Гибридная архитектура для сложных данных
Система MeddeX решает проблему обработки разнородных медицинских документов. Архитектура объединяет текстовую модель LLaMA-3 (8B), дообученную методом QLoRA, с мультимодальным слоем Gemini Vision. Это позволяет системе работать не только с текстовыми PDF, но и со сканированными изображениями и радиологическими снимками. Ключевым нововведением стал механизм обнаружения «мусорного текста» (garbage-text detection), который корректно обрабатывает поврежденные файлы и документы в кодировке UTF-16.
Интеллектуальная работа с контекстом
MeddeX выходит за рамки простого суммирования. Система использует Retrieval-Augmented Generation (RAG) для привязки ответов к конкретным отчетам, а также включает движок автоматического сравнения отчетов во времени (longitudinal comparison). Для работы с устаревшими данными реализован конвейер самовосстановления (self-healing backfill), который лениво обрабатывает legacy-документы по запросу. Технический стек включает FastAPI, векторное хранилище Supabase и фронтенд на Next.js.
Результаты бенчмарков
Эксперименты показали стабильное превосходство MeddeX над базовой моделью LLaMA3-Med42-8B. Дообучение и интеграция RAG позволили существенно улучшить метрики качества генерации, особенно в точности совпадения с эталонными текстами (BLEU) и семантическом сходстве (BERTScore).
| Метрика | Прирост (Delta) | Значение |
|---|---|---|
| ROUGE-1 | +9.2% | Улучшение точности лексики |
| ROUGE-2 | +10.0% | Улучшение биграмм |
| ROUGE-L | +11.8% | Улучшение длинных совпадений |
| BLEU | +71.4% | Резкий рост точности перевода/генерации |
| BERTScore | +0.8 | Улучшение семантического сходства |
Значение для клинической практики
Опубликованная в апреле 2026 года в International Journal of Scientific Research in Engineering and Management работа демонстрирует практический шаг к внедрению ИИ-ассистентов в клиническую поддержку принятия решений. Система снижает когнитивную нагрузку на врачей, минимизируя риск ошибок при ручном анализе больших объемов данных.
Источник: arXiv cs.CL ↗