Adylbek Zhunusov

The model reasons freely and looks up real medical codes as it goes, then its answer is forced into a strict shape and mapped into standard clinical records. Everything interesting is what wraps around it, and most of it came from real incidents:

• It got BMI backwards. Reading height and weight out of free text, it called an obese patient underweight. Now those are proper measurements and BMI is calculated in code.
• It invents medical codes. It knows disease names well but makes codes up. Every diagnosis is looked up in the real registry; the correct code replaces the invented one, and the original is kept so an auditor can see what changed.
• Some suggestions are impossible. A filter after the model removes diagnoses that can't apply to that patient and drugs that clash with their allergies, each shown with the reason, never dropped silently.

Модель свободно рассуждает и по ходу ищет реальные медицинские коды, затем её ответ загоняется в строгую форму и раскладывается в стандартные клинические записи. Всё интересное вокруг неё, и почти всё выросло из реальных инцидентов:

• Она перепутала ИМТ. Вытаскивая рост и вес из свободного текста, назвала «дефицитом веса» пациента с ожирением. Теперь это полноценные измерения, а ИМТ считается кодом.
• Она выдумывает медицинские коды. Названия болезней знает хорошо, коды придумывает. Каждый диагноз ищется в настоящем справочнике; правильный код заменяет выдуманный, исходный сохраняется: аудитор видит, что изменилось.
• Часть подсказок невозможна. Фильтр после модели убирает диагнозы, неприменимые к пациенту, и препараты, конфликтующие с его аллергиями. Каждый с причиной, ничего не пропадает молча.

The AI replays real visits. It sees exactly what the doctor saw, the real diagnosis hidden. A second model then judges whether it got there.

• It asks a fairer question first. Before looking at the AI's answer, the judge asks whether the diagnosis is reachable from this input at all. If the doctor diagnosed from something not in the data, the case is excluded instead of counted as a failure.
• It checks three sources. Doctors record diagnoses in three different places and the coded one is often incomplete. A hit counts against any of them.
• It compares meaning, not text. Different code systems and staging are noise; the judge gets calibrated examples of what counts as the same disease.

ИИ прогоняет реальные визиты. Он видит ровно то, что видел врач, настоящий диагноз скрыт. Затем вторая модель судит, дошёл ли он.

• Сначала задаётся более честный вопрос. Ещё не глядя на ответ ИИ, судья спрашивает, достижим ли диагноз из этих данных вообще. Если врач поставил его по тому, чего в данных нет, кейс исключается, а не засчитывается как провал.
• Проверяются три источника. Врачи записывают диагноз в трёх разных местах, и закодированный часто неполон. Попадание засчитывается по любому из них.
• Сравнивается смысл, а не текст. Разные системы кодирования и стадии это шум; судье даны калиброванные примеры того, что считать одной болезнью.