В настоящее время системы поддержки принятия врачебных решений (СППВР) с использованием искусственного интеллекта (ИИ) начинают внедряться в медицинскую практику [1, 2]. Некоторые большие языковые модели (LLM) позволяют локально развертывать СППВР без необходимости интернет-подключения, что делает их особенно полезными в условиях сельской местности и удаленных районов [3]. Для возможности использования в практическом здравоохранении требуется ряд исследований, включающих, в том числе, оценку точности ответов таких систем в диагностике и лечении заболеваний.
Цель исследования: пилотная оценка возможности применения большой языковой модели с открытым кодом, работающей на локальном компьютере, как источника информации для врача в вопросах диагностики и лечения заболеваний.
В исследовании использовалась большая языковая модель с 8 млрд параметров, способная работать на локальном компьютере без подключения к интернету. В модель в формате Markdown-разметки были загружены КР по двум заболеваниям: артериальной гипертензии (АГ) [4] и сахарного диабета 2 типа (СД) [5]. Для тестирования использовались клинические случаи и вопросы по диагностике и лечению этих заболеваний [6], взятые из пула клинических задач для последипломного обучения врачей. Результаты, предоставленные моделью, были сопоставлены с положениями соответствующих КР. Правильность и точность ответов оценивалась экспертами (врачами-клиническими фармакологами).
Модель успешно была установлена на локальный компьютер и готова к работе в оффлайн-режиме, тексты КР в маркдаун-разметке были предзагружены. Время обработки запросов было приемлемым для клинической практики, составляя от 10 до 50 секунд, среднее — 42,3 ± 5,4 секунды (p< 0,05).
Модель показала высокую точность в вопросах диагностики и стандартизированного лечения АГ и СД, а также стандартных клинико-фармакологических характеристик лекарственных препаратов. В 90 % случаев ответы полностью совпадали с официальными рекомендациями. Ошибки были связаны с трудностью интерпретации редких клинических сценариев, которые не были охвачены текстами предзагруженных КР.