🩺 МедАссист и ChatGPT — сравнение. Что лучше?

Я всё чаще слышу одну и ту же историю: человек получает на руки бланк с биохимией, открывает ChatGPT, прикладывает PDF и пишет «расшифруй». Через минуту нейросеть выдаёт уверенный ответ — иногда полезный, иногда совершенно мимо. И в обоих случаях пациент уходит с ощущением, что «всё понял».

Меня этот сценарий беспокоит, и не потому, что я работаю над собственным медицинским ИИ. А потому, что по образованию я занимаюсь когнитивными науками и архитектурой языковых моделей — и хорошо понимаю, чего эти системы делать не умеют. ChatGPT — отличный универсальный инструмент. Но между «отличный» и «подходящий для расшифровки анализов» — пропасть, в которую регулярно проваливаются вполне образованные люди.

В этой статье я разберу — без перегибов, без паники и без рекламы — как устроены универсальные языковые модели, почему они проваливают именно медицинский контекст, и в каких сценариях они всё-таки уместны. А заодно объясню, что мы в команде МедАссист делаем по-другому и почему.

Универсальная модель vs специализированный медицинский ИИ: в чём архитектурная разница

ChatGPT — это большая универсальная языковая модель (LLM), обученная предсказывать следующий токен на огромном корпусе текстов из интернета. Она знает понемногу обо всём: от рецептов борща до квантовой хромодинамики. медицина для неё — лишь один из многих доменов, и ничем особенным с точки зрения архитектуры не выделена.

Специализированный медицинский ИИ устроен иначе. Это не одна модель, а пайплайн: распознавание документа (OCR), жёсткий парсинг каждого показателя в структурированный объект, валидация против справочников единиц измерения и референсных интервалов, и только потом — аналитический модуль, который сопоставляет данные с клиническими рекомендациями. На последнем этапе используется техника RAG — Retrieval-Augmented Generation, описанная ещё в классической работе Lewis et al. (2020): модель отвечает не «из головы», а извлекая релевантные фрагменты из верифицированной базы знаний.

Ключевое отличие: универсальная модель генерирует ответ, специализированная — извлекает и сопоставляет данные. Первая может быть креативной и ошибаться, вторая обязана быть точной и предсказуемой. В медицине креативность — антипаттерн.

Lost in the Middle: реальная проблема, а не «маленькое контекстное окно»

Один из самых живучих мифов о ChatGPT — что он «не справится с длинным анализом, потому что у него маленькое окно». На 2026 год это уже не так: GPT-5.4 поддерживает контекстное окно около 1 миллиона токенов, Claude Opus 4.6 — тоже 1M, Gemini 3.1 Pro Preview — 1M на вход. Этого хватит на пятистраничный PDF с гигантским запасом.

Реальная проблема — другая, и она называется Lost in the Middle. Это феномен, описанный в исследовании Liu et al. (2023, Stanford): когда вы даёте LLM длинный контекст, модель отлично извлекает информацию из его начала и конца, но «проседает» в середине. График точности по позиции выглядит как U: высокая — на краях, провал — посередине. И это касается даже моделей с миллионным окном.

Что это значит для вашего анализа? Если в пятистраничном PDF критический показатель — например, повышенный С-реактивный белок — попадает на третью страницу, ровно в центр промпта, у универсальной модели заметно повышается шанс просто не «увидеть» его при рассуждении. Не «забыть», а недостаточно учесть в финальном выводе. Для художественного текста это незаметно. Для биохимии — это пропущенное системное воспаление.

В нашей системе мы обходим этот эффект архитектурно: данные сначала извлекаются в строгую таблицу, и только она передаётся аналитическому модулю. Lost in the Middle на структурированной таблице из 30 строк работает иначе, чем на свободном тексте на 5 страниц.

И здесь скажу о конкретике, потому что вопрос «а сколько показателей вообще можно загрузить» один из самых частых. К нам в МедАссист регулярно загружают PDF на 80, 100 и даже 150+ показателей за один визит — биохимию, гормоны, общий анализ крови, коагулограмму, липидный профиль, иммунограмму одновременно. Каждая цифра попадает в анализ, и аналитический модуль параллельно ищет взаимосвязи между всеми группами: как тиреотропный гормон коррелирует с холестерином, как ферритин читается в свете С-реактивного белка, как уровень глюкозы взаимодействует с триглицеридами и инсулином, как изменение креатинина за два года сочетается с динамикой давления. Универсальная LLM такую сетку связей не построит — она физически не справляется с тем, чтобы держать в голове и одновременно сопоставлять десятки независимых параметров без структурного представления.

Галлюцинации: почему медицина — худший домен для них

Большие языковые модели галлюцинируют — то есть с уверенным тоном выдают информацию, которой нет ни в их обучающих данных, ни в реальности. Это не баг, это следствие самой природы вероятностного предсказания токенов: модель оптимизирована не на истину, а на правдоподобность.

В большинстве задач это приемлемо. Если ChatGPT придумает несуществующую функцию в малоизвестной библиотеке — программист увидит ошибку компиляции и поправит. Если он перепутает год выхода фильма — никто не пострадает.

В медицине цена другая. Бот может уверенно «вспомнить» референсный интервал, которого не существует. Может предложить связь между двумя показателями, которой нет в литературе. Может назвать препарат, который снимет симптом, а заодно даст противопоказание, которое модель «не учла». И всё это — с тем же спокойным, уверенным тоном, что и при ответе на вопрос о столице Франции.

Специализированные системы решают это жёсткими ограничениями (guardrails): аналитический модуль работает строго в рамках предзагруженных клинических рекомендаций. Если правила нет — система говорит «недостаточно данных», а не сочиняет.

Приватность: что происходит с вашим PDF после загрузки в ChatGPT

Это часть, о которой почти никто не задумывается. Когда вы загружаете в бесплатный или Plus-аккаунт ChatGPT свой бланк анализов — что происходит с этим файлом?

По текущей политике OpenAI, пользовательские разговоры в потребительских продуктах (ChatGPT Free, Plus, Pro) по умолчанию могут использоваться для дообучения моделей. Отключить это можно вручную в настройках приватности или через режим Temporary Chat — но мало кто это делает. На бизнес-тарифах (Team, Enterprise, API) данные не используются для обучения по умолчанию, но обычный пользователь сидит не на них.

В медицинском бланке обычно есть: ваше ФИО, дата рождения, иногда адрес, номер полиса, наименование лаборатории и врача. Это персональные данные специальной категории — данные о состоянии здоровья. По российскому 152-ФЗ «О персональных данных» такие данные требуют письменного согласия на обработку, а сами обработчики обязаны хранить их в базах на территории РФ. Загрузка собственного анализа в иностранный сервис — формально не нарушение со стороны пациента (вы распоряжаетесь своими данными), но и обратного контроля у вас тоже нет: что произойдёт с этим файлом дальше, не знает никто.

Я не призываю к паранойе — большинство пользователей загружают свои анализы и живут спокойно. Но если для вас приватность медицинских данных — не пустой звук, это аргумент в пользу сервисов, которые работают в защищённом контуре и явно описывают, что делают с вашими файлами.

Когда универсальный ИИ особенно опасен

Опаснее всего не одиночный показатель, а ситуации, где требуется видеть взаимосвязь десятков параметров и понимать клинический контекст. Несколько типичных ловушек:

• Большие панели (15+ показателей одновременно). Вступает в действие Lost in the Middle: модель уверенно прокомментирует первые и последние строки, а в середине может упустить тонкие, но важные изменения.
• Онкомаркеры. Здесь интуиция «выше нормы — плохо, в норме — хорошо» откровенно не работает. Многие онкомаркеры повышаются при доброкачественных процессах, и наоборот, могут быть в норме при подтверждённой опухоли. Универсальная модель часто выдаёт стандартный шаблонный ответ, который пугает зря или ложно успокаивает.
• Ферритин в отрыве от воспаления. Классический пример: ChatGPT видит повышенный ферритин и говорит «у вас избыток железа, ешьте меньше красного мяса». Но ферритин — это белок острой фазы, и его повышение часто отражает не запасы железа, а системное воспаление. Без одновременного взгляда на С-реактивный белок и формулу крови интерпретация в одну сторону — это ошибка.
• Педиатрические анализы. Референсные интервалы у детей меняются с возрастом буквально по месяцам. Универсальная модель регулярно «подмешивает» в ответ взрослые нормы, и родитель получает ложную тревогу или ложное успокоение.

Сравнение по ключевым параметрам

Если свести всё сказанное в одну таблицу:

Параметр	Универсальный ChatGPT	Специализированный медицинский ИИ (МедАссист)
Архитектура	Одна большая LLM, генеративный ответ	Пайплайн: OCR → парсинг → RAG-аналитика по клин. рекомендациям
Точность извлечения цифр	Средняя, проседает в середине документа (Lost in the Middle)	Гарантированная — каждый показатель парсится в структурированный объект
Защита от галлюцинаций	Минимальная, ответ оптимизирован на правдоподобность	Жёсткие guardrails, ответ только в рамках протоколов
Объём анализируемых данных	Деградирует на больших панелях	Стабильно работает на 100+ показателях за визит
Поиск взаимосвязей	По общим паттернам, без гарантий	Систематический, между всеми группами параметров
Динамика по годам	Не отслеживается между сессиями	Тренды и сравнение по визитам
Маршрутизация к специалисту	Общая («сходите к терапевту»)	По конкретным клиническим алгоритмам
Приватность для пользователя из РФ	Данные могут попасть в обучение, серверы за рубежом	Защищённый контур, ориентация на 152-ФЗ
Лучший сценарий применения	Объяснение терминов, перевод, общие вопросы	Расшифровка анализов, подготовка к визиту, отслеживание динамики

Пошаговый алгоритм: что делать, когда у вас на руках результаты анализов

Если кратко — не гуглите показатели по одному и не кидайте всё подряд в первый попавшийся чат-бот. Действуйте системно:

1. Не паниковать. Референсный интервал — это диапазон, в который попадают примерно 95% условно здоровых людей. По определению около 5% здоровых будут «вне нормы». Выход за референс — повод разобраться, а не диагноз.
2. Собрать данные в одном месте. Если есть динамика за несколько лет — это золото. Многие важные сигналы видны не в абсолютных значениях, а в трендах.
3. Использовать инструмент, который не теряет данных. Это может быть специализированный сервис, может быть структурированная таблица в Excel — главное, чтобы каждая цифра была учтена.
4. Искать синдромы, а не отдельные цифры. Глюкоза + гликированный гемоглобин + триглицериды + ЛПВП вместе рассказывают о метаболизме гораздо больше, чем каждый показатель в отдельности.
5. Определить специалиста. Часто главная польза грамотного разбора анализов — понимание, к кому идти: терапевту, эндокринологу, гематологу. Это экономит недели и нервов, и денег.
6. Прийти к врачу подготовленным. Сформулировать конкретные вопросы. Врачу гораздо проще работать с пациентом, который спрашивает «может ли мой ТТГ при таком свободном Т4 указывать на субклинический гипотиреоз», чем с тем, кто просит «вылечить плохие циферки».

Когда ChatGPT всё-таки уместен в медицинском контексте

Я бы не хотел, чтобы статья выглядела однобокой. Универсальные LLM в медицине полезны — просто не там, где их обычно используют. Несколько сценариев, где я сам ими пользуюсь:

• Объяснение терминов. Что такое СОЭ, чем отличается прямой и непрямой билирубин, что значит «эозинофилия» — ChatGPT отлично разъясняет понятия.
• Перевод медицинских заключений с других языков с пояснением контекста.
• Подготовка списка вопросов к врачу на основе симптомов и общего контекста.
• Ориентация в незнакомой области медицины — узнать, что вообще существует такая специальность, какие бывают подходы к лечению, какие ключевые слова искать дальше в литературе.
• Помощь в чтении научных статей, если вы погружаетесь в тему глубже.

Что плохо подходит: расшифровка конкретных результатов анализов, постановка диагнозов, оценка динамики по нескольким бланкам, рекомендации по препаратам. Это всё про точность работы с данными, а не про объяснение концепций. Кстати, исследование Kung et al. (2023, PLOS Digital Health) — то самое, где ChatGPT «сдал USMLE» — на самом деле показало результат на грани прохождения (около 60%), и сами авторы прямо пишут, что сдача теста с виньетками не равна клиническому мышлению. ИИ может рассуждать как медик, но не несёт ответственности как медик — а это разные вещи.

Мини-FAQ

Может ли специализированный медицинский ИИ ошибаться? Да. Любой ИИ — это инструмент поддержки решений, не оракул. Но вероятность того, что он пропустит данные из бланка или придумает несуществующий диагноз, в правильно построенной системе сводится к минимуму за счёт жёсткого парсинга и работы строго в рамках клинических рекомендаций.

Зачем мне ИИ, если врач всё равно посмотрит? Чтобы прийти к врачу с уже структурированными данными и конкретными вопросами. Время приёма ограничено, и если первые 15 минут уходят на переписывание ваших цифр в карту — на разбор остаётся слишком мало.

Сколько показателей МедАссист может проанализировать за один раз? В реальной практике — 100 и больше за один визит. Биохимия, гормоны, общий анализ крови, коагулограмма, липидный профиль одновременно. Аналитический модуль ищет взаимосвязи между всеми группами параллельно, без потери цифр.

Можно ли загружать старые анализы за несколько лет? Это самое полезное, что вы можете сделать. медицина — наука о динамике. Удерживать в голове сотни цифр за пять лет человек не может, а грамотный сервис мгновенно строит тренды и подсвечивает изменения.

Если я опытный пользователь и понимаю медицину — могу я работать с ChatGPT? Можете, но с осторожностью: помните про Lost in the Middle и галлюцинации, перепроверяйте численные пороги по справочникам, и не загружайте чувствительные документы в потребительский тариф без понимания политики приватности.

Заключение

ИИ изменил то, как мы взаимодействуем с собственным здоровьем — и это в целом хорошо. Но универсальная языковая модель и специализированный медицинский ИИ — это два разных инструмента. Они одинаково «умные» в смысле архитектуры, но по-разному устроены под задачу.

Если вы хотите попробовать инструмент, который проектировался специально под расшифровку анализов с учётом всего, что я описал выше — мы в команде делаем как раз такой: МедАссист. Без обещаний «вылечить» — но с гарантией, что ни одна цифра из вашего бланка не потеряется и любой вывод можно будет показать врачу.

Проверено медицинским экспертом Др. Айгерим Бисенова Главный врач, терапевт

Информация носит образовательный характер и не заменяет консультацию врача.

Обновлено: 16.04.2026