Вместо одного "Доктора-GPT" — целая команда: как Google придумала нового ИИ-помощника по здоровью

Google опубликовала масштабный 150-страничный отчёт о проекте Health AI Agents, в котором представлена новая концепция построения медицинских систем на базе искусственного интеллекта. Главная идея — отказ от единого монолитного "Doctor-GPT" в пользу многоагентной архитектуры Personal Health Agent (PHA), объединяющей три специализированных ИИ-агента, каждый из которых отвечает за отдельный аспект взаимодействия с пользователем.

От Doctor-GPT к Personal Health Agent

Согласно документу, PHA представляет собой модульную систему, основанную на модели Gemini 2.0, которая работает как интеллектуальный координатор. В систему входят три агента:

1. Data Science Agent (DS) - анализирует данные с носимых устройств, фитнес-трекеров и лабораторных исследований;

2. Domain Expert Agent (DE) - выступает как медицинский эксперт, проверяющий факты и актуальные знания;

3. Health Coach Agent (HC) - взаимодействует с пользователем, помогает ставить цели и мотивирует к изменению привычек.

Все три компонента объединены через оркестратор с памятью, который отслеживает цели, барьеры и ключевые инсайты пользователя, обеспечивая персонализацию и согласованность рекомендаций.

"Мы переосмыслили подход к дизайну медицинских систем. Вместо универсального ИИ-врача мы создаём экосистему взаимосвязанных агентов, работающих в интересах пользователя", — говорится в отчёте Google Research.

Как обучали систему: исследование WEAR-ME

PHA обучался на данных из исследования WEAR-ME, в котором приняли участие пользователи Fitbit, согласившиеся предоставить свои биометрические данные.

Каждый участник сдал кровь в лаборатории Quest Diagnostics, а затем их показатели (анализы, данные с носимых устройств, анкеты) были объединены в мультимодальные профили.
Для гуманитарной оценки исследователи выбрали 10 типовых профилей здоровья, по каждому из которых случайным образом отобрали по пять участников.

Таким образом, система получила данные, отражающие широкий спектр состояний — от нарушений сна и стресса до метаболических изменений.

Результаты: PHA лучше, чем обычные LLM

Тестирование показало, что PHA значительно превосходит стандартные большие языковые модели (LLM) в медицинских сценариях.
На 10 бенчмарках многоагентная система показала улучшение качества ответов на 5,7-39%, особенно в сложных запросах, требующих анализа нескольких источников данных.

В пользовательском исследовании, где участвовали 20 участников и 50 экспертов, PHA признали более предпочтительным по сравнению с классическими чат-ботами.

"Personal Health Agent способен рассуждать на уровне врача-консультанта, при этом поддерживая эмпатичную и структурированную коммуникацию", — отметили исследователи.

Принципы дизайна новой системы

В отчёте Google описаны основные принципы проектирования PHA, направленные на повышение доверия и эффективности:

• Ориентация на реальные потребности пользователя, а не на абстрактные медицинские задачи.

• Адаптивное взаимодействие агентов - они активируются только при необходимости.

• Минимизация запроса данных, если их можно вывести из уже доступной информации.

• Снижение когнитивной нагрузки - система избегает избыточных вопросов и сложных формулировок.

• Минимизация задержки: оптимизация обмена между агентами для более быстрого отклика.

Что умеет Personal Health Agent

PHA протестировали в ряде прикладных сценариев:

• ответы на общие вопросы о здоровье (без постановки диагноза);

• интерпретация данных носимых устройств и биомаркеров;

• рекомендации по сну, питанию и физической активности;

• оценка симптомов и подготовка к консультации с врачом;

• мотивационное сопровождение - постановка целей, отслеживание прогресса и мягкий коучинг.

Каждый агент специализируется на своём уровне: Data Science интерпретирует данные, Domain Expert обеспечивает точность и валидацию информации, а Health Coach помогает встроить рекомендации в повседневную жизнь.

Ограничения и вызовы

Несмотря на впечатляющие результаты, исследователи признают, что система пока не лишена недостатков:

• время отклика выше, чем у одиночных моделей (в среднем 244 секунды против 36 секунд);

• требуется аудит предвзятости и оценка корректности рекомендаций для разных групп пользователей;

• необходимо обеспечить соответствие регуляторным требованиям в области хранения и обработки медицинских данных.

Google также отмечает, что PHA пока не предназначен для постановки диагнозов или назначения лечения — его задача состоит в поддержке осознанного управления здоровьем.

Следующие шаги: эмпатия и адаптивное общение

В планах команды — внедрить адаптивный стиль общения, который позволит системе варьировать уровень эмпатии, строгости и эмоциональной поддержки в зависимости от состояния пользователя.

Это особенно важно для сценариев, связанных с ментальным здоровьем, реабилитацией и изменением образа жизни.

"Мы хотим, чтобы персональный агент здоровья был не просто советчиком, а партнёром в заботе о себе", — отмечают авторы отчёта.

Значение проекта для отрасли

PHA может стать новой архитектурной моделью для медицинских AI-систем, объединяющей точность анализа данных с персонализированным общением. Подход Google меняет парадигму: ИИ перестаёт быть инструментом диагностики и становится интерактивным помощником по здоровью, поддерживающим долгосрочную вовлечённость пользователя.

Исторический контекст

Google уже несколько лет исследует применение ИИ в медицине — от анализа рентгеновских снимков до прогнозирования хронических заболеваний.
Однако Health AI Agents впервые объединяет интерфейс, данные и эмпатию в единую экосистему, где пользователь находится в центре процесса.