensemble methodology - tonyazhuuki/deep-research-skill
3👍7🔥4❤2❤🔥2
💃Лэйдис, 27 июня делаю открытый воркшоп для FemTech-комьюнити — приходите 💛
Будем разбирать, как с помощью AI собрать в одну систему данные о цикле, сне, тренировках, питании, анализах, трекерах и самочувствии.
Тема выросла из женского здоровья, но по сути это про навигацию по своему состоянию вообще. Так что 🤵🏻♂️джентльмены тоже welcome, без гендерного фейс-контроля.
Подробности и регистрация ниже 👇
Будем разбирать, как с помощью AI собрать в одну систему данные о цикле, сне, тренировках, питании, анализах, трекерах и самочувствии.
Тема выросла из женского здоровья, но по сути это про навигацию по своему состоянию вообще. Так что 🤵🏻♂️джентльмены тоже welcome, без гендерного фейс-контроля.
Подробности и регистрация ниже 👇
1❤🔥5❤1🔥1🤔1
Forwarded from Femtech Force — новости, вакансии, подкаст
Открытый воркшоп «AI-навигация для женского тела»
💥 27 июня | 11:00 CET / 12:00 МСК
Встречу проведет Мария Куликовская, AI HealthTech Product Strategist, врач с 13-летним опытом в технологиях на стыке AI, медицинских данных, healthtech-продуктов и privacy-sensitive систем; автор MedSignal AI, канала про AI в медицине и здоровье.
Мария на практическом демо-кейсе покажет, как объединить данные о цикле, сне, тренировках, питании и анализах в единую систему.
О чем поговорим:
🟡 Как AI помогает видеть связь между циклом, движением, сном, питанием и восстановлением.
🟡 Как подключать данные из WHOOP, Oura и других трекеров.
🟡 Как добавлять дневник самочувствия, питания, тренировок и данные цикла.
🟡 Как учитывать лабораторные анализы, включая гормоны.
🟡 Как собрать базовую AI-систему для наблюдения за своим телом и принимать осознанные решения о нагрузке и восстановлении.
Мария покажет и расскажет, как разрозненные данные о себе превратить в понятную карту здоровья, которая объясняет, почему сегодня нет сил, какие вопросы можно задать врачу, тренеру и самой себе, имея такие технические возможности, которые доступны нам сейчас!
➡️ Ссылка для регистрации: https://biosisters.timepad.ru/event/4051984/
Встречу проведет Мария Куликовская, AI HealthTech Product Strategist, врач с 13-летним опытом в технологиях на стыке AI, медицинских данных, healthtech-продуктов и privacy-sensitive систем; автор MedSignal AI, канала про AI в медицине и здоровье.
Мария на практическом демо-кейсе покажет, как объединить данные о цикле, сне, тренировках, питании и анализах в единую систему.
О чем поговорим:
Мария покажет и расскажет, как разрозненные данные о себе превратить в понятную карту здоровья, которая объясняет, почему сегодня нет сил, какие вопросы можно задать врачу, тренеру и самой себе, имея такие технические возможности, которые доступны нам сейчас!
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥10❤5❤🔥2
Как собрать личную систему здоровья с нейросетями — отдаю гайд и все шаблоны, чтобы вы попробовали сами
Друзья, делюсь материалами после выступления на конференции.
Разбирали, как соединить в одну систему данные о себе: питание, анализы, wearable-устройства, сон, тренировки, препараты и БАДы, самочувствие, а для женщин ещё и цикл.
Полная запись, к сожалению не сохранилась. Поэтому я записала короткое видео-пояснение и подробно отдаю всё, что поможет вам повторить это самостоятельно: гайд, пошаговые инструкции и артефакты для работы со своими данными.
Главная мысль воркшопа: ценность в том, чтобы научиться видеть устойчивые паттерны.
Не делать вывод по одному плохому дню.
Не решать по одному циклу: «в лютеиновой фазе мне нельзя тренироваться и лучше ничего важного не планировать».
А смотреть глубже: что повторяется во времени, где накладываются сон, стресс, питание, нагрузка, смена места, препараты, фаза цикла и общее состояние.
Именно так можно начать понимать, что реально влияет на вас, а что просто случайно совпало.
Чтобы такая система работала, нужны три вещи:
• полный контекст
• правильная архитектура данных
• умение задавать вопросы и понимание в самой теме
Это не только про здоровье. Это базовый навык работы с нейросетями в любой сложной сфере.
🚀До старта MedSignal AI осталась всего неделя.
Скоро я начну присылать участникам гайды, инструкции по установке инструментов и подготовке.
📎 Такую программу я повторять не планирую!
Это возможность разобраться не просто с «нейронками», а с тем, как строить рабочие AI-системы в медицине, здоровье и личных данных.
🔽 Подробности и регистрация:
https://t.me/ai_med_reg_bot
Друзья, делюсь материалами после выступления на конференции.
Разбирали, как соединить в одну систему данные о себе: питание, анализы, wearable-устройства, сон, тренировки, препараты и БАДы, самочувствие, а для женщин ещё и цикл.
Полная запись, к сожалению не сохранилась. Поэтому я записала короткое видео-пояснение и подробно отдаю всё, что поможет вам повторить это самостоятельно: гайд, пошаговые инструкции и артефакты для работы со своими данными.
Главная мысль воркшопа: ценность в том, чтобы научиться видеть устойчивые паттерны.
Не делать вывод по одному плохому дню.
Не решать по одному циклу: «в лютеиновой фазе мне нельзя тренироваться и лучше ничего важного не планировать».
А смотреть глубже: что повторяется во времени, где накладываются сон, стресс, питание, нагрузка, смена места, препараты, фаза цикла и общее состояние.
Именно так можно начать понимать, что реально влияет на вас, а что просто случайно совпало.
Чтобы такая система работала, нужны три вещи:
• полный контекст
• правильная архитектура данных
• умение задавать вопросы и понимание в самой теме
Это не только про здоровье. Это базовый навык работы с нейросетями в любой сложной сфере.
🚀До старта MedSignal AI осталась всего неделя.
Скоро я начну присылать участникам гайды, инструкции по установке инструментов и подготовке.
Это возможность разобраться не просто с «нейронками», а с тем, как строить рабочие AI-системы в медицине, здоровье и личных данных.
https://t.me/ai_med_reg_bot
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Конференция: AI в медицине
AI Medicine Conference Bot
4❤🔥8❤4🙏2
Артефакты_для_слушателей.zip
25.8 KB
Архив нужно добавить в папку на компьютере, ту же с вашими данными и анализами, и распаковать внутри.
🔽 Подробности и регистрация на конференцию:
https://t.me/ai_med_reg_bot
https://t.me/ai_med_reg_bot
Please open Telegram to view this post
VIEW IN TELEGRAM
6❤8❤🔥6🔥3
За эти месяцы в канале накопилось много информации: гайды, выступления, рабочие шаблоны. Чтобы ничего не терялось и вам было удобно найти нужное, собрала всё в одном месте.
📚 Гайды
🎥 Выступления
🛠 Инструменты и видео
———
Please open Telegram to view this post
VIEW IN TELEGRAM
4❤6❤🔥2🔥2
Поэтому приходите на практическую программу MedSignal AI— сэкономите себе время, силы, а может, и само здоровье:
https://t.me/ai_med_reg_bot
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Конференция: AI в медицине
AI Medicine Conference Bot
🔥6❤🔥2💯1