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

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

💙 Навигация по каналу

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
🔵 Личная система здоровья на ИИ: гайд и все шаблоны, чтобы собрать свою

🔵 Как говорить с ИИ про здоровье, чтобы он не врал — для тех, кто без медицинского образования

🔵 Почему «один умный ИИ» — миф: 7 архитектур AI-агентов простым языком

🔵 Промпты переоценены, мышление — нет: шпаргалка приёмов работы с нейросетями

🔵 Хотели начать с ИИ, но не знали, куда нажимать: стартовый гайд + видео по Claude

🎥 Выступления
🔵 Как я собрала маме «персональную клинику» и консилиум AI-врачей, которые спорят между собой

🔵 Как собрать дашборд из своих анализов, а из научных статей — подкаст

🔵 Show me your GPT: как нейросети превращают исследования в понятные решения для здоровья (+ бонус-промпты и гайды)

🛠 Инструменты и видео
🔵 Стопка анализов → красивый медицинский дашборд (видео)

🔵 Готовый промпт и интерфейс дашборда — бери и пробуй

🔵 Из научного PDF — подкаст на одну пробежку (NotebookLM)

———

🔠🔠: Делюсь всем этим, потому что искренне считаю: разобраться с нейросетями сейчас важно каждому. Они уже безвозвратно меняют жизнь — и личную, и профессиональную. А ценнее здоровья ничего нет, вы и сами знаете.

👀 Но давайте честно: чтоб самим разбираться по гайдам и видео нужна дисциплина, а когда что-то не выходит, бесценно сразу спросить и увидеть, как это решают другие участники. За 3 недели структурного обучения осваиваешь то, к чему в одиночку долго не мог подступиться.

Поэтому приходите на практическую программу MedSignal AI— сэкономите себе время, силы, а может, и само здоровье:

https://t.me/ai_med_reg_bot

🅰️ Наконец-то финально собрала программу MedSignal AI. Получилось насыщенно, но я выстроила её так, чтобы обучение шло постепенно и логично, без перегруза длинными сессиями. И, честно, очень довольна тем, как вышло 😎

Программа построена как маршрут: от личных данных о здоровье к медицинскому мышлению, AI-агентам, клиническим процессам и медицине будущего.

·2⃣🅰️ спикеров
· 1️⃣1️⃣ стран
· 8️⃣ учёных (PhD / к.м.н.)
· 6️⃣ врачей
· 4️⃣ руководителя крупных клиник и сетей
· 1️⃣5️⃣ фаундеров и предпринимателей (с экзитами, Y Combinator, Stanford, NYU, Duke).

Формат: практические занятия и выступления спикеров с демо (3 раза в неделю, 10 встреч total)
Что получаете: шаблоны, гайды и готовые скиллы, схемы и часть готовых модулей с нашего GitHub, чтобы применить сразу. И самое главное- понимание как самим строить системы здоровья и использовать инструменты ИИ.

📍Маршрут:

🔵 Личная HealthOS. Как собрать свои анализы, симптомы, трекеры и дневники в понятную систему с ИИ- Мария Куликовская

🔵Принципы безопасности, приватности и правовых ограничений работы с медданными в технологиях. Евгений Рид покажет, как строить архитектуру систем агентов для задач с высокой ценой ошибки и проверять достоверность.

🔵 Научное мышление. Наталия Воробьёва, Елена Дегтярь и Дмитрий Шаменков: как искать источники, проверять данные, не вестись на уверенные, но пустые ответы и нейронки. Баланс с mental health.

🔵 Врачебный взгляд. Как давать AI медицинский контекст: симптомы, динамику, анализы, препараты, историю. Кардиолог Марина Орлова и Ирина Зеленкова — спортивный врач, один из ведущих в мире учёных по гипоксии.

🔵 Здоровье как система (принцип во многом универсален и для мужчин): гормоны, нутрициология, сон, энергия, привычки. Как из хаоса собрать наблюдаемые паттерны. С Надеждой Андреевой, Екатериной Кирилловой, Кирой Глушковой и Тоней Жуковой.

🔵 AI-агенты и длинная память. Всеволод Устинов, сооснователь и CEO Plurio и один из самых сильных людей по AI-агентам, кого я знаю, покажет персонального AI-коуча.

🔵 Клиники и внедрение AI. Руководители крупных клиник расскажут, что из AI уже приживается (диагностика, контроль качества, документация, patient journey), а что пока лишь красивая презентация.

🔵 Longevity и пептиды. Ксения Бутова: как устроена longevity-клиника и новые направления в мед-бизнесе. Анастасия Куренкова: как через AI отличать данные от маркетингового дыма в пептидах и хайповых протоколах.

🔵 Медицина будущего. Включение в систему данных о генетики для глубокой персонализации- Ольга Маркес. Дмитрий Мацкевич и Илья Мутовин: как строить тех-продукт для медицины будущего — агент пациента, агент врача, автоматизация сбора и передачи контекста между ними и новые сценарии взаимодействия.

🔵 HealthTech маркетинг. Екатерина Резникова, фаундер HealthTech-компании в США, покажет, как автоматизировала отдел маркетинга целиком на AI-агентах; особенности медицинского маркетинга.

К финалу вы соберёте свою версию системы: для личного здоровья, практики, ресёрча или health-проекта.

📅 9–31 июля, онлайн.
Регистрация доступна последнюю неделю.
Подробности тут:
https://t.me/ai_med_reg_bot

Как не быть обманутыми стохастическими системами, которые мы называем искусственным интеллектом?

Друзья, делаю открытую практическую встречу на тему, вокруг которой сейчас очень много вопросов.

Проведём её вместе со спикерами программы: Еленой Дегтярь — PhD (Doctor of Philosophy), биологом и исследователем, экс-сотрудником Max Planck Institute; и Ольгой Маркес — основательницей SEKTA и founder; AI Agency Евгением Ридом — серийным предприримателем и специалистом на пересечении технологий, инвестиций и права.

Поговорим о сложном: как ориентироваться в мире противоположных мнений врачей, противоречивых исследований и уверенных ответов AI, которые иногда оказываются ложными.

Почему нейросеть может придумать не только ответ, но и убедительно подкрепить его ссылкой на несуществующее исследование? Спойлер: не со зла 😈) Просто нужно понимать несколько базовых принципов работы этих систем — и знать, как их направлять и проверять.

На практике разберём плагины, AI-агентов, агентные системы и skills: какие инструменты действительно подходят для медицинских задач, поиска исследований, проверки достоверности данных и анализа противоположных мнений.

Будем учиться не попадать под гипноз уверенного AI-ответа — и при этом извлекать из этих систем максимум пользы для своего здоровья, здоровья близких и пациентов.

7 июля, вторник
16:00 - 17: 00 (по московскому времени)

🎁В конце встречи у меня будет для вас подарок.
Ссылка на всттечу придет завтра в бот.

Добавить встречу в календарь - открыть файл, который прикреплен к этому посту.