18 марта на форуме OpenAI Сид Сийбрендиж рассказал, как ChatGPT (чат-ассистент с нейросетью) помог ему в борьбе с остеосаркомой. Никаких чудес не было — была жёсткая работа с большими массивами медицинских данных. После операции, облучения и тяжёлой химиотерапии у Сида сейчас нет признаков болезни, и это стало рабочим ориентиром команды.
Эта история важна не как биография предпринимателя, а как урок для AI-команд: когда диагноз редкий и срочный, время становится редким ресурсом.
Что реально изменилось: диагностика и выбор терапии стали быстрее, чем в обычной модели
\n
Вместо длинной линейки подрядчиков данные собрали в общий поток. AI (искусственный интеллект) свёл диагностику, генетику и визуализацию в один рабочий контур.
Раньше между этими блоками уходили недели. Теперь многие этапы делались итерациями по нескольким дням, потому что часть рутинного анализа ушла в алгоритмы.
- Single-cell sequencing (секвенирование по одной клетке) — показало, какие подтипы клеток в опухоли ведут себя по-разному.
- DNA/RNA sequencing (чтение ДНК и РНК) — дало понимание мутаций и возможных мишеней без затяжного ожидания.
- Targeted imaging (целенаправленная визуализация) — проверила, где терапия действительно попадает, а где проходит мимо.
- AI-assisted literature review (обзор научных публикаций с AI) — ускорил поиск свежих протоколов и рабочих гипотез.
- Bioinformatics (биоинформатика) — соединила результаты лабораторий, клиники и исследовательских заметок в единую модель.
- AI помогал строить связки между фактом и решением, поэтому команда не теряла время на ручное сверивание источников.
По словам участников, у Сида рассматривались варианты включая персональную mRNA-вакцину (вакцину на матричной РНК) и engineered cell therapies (инженерные клеточные терапии). Это уже не стандартная схема «готовое лекарство всем», а настройка под одного пациента.
Для рынка это важнее, чем кажется: у редких диагнозов часто нет массового каталога решений, а AI превращает фрагменты в рабочий маршрут.
\nЗачем это сделали и что за этим стоит: стандартная машина уже не спасала
\nОстосаркома редкая; менее 1000 случаев в год в США — это маленькая выборка. Когда заболевание редкое, типовые протоколы часто утапливаются в теории и не дают персонального ответа.
Ситуация усугубляется скоростью. После рецидива, как отметили участники, часто остаётся счёт месяцев. Здесь каждый месяц — это цена риска.
- Founder mode (режим управленческого режима быстрого реагирования) включился из-за конца стандартных траекторий лечения.
- Single patient IND (индивидуальное разрешение FDA на лечение одного пациента) стал юридической рамкой для эксперимента.
- FDA (американское управление по лекарствам и безопасности пищевых продуктов) открывает путь для персональных протоколов, когда обычных вариантов мало.
- Ценность подхода — не в чуде, а в том, что команда быстрее проверяет гипотезы и раньше корректирует тактику.
Сид и его команда не пытались заменить врача AI-ботом. Они пытались заменить «тишину между действиями» цифровой прозрачностью.
Эта линия особенно заметна для бизнеса: AI даёт не только ответы, а управляемость, где решения проходят быстрее и оставляют меньше пустых промежутков.
\nКак это применить прямо сейчас: 3 шага для маркетологов и разработчиков AI
\nЕсли вы строите AI-продукт в здравоохранении, этот кейс уже даёт вам каркас. Нужен не громкий MVP, а воспроизводимая связка данных.
- Соберите диагностические и эксплуатационные данные в единую схему: анализы, снимки, даты, дозировки, реакции.
- Пропишите AI-pipeline (конвейер AI-обработки), где модель делает рутинную часть, а эксперт подтверждает решения.
- Разбейте гипотезы по уровням риска: быстрый контроль, промежуточный контроль, и только потом экспериментальные шаги.
- Сделайте журнал изменений обязательным; без аудита AI-переход становится дорогим и непрозрачным.
- Считайте сроки: если цикл «данные→решение» падает с недель до дней, вы уже окупаете проект.
| Кто применяет | Что делать в 30 дней | Метрика |
|---|---|---|
| Предприниматели AI | Запуск pilot на одном клиентском кейсе с медицинской базой | Снижение времени принятия решений на 30–50% |
| Разработчики | API для ingestion, индексирования, выдачи гипотез и отчётов | Доля автоматических проверок > 60% |
| Маркетинг/продукт | Внятные объясняемые слайсы: почему рекомендация появилась | Снижение отказов и рост доверия пользователей |
- Важно: начинайте с одной линии пациента и постепенно масштабируйте, иначе скорость падёт и доверие клиентов исчезнет.
- Важно: AI без объяснимости — опасная штука в медицине, даже если модель очень умная.
Главный сдвиг здесь не про новую модель AI, а про новую операционную логику. Когда данные становятся рабочей дорогой, даже редкий диагноз можно вести не на удачу, а по плану.
Исход видео: Официальный разбор на OpenAI Forum.