Специализация вместо универсальности
Команда исследователей во главе с Эндрю Чжаном представила Clinical System One (CS1) — «System One» модель принятия решений объемом 4 миллиарда параметров. В отличие от общих LLM, CS1-4B обучена на 12,4 млн пар вопросов и ответов, сгенерированных на основе историй болезни 3,6 млн пациентов. Архитектура объединяет структурированные данные, исходы лечения и текстовые заметки врачей, позволяя модели выдавать типизированные ответы с вероятностной оценкой уверенности.
Рекордная скорость и эффективность
Главное преимущество CS1 — радикальное снижение затрат на инференс. Модель способна обрабатывать полные многолетние истории пациентов, генерируя цитируемые ответы, при этом используя в 690 раз меньше токенов, чем стандартная LLM, читающая каждый документ. При сопоставимых рабочих нагрузках скорость вывода (inference) у CS1-4B оказалась в 6,4 раза выше, чем у моделей-кандидатов объемом до 27 млрд параметров.
Сравнение производительности
На тестовой выборке из 963 408 пациентов CS1-4B превзошла открытые модели до 27 млрд параметров в 13 из 14 задач. Ниже приведено сравнение ключевых метрик эффективности:
| Метрика | Clinical System One (CS1-4B) | Базовые LLM / Модели до 27B |
|---|---|---|
| Размер модели | 4 млрд параметров | До 27 млрд параметров |
| Скорость инференса | В 6,4 раза быстрее | Базовый уровень |
| Затраты на токены (скрининг) | В 690 раз меньше | Высокие затраты (чтение всех записей) |
| Точность скрининга (Top-20) | В 4 раза больше кандидатов | Ниже (по сравнению с ключевым поиском) |
Агентный подход и клинические испытания
CS1 интегрируется с агентами на базе общих языковых моделей, создавая гибридную систему. В эксперименте по скринингу пациентов для соответствия критериям 17 зарегистрированных клинических испытаний, связка CS1+LLM поместила в топ-20 кандидатов в 4 раза больше подходящих пациентов, чем традиционный поиск по ключевым словам. При этом система сэкономила колоссальное количество вычислительных мощностей.
Новая парадигма: разделение труда
Исследование обосновывает новую архитектуру клинического ИИ: малые специализированные модели (System One) берут на себя рутинное чтение записей и первичный отбор, в то время как генеративные модели (System Two) занимаются формулировкой сложных вопросов и синтезом доказательств. Это позволяет масштабировать медицинский ИИ без экспоненциального роста затрат на вычисления.
Источник: arXiv cs.AI ↗