Проблема «черного ящика» в искусственной поджелудочной
Системы искусственной поджелудочной железы (APS), работающие на основе обучения с подкреплением (RL), демонстрируют высокую эффективность, но их алгоритмы остаются «черным ящиком». Врачи и пациенты не могут понять логику дозировок инсулина, что снижает доверие к автоматизации. Статья, представленная на IEEE CASE 2026, предлагает решение: LLM-T1D — интерпретируемую систему, которая не только управляет подачей инсулина, но и объясняет свои действия на естественном языке.
Архитектура: Дистилляция знаний RL в LLM
Авторы разработали двухэтапный процесс. Сначала был обучен экспертный RL-контроллер. Затем его знания были «дистиллированы» (перенесены) в две большие языковые модели: LLaMA 3.1 8B и Qwen3 8B. Это позволило создать контроллер, который сохраняет точность RL, но добавляет слой прозрачности, генерируя текстовые обоснования каждого решения.
Результаты тестирования на симуляторе UVA/Padova
Валидация проводилась на утвержденном FDA симуляторе T1D. Ключевая метрика эффективности — время в целевом диапазоне глюкозы (Time in Range, TIR). LLM-контроллеры показали результат 73.5% TIR, что является отличным показателем для закрытых систем управления диабетом. Особое внимание уделено безопасности: проведена формальная верификация на отсутствие «галлюцинаций» (выдач опасных или нелогичных рекомендаций).
| Параметр | Значение / Описание |
|---|---|
| Название модели | LLM-T1D |
| Базовые LLM | LLaMA 3.1 8B, Qwen3 8B |
| Метрика эффективности | 73.5% Time in Range (TIR) |
| Платформа тестирования | UVA/Padova T1D Simulator (FDA-approved) |
| Ключевая особенность | Генерация объяснений решений на естественном языке |
| Безопасность | Формальная верификация против галлюцинаций |
Значение для медицины и AI
Работа Maya Sarkar демонстрирует переход от «слепого» доверия к алгоритмам к партнерской модели взаимодействия. Возможность для врача или пациента прочитать: «Я снижаю дозу, так как уровень глюкозы падает быстрее прогноза», меняет парадигму использования ИИ в критически важных медицинских системах. Это первый шаг к созданию доверенных автономных медицинских агентов.
Источник: arXiv cs.AI ↗