Зачем я сделал персонального медицинского AI-помощника

Я тут наконец сам понял зачем сделал себе персонального медицинского AI помощника и почему с его задачами не справляется обычная медицина.

В конце статьи как всегда blueprint файл, который можете скачать, чтобы повторить мой проект целиком.

Перечислять что система умеет делать не буду, можно прочитать или предыдущие посты или этот самый blueprint файл в комментах.

Если коротко что изменилось с предыдущей заметки: раньше система была умным наблюдателем, теперь она исследователь, который ставит на мне эксперименты и закрывает их.

Теперь подробно – зачем же я сделал свою персональную Health OS.

Три года назад я начал успешно сражаться с раком и победил. Но борьба с опухолью — это попытки врачей тебя убить в расчете, что опухоль умрет раньше.

При этом прорывы в медицине случились только за последние годы (мне повезло). И все светлые умы продолжают бороться с ужасной болезнью… а не последствиями лечения.

А как вернуть себе качество жизни, если ты вылечился? Ответа нет.

Спасенных пациентов пока еще мало. Да и времени прошло немного с тех пор, как научились нас вылечивать в большом проценте. То есть наука еще не наработала достаточное количество данных для разработки протоколов восстановления.

Медицина спасла мне жизнь и… бросила. Дальше, мол, сам.

В этом месте мой AI ассистент как раз идеально вписался.

Он знает мои анализы за все предыдущие годы. Он знает мой геном. Он знает многолетние данные из трекеров (Oura, Apple Watch).

Он знает какая именно химиотерапия была, какая операция на пищеводе, он ходит на медицинские ресурсы и ищет peer reviewed статьи, которые относятся к моей истории болезни.

Он знает рекомендации специалистов, с какой частотой нужно отслеживать показатели, находящиеся в зоне риска и ставит мне напоминалки сдать анализы. С адресом ближайшей от отеля лаборатории, если я в поездке.

Он умеет — проактивно — по результатам обследования строить гипотезы и проверять их у живого доктора через телемедицину.

Про гипотезы расскажу отдельно. Это один из самых прорывных моментов. Задача была научиться строить предположения максимально точно, без галлюцинаций. Критерий качества – хороший врач не говорит на гипотезу от нейросети “это херня”.

Первая версия ассистента умела самостоятельно замечать тренд и генерировала объяснение, которое потом валидировала с живым врачом.

Но теперь я научил систему клиническому мышлению. Она знает как вообще устроена медицинская гипотеза: что предрасполагает к состоянию → какой именно патофизиологический механизм → что из-за этого видно в анализах и на осмотре.

Под этим лежит классное инженерное решение, и оно мне кажется самым красивым во всём проекте.

Мы (с Клодом) взяли учебник, по которому медиков учат строить клинические рассуждения — «Case-Based Clinical Reasoning» и разобрали его на вики-обсидиан статьи. Получилось девяносто шесть отдельных концептов-страниц со связями и синонимами.

Важно, что я не просто загрузил PDF книжку в окно контекста. Хрен там пойми как она ее прочитает и на какую глубину.

Именно вики-структура помогает модели идти строго по инструкции. Когда по ходу разбора ей нужен конкретный термин, система сама его запрашивает, читает только нужные одну-три страницы из девяноста шести — не весь том.

Почему это важно. Это трындец как дешевле и одновременно точнее.

(продолжение тут)

(окончвние. начало тут)

Ассистент рассуждает по конкретным алгоритмам из настоящего медицинского учебника, а не по своим размытым общим представлениям. Метод заставляет заполнять конкретные слоты и честно писать «данных нет» вместо выдуманной заглушки.

И ещё это драматически дешевле: затолкать весь учебник в каждый запрос — дорого по токенам и вредно для качества, потому что лишний текст разбавляет фокус.

На самом деле, этот метод – мой личный левел-ап работы с нейронками.

Алгоритм простой: понять проблему -> найти нужную методику -> понять, какая книга лучше всего (полнота и плотность) описывает методику и превратить её в вики-структуру.

Кибербезопасность? Тестирование ПО? Архитектура программ? Лексический анализ? Нарратив? На все я нахожу книжку, делаю её вики-вариантом и встраиваю в процесс. И – повторюсь – это делает систему принципиально точнее.

Поэтому мой ассистент формулирует гипотезы, которые врачи не опровергли ни разу.

Гипотеза содержит критерии проверки. Например, задание пройти нагрузку и замерить давление. Или сдать кровушку на анализ.

Дальше полученные результаты возвращаются в систему и консилиум “специалистов” выносит вердикт подтверждена ли гипотеза, переформулирована или отклонена.

Если гипотеза выживает из неё рождается следующий план действий, и она ждёт новой порции данных, чтобы пройти проверку заново.

Классический HADI-цикл: гипотеза → действие → новые данные → перепроверка → вывод.

Как это выглядит на живом примере. Я у ассистента ничего не спрашиваю. Просто в один прекрасный день получаю новую гипотезу.

Наблюдение: фолат стабильно у нижней границы, B12 общий в норме, но его биодоступная форма снижена, панкреатическая амилаза и липаза внизу границы нормы. По отдельности — ничего. Вместе — это похоже на скрытую мальабсорбцию, и у неё есть имя: возможная экзокринная недостаточность поджелудочной после удаления кусков пищевода и желудка и 15 курсов химии.

Дальше система строит дифференциальный диагноз:

— собирает тринадцать лабораторных маркеров в одну картину; — подключает геном: вариант MTHFR, который мешает обмену фолатов, и варианты MFN2, важные для нервов после оксалиплатина; — отдельно перечисляет, что уже исключено: рецидив (онкомаркеры и PET-CT чистые), тканевый дефицит B12 (метилмалоновая кислота в норме), системное воспаление (CRP и СОЭ в норме), проблемы с сердцем и печенью;

С гипотезой такого качества не стыдно идти к человеку. И ответ врача это тоже данные для системы. Подтвердил — гипотеза переходит в подтверждённую и порождает протокол подтверждения. Скорректировал — она переформулируется и идёт на новый круг. Сдал новые анализы — они возвращаются, консилиум пересматривает вердикт.

Гипотеза не умирает после ответа доктора, она движется по состояниям. Это и есть завершение цикла: «спросили — получили данные — пересобрали картину».

Чтобы это работало непрерывно, AI ассистент ведёт график анализов. Он читает свободный текст из консультации с онкологом «маркеры раз в квартал» и заводит личное расписание для каждого маркера.

И, наконец, появился отдельный ракурс – восстановление после рака. То, о чем писал вначале.

Раньше система смотрела на сон, стресс и движение. Теперь у неё есть специальная оптика для постонкологического восстановления: чтение и отбор релевантных медицинских публикаций, структурированные опросники и ежемесячный консилиум именно по этой теме.

Старая система ходила к научной базе для «защиты от галлюцинаций», новая превратилась в активное курирование литературы под мой случай.

Подытожу. В марте это был умный репортёр. В апреле — ассистент, который говорит, что делать.

Сейчас это исследователь, который живёт со мной, ставит проверяемые гипотезы, доводит их до живого врача и замыкает круг новыми данными.

Система проактивна. Мне не надо про неё помнить и думать, она всегда приходит сама и проявляет заботу.

Всё крутится так же локально, на домашнем Mac Studio, двадцать четыре часа в сутки. По-прежнему проект делаем мы вдвоём — один гуманитарий и один Клод.

Мне 55 и я уверен, что не дожил ещё и до середины жизни. И поэтому строю себе медицинского AI помощника, чтобы прожить вторую половину с максимальным качеством жизни.

Хочешь так же? Просто скачай мой blueprint-файл, отдай своему Claude Cowork и попроси собрать такое же под себя.

Как он был собран за одно воскресенье

Если коротко. За 14 часов из ничего вырос персональный медицинский помощник с несколькими слоями:

Данные: Oura, Apple Health, лабораторные анализы, сканер медицинских документов

Агенты: 9 специалистов + 4 коуча + терапевт

Методология: MDT по стандартам ESMO/NCCN, семейная медицина по RCGP, доказательная база через PubMed

Выходы: ежедневный утренний брифинг, еженедельный GP-отчёт, ежемесячный стратегический обзор. 

Задачи: полный lifecycle от извлечения из отчёта до закрытия задачи в Apple Reminders. 

Blueprint файл в комментарии. 

Теперь подробно. 

Всё началось с двух простых желаний. 

Первое — навести порядок: у меня есть кольцо Oura, Apple Watch, история болезни в PDF-файлах, результаты анализов из клиник — и ни один из этих потоков данных не помогает понять себя. Я не медик и в медицине ни в зуб ногой. 

Второе — попробовать Claude Cowork. В разработке я понимаю еще меньше чем в медицине. 

Тем удивительнее результат. 

Начали с автоматического импорта из кольца и часов, и их интерпретации в бот телеграма. Нейронка читала сырые числа и пересказывала их понятным образом. Это был репортер, а не врач. 

Чтобы система понимала меня, нужна была предистория. В папке лежала сотня фотографий медицинских документов, поэтому построили распознавание документов, плюс автоматическое обновление базы: кинул файл в папку на телефоне, он тотчас появился в базе. 

Следующий вопрос оказался идеологическим-архитектурным: как избежать поверхностного подхода, где один агент все разбирает?

Взяли за основу «мультидисциплинарную команду» (MDT) — формат, принятый в в частности в UK Cancer Networks. 

Каждый «специалист» смотрит на данные через призму своей дисциплины, затем выводы синтезируются на консилиуме.

Нашел на гитхабе WellAlly, китайский проект где этот принцип реализован буквально. Девять агентов-специалистов, каждый с независимым системным промптом и своей методологией. 

• Онколог — мониторинг CEA/CA19.9, интерпретация PET, оценка риска рецидива по критериям RECIST
• Гастроэнтеролог — функция после эзофагэктомии, динамика амилазы, полипы в анамнезе
• Кардиолог — ВСР, ЧСС покоя, кардиотоксичность химиотерапии по протоколу ESC
• Гематолог — CBC, MCV-тренд (88→101 fL), дифференциальная диагностика макроцитоза
• Нефролог — почечная функция на фоне химиотерапии, клиренс препаратов
• Нутрициолог — нутритивный статус после резекции пищевода, альбумин, ферритин
• Эндокринолог — метаболический профиль, глюкоза, липиды
• Психиатр/Психолог — эмоциональный фон, качество жизни
• Пульмонолог — мониторинг последствий многолетнего курения 

На этом этапе появился вопрос: на чём основаны суждения агентов?

Подключили PubMed API. Система автоматически детектирует клинически значимые паттерны в данных и формирует поисковые запросы к базе данных. 

(Окончание тут)

(Начало тут)

Возвращаются актуальные публикации с PMID (артефакт, что сходил и прочитал). Параллельно исследовали интеграцию с Google Scholar  для более широкого охвата, включая клинические руководства и систематические обзоры, не индексированные в PubMed.

Каждый MDT-отчёт теперь содержит раздел с релевантными публикациями: почему агент пришёл именно к этому выводу.

Следующим шагом добавил «семейного врача» как синтезирующий слой. 

MDT консилиум работал, но у него был структурный изъян: девять независимых мнений без координатора. В реальной медицине эту роль играет General Practitioner — терапевт, который знает меня как систему, а не набор органов.

GP-агент был построен по методологии семейной медицины.

Он ведет список текущих проблем с автообновлением. 

Мыслит интервалами, что изменилось с прошлого запроса, какие тренды. 

Прописал ему SOAP-мышление (Subjective, Objective, Assessment, Plan) — структуру клинического суждения, принятая в большинстве систем здравоохранения. 

Добавил Safety net — обязательный компонент по стандартам RCGP (Royal College of General Practitioners): явные триггеры, при которых пациент не ждёт следующего плановго визита. 

Watchful waiting — доказательная стратегия для ситуаций с неопределённостью: наблюдение с явными критериями перехода в действие. 

Иными словами, GP — место где система принимает решение в неопределенности. 

На первом реальном отчёте стало очевидно: агенты строили выводы по анализам двухлетней давности с той же уверенностью, что и по свежим. 

Ввели окна валидности лабораторных данных, основанные на клинических протоколах. 

Второй структурный изъян первых отчётов: GP задавал вопросы и формулировал наблюдения, но дальше ничего не происходило. Вопрос «не пора ли сдать кровь?» растворялся в потоке текста.

Поскольку я строил помощника, то и влияние на мою жизнь должно быть реальным. Поэтому система должна ставить мне реальные задачи в мой планировщик. 

Построили агент задач с полным жизненным циклом, теперь задачи появляются  в штатном apple reminder. 

Еженедельно в воскресенье бот делает follow-up по незакрытым задачам старше семи дней — мягкое напоминание, что что-то ждёт ответа.

Финальный слой — четыре агента, которые следят за доменами образа жизни и ежедневно передают данные GP:

Sleep — структура сна.  Movement — шаги, дистанция, активные калории, activity score. Динамика относительно личной нормы, не популяционной. Stress/HRV — ВСР и ЧСС покоя с трендами на 7 и 30 дней.  Energy/Recovery — восстановление.

Утром GP читает бриф от тех агентов, у кого есть данные. Из этого синтезируется 4–7 предложений — не пересказ цифр, а клиническое суждение: что это значит именно для меня.

Для еженедельного отчёта GP видит флаги от lifestyle-агентов за семь дней, сгруппированные по доменам — паттерн повторяющихся сигналов важнее отдельных событий.

И это все сделано одним гуманитарием за одно воскресенье на одном обычном ноутбуке. 

А, да, оно работает. Первые сутки, но работает. Задачи уже поставлены, гипотезы построены. 

Повторюсь, я не медик и не разработчик. И вот вопрос, это единичный кейс или новая норма?

PS. Blueprint системы - тут

Что изменилось за месяц

За месяц после сборки всё стало сильно круче.

Если коротко: проект начинался как умный репортёр: собирает данные и пересказывает их понятным языком.

Я добавил геном и обучил систему проактивности. 

Сейчас система сама сравнивает текущие показатели с моей нормой за последние 90 дней, и если видит отклонение — пишет. Не “у вас было 195 минут стресса”. А “нервная система работала в 4 раза выше нормы. Сегодня ей нужен щадящий режим”.

Она видит мой геном и знает, что конкретно мне хорошо, а что плохо. У неё есть доступ в календарь, и она поэтому знает текущую нагрузку и предстоящие поездки. Вместе с данными с Oura и Apple Watch у неё много моего рутинного контекста.

По сравнению с первой версией, сегодняшняя – это как разница между анализом и врачом. Первый показывает числа, второй говорит, что с ними делать.

И это всё ещё делает один гуманитарий с Claude Cowork и без медицинского образования. Когда я пишу “мы”, то считаю Клода соавтором проекта. Теперь подробно.

Что было сделано в первой версии: 9 врачей и 5 коучей отвечали за обработку моих данных с умных часов и кольца.

Система автоматически брала файлы анализов, разбирала их на параметры, обсуждала их со специалистами. Плюс, ко всему этому была провязка к Pubmed, чтобы уменьшить галлюцинации системы.

Отсюда я пошёл дальше и скачал с 23andMe расшифровку своего генома. Мы его разобрали, прогнав через базу клинических вариантов и аннотировали каждый значимый маркер.

Плюс, выкачали 10 лет биометрических данных из Oura и Apple Watch и провели корреляционный анализ.

То, что обнаружилось, изменило мою жизнь.

Например, я могу пару дней ходить по 20 000 шагов и чувствовать себя отлично — а ещё через два дня HRV почти гарантированно покажет жалкие 17 мс. Так появляется скрытый долг и я обнаружил, что за этим нужно следить.

Ещё один вариант гена меняет метаболизм фолатов и витамина B12, что критично при питании. Другой ген влияет на митохондриальную функцию, что сказывается на восстановлении после химиотерапии. 

Это разные вещи: знать, что «глубокий сон у меня плохой», и понять, как это обусловлено генетикой, а значит, что никакие общие советы про гигиену сна не работают так же, как работают для людей без отклонений.

На основании анализа генома и найденных корреляций между сном, физической активностью и стрессом мы написали пять «конституций здоровья» — по одной на каждый домен: сон, питание, стресс, движение, нервная система. Это стало “правилами по эксплуатации Саши”.

(Продолжение тут)

(Окончание начало тут)

Конституция по сну говорит, например: мой хронотип требует строгого окна засыпания. Сдвиг засыпания на 30 мин раньше — приоритет над сдвигом пробуждения. Ходить более 12 000 шагов без следующего дня с разгрузкой разрушает структуру сна. И это число – мой конкретный верхний порог.

Раньше система сравнивала мои показатели с тем, “как у людей вообще”. Теперь, когда она видит вариабельность сердечного ритма 17 мс – аномально низко по возрастным стандартам – то знает, что у меня после 9 курсов химии это базовая линия восстановления.

Создание конституции зафиксировало понятие личной нормы и помогло создать систему проактивных предупреждений: “вчера было 2 часа стресса, но мало движений, попробуй утреннюю часть звонков провести в долгой прогулке с собаками”. 

То есть не я спрашиваю, что не так, а система сама приходит, когда видит отклонения.

Следующим шагом я добавил умение видеть тренд и превращать его в измеряемую гипотезу.

Ассистент замечает длительную аномалию — предлагает объяснение и план проверки. Если гипотеза связана с изменением поведения, то её можно принять и тогда система превращает её в систему напоминаний.

Если же она касается медицины (сделать анализы, принять препараты и т.д.), то тут железкам веры нет и нужен доктор.

Поэтому я нашёл “как проковырять дырку” к живому врачу. Система формулирует запрос для медика, отправляет это на healz.ai, а там есть возможность в один клик купить консультацию у лицензированного специалиста.

Берём нашу гипотезу со всеми деталями, которые могут понадобиться врачу и спрашиваем: “нужно ли на фоне указанных генетических отклонений при восстановлении после химиотерапии регулярно смотреть гомоцистеин и/или B12/фолат?”

И если доктор гипотезу подтверждает, то двигаем тушку сдавать анализы, если нет, то обогащаем систему его ответом.

Итого.

Система работает 24 часа в сутки полностью локально на домашнем mac studio.

В 8:30 утра присылает суждение о том, как прошла ночь и на что обратить внимание.

Каждые четыре часа днём проверяет состояние и при необходимости присылает алерт.

В 21:00 задаёт один вопрос — чекап про сегодняшний день. 

По воскресеньям 14 специалистов проводят совещание. GP делает интервальный отчёт — что изменилось с прошлой недели.

Задачи, которые система мне ставит, появляются в Apple Reminders. Незакрытые неделю — напоминает сама.

Врачи изредка получают от системы запросы с полной историей и релевантными деталями и все три раза валидировали (не полностью, но значительно) гипотезы.

Если вам тоже такое захочется повторить, возьмите в комментарии blueprint-файл, отдайте его Claude Cowork или Codex и попросите сделать вам такое же для себя.

Впервые опубликовано в телеграм-канале клуба