Автор: Ли Юань

Вы когда-нибудь обращались к ИИ-ассистенту за консультацией по вопросам здоровья?

Если вы, как и я, являетесь глубоким пользователем технологий ИИ, скорее всего, вы тоже это пробовали.

По собственным данным OpenAI, здоровье стало одним из самых распространенных сценариев использования ChatGPT: по всему миру более 230 миллионов человек каждую неделю задают вопросы, связанные со здоровьем и благополучием.

Именно поэтому с переходом в 2026 год сфера здравоохранения стала стремительно превращаться в одно из ключевых направлений конкуренции в индустрии ИИ.

7 января OpenAI представила функцию ChatGPT для здоровья, позволяющую пользователям подключать электронные медицинские карты и различные приложения для отслеживания состояния здоровья, чтобы получать более персонализированные медицинские рекомендации; а 12 января Anthropic немедленно выпустила Claude for Healthcare, сделав акцент на возможностях новой модели для медицинских задач.

Однако интересно то, что в этот раз китайские компании не остались в стороне и даже демонстрируют признаки лидерства.

13 января компания Baichuan Intelligence объявила о выпуске модели Baichuan-M3, которая показала лучшие результаты (SOTA) на наборе тестов HealthBench от OpenAI для оценки медицинских знаний, обойдя модель GPT-5.2 High от OpenAI.

После того как решение полностью сосредоточиться на медицинском направлении вызвало множество сомнений, Baichuan Intelligence, похоже, наконец смогла доказать свою состоятельность. Журнал GeekPark также специально побеседовал с Ван Сяочуанем, чтобы узнать, как компания оценивает возможности модели M3 и каков финальный этап развития медицинского ИИ.

01 Первое превышение результатов OpenAI на тестовом наборе в сфере здравоохранения

Одним из самых примечательных достижений выпущенной модели M3 стало первое преодоление результатов модели GPT-5.2 High от OpenAI на тестовом наборе HealthBench для оценки медицинских навыков, опубликованном самой OpenAI, что позволило ей занять позицию SOTA.

Результаты SOTA на HealthBench, HealthBench Hard и оценке галлюцинаций

HealthBench — это набор для оценки медицинских навыков, выпущенный OpenAI в мае 2025 года. Он был создан совместно 262 врачами из 60 стран и содержит 5000 пар многошаговых медицинских диалогов высокой реалистичности, являясь на сегодняшний день одной из самых авторитетных и близких к реальной клинической практике систем оценки в мире.

С момента публикации модели OpenAI неизменно занимали лидирующие позиции.

На этот раз новая открытая медицинская языковая модель Baichuan-M3 от Baichuan Intelligence набрала 65,1 балла в общей сложности, заняв первое место в мире. Более того, на HealthBench Hard, специально разработанном для проверки способности к сложному принятию решений, M3 также одержала победу, обновив рекордный результат.

Baichuan также одновременно опубликовала результаты тестирования уровня галлюцинаций: у модели M3 он составил всего 3,5%, что является наименьшим показателем в мире.

Примечательно, что данный уровень галлюцинаций измерялся без использования внешних инструментов поиска, исключительно в настройках самой модели.

В Baichuan Intelligence отмечают, что ключом к достижению этих результатов стало внедрение алгоритмов обучения с подкреплением (RL), адаптированных специально для медицинских задач.

В модели M3 впервые была применена технология Fact Aware RL (обучение с подкреплением, учитывающее факты), которая позволяет модели избегать шаблонных ответов и при этом предотвращает генерацию неправдивой информации.

В медицинской сфере это действительно критически важно.

При использовании необработанных моделей для медицинских запросов чаще всего возникают две проблемы: первая заключается в том, что модель может прямо фантазировать насчет симптомов пациента, выдумывая болезнь; вторая — ответы бывают слишком размыты, и в конечном итоге модель лишь советует обратиться к врачу, что не приносит особой пользы ни врачам, ни пациентам.

Это связано с тем, что многие модели используют чистый показатель уровня галлюцинаций в качестве цели оптимизации, из-за чего могут пытаться снизить его путем простого перечисления легко проверяемых фактов. Baichuan же внедрила механизм семантической кластеризации и взвешивания по важности: кластеризация устраняет влияние избыточных формулировок, а взвешивание гарантирует, что ключевые медицинские утверждения получают больший вес.

Кроме того, простое введение жесткого штрафа за галлюцинации может легко загнать модель в консервативную стратегию «меньше говоришь — меньше ошибаешься». Поэтому алгоритм Fact Aware RL включает механизм динамической регуляции весов, который адаптивно балансирует эти две цели в зависимости от текущего уровня развития модели: на этапе формирования компетенций приоритет отдается изучению и подаче медицинских знаний (высокий Task Weight); после достижения зрелости возможностей постепенно усиливаются ограничения на достоверность фактов (повышение Hallucination Weight).

При наличии доступа к интернету Baichuan дополнительно добавила модуль онлайн-верификации на основе многораундового поиска, а также внедрила высокоэффективную систему кэширования для согласования огромных объемов медицинских данных.

02 Уровень диагностики превышает возможности врачей, стадия практического применения

Однако обход результатов OpenAI на HealthBench — не единственное яркое достижение данного проекта.

Более интересным аспектом стало то, что Baichuan самостоятельно и творчески создала собственный набор для тестирования SCAN-bench. Вместо того чтобы просто соревноваться в рейтингах на тестах OpenAI, этот авторский набор лучше отражает именно те направления, над которыми Baichuan Intelligence планирует работать в сфере медицины.

Ключевой целью вновь созданного набора Baichuan стала оптимизация «сквозного навыка проведения амбулаторного приема». Это основано на внутренних экспериментах компании: точность сбора анамнеза, увеличивающаяся на каждые 2%, повышает точность итоговых диагноза и лечения на 1%.

В отличие от HealthBench от OpenAI, который до сих пор фокусируется преимущественно на вопросе «умеет ли ИИ отвечать на вопросы», система SCAN-bench от Baichuan призвана оценить: способен ли ИИ в ходе диалога получить необходимую информацию и предоставить корректные рекомендации по лечению и диагнозу.

Обычно, если мы просто просим ИИ-ассистента «представиться опытным врачом», качество ответа значительно не улучшается. Поскольку реальный процесс сбора анамнеза у врачей строго регламентирован — Baichuan структурировала его по принципу SCAN из четырех квадрантов: Safety Stratification (безопасная стратификация), Clarity Matters (прояснение деталей), Association & Inquiry (поиск связей и уточняющие вопросы) и Normative Protocol (стандартизированный вывод).

Опираясь на принципы SCAN, Baichuan, воспользовавшись методом OSCE, давно применяемым в медицинском образовании, вместе с более чем 150 врачами первого профиля разработала оценочную систему SCAN-bench. Она разбивает процесс диагностики на три основных этапа: сбор анамнеза, дополнительные исследования и точная постановка диагноза. Тестирование проводится динамично, в несколько раундов, полностью имитируя путь врача от первичного осмотра до постановки диагноза, а само построение модели оптимизируется с учетом достижения наилучших результатов на всех этих этапах.

На этот раз Baichuan также опубликовала результаты тестирования модели M3 в рамках SCAN-bench.

Результаты получились весьма любопытными. Baichuan провела сравнение не только между моделями, но и с реальными врачами. Оказалось, что во всех четырех квадрантах человеческие врачи фактически уже уступают показателям, которых достигает искусственный интеллект.

Журнал Geekpark специально уточнил этот момент у команды Baichuan. В ответ было сообщено, что все тесты проводились узкопрофильными врачами на конкретных профильных случаях. Победа модели обусловлена двумя факторами: во-первых, ИИ проявляет больше терпения; во-вторых, и главное — он обладает превосходным уровнем междисциплинарных знаний.

Например, в одном из случаев речь шла о десятилетнем ребенке с повторяющейся лихорадкой. Поскольку повышенная температура тела является комплексным симптомом, если спрашивать только о кашле или других проблемах с легкими, можно упустить серьезные патологии суставов или мочевыделительной системы и ошибочно принять это за обычную инфекцию.

Человеческие врачи обычно специализируются лишь на отдельных направлениях медицины, поэтому именно из-за этого сложные случаи требуют консилиума экспертов, а специалисты по редким болезням зачастую вынуждены обращаться к литературе и искать дополнительную информацию.

А обычные модели, прошедшие общую подготовку и использующие лишь роль врача, обычно также затрудняются качественно ответить на подобные вопросы.

03 Следующий шаг: постепенный выход на рынок B2C и развитие более серьезной медицинской помощи

Для Baichuan Intelligence пересечение отметки человеческого уровня врачей имеет огромное значение: это означает, что технологии ИИ начали преодолевать порог практической применимости и готовы к развертыванию в реальных рабочих сценариях.

Начиная с 13 января пользователи уже могут попробовать ответы, предоставляемые моделью M3, на официальном сайте и в мобильном приложении Baixiaoying.

Текущий дизайн сайта заслуживает особого внимания: хотя оба варианта используют одну и ту же модель M3, четко разделены версии для врачей и пациентов. Версия для врачей предоставляет более лаконичные ответы с большим количеством научных ссылок и использует профессиональную терминологию. А версия для обычных пациентов практически никогда не выдает готовый ответ сразу, а задает множество уточняющих вопросов для максимально четкой диагностики.

В Baichuan Intelligence отметили, что логика работы модели в фоновом режиме выглядит крайне интересно: «Мы часто видим, как в цепочке рассуждений модель пишет: „Пациент проигнорировал мой вопрос, но я обязан его задать“. Даже встречались крайние случаи, когда после 20 циклов общения модель все равно продолжает настаивать на вопросе, несмотря на то, что эта цифра превышает установленный лимит. Причина проста: в процессе обучения модели невозможно получить вознаграждение за попытку понравиться пользователю или дать поверхностный ответ. Ей необходимо получить достаточно ключевой информации и прийти к правильному диагнозу, чтобы заслужить бонус. Именно в этом кроется наше явное отличие от других компаний при обучении моделей».

В последнее время многие ИИ-компании стали активно внедряться в сферу здравоохранения. Однако именно желание создавать по-настоящему ответственный медицинский инструмент Baichuan Intelligence считает своим главным конкурентным преимуществом.

«Это значит, что при выборе ниш Baichuan не идет по пути легчайшего пути. Напротив, компания настаивает на постоянном развитии технологического потенциала и решении наиболее сложных задач», — отмечает Ван Сяочуань.

Типичным примером служит планирование Baichuan в ближайшие годы: первоочередное внимание будет уделяться разработке решений в области онкологии, тогда как направление психологической терапии займет значительно более низкую позицию в списке приоритетов.

В общепринятом мнении считается, что предоставление услуг психологической поддержки с помощью ИИ проще и представляет собой более легкую сферу для внедрения. Однако логика принятия решений в Baichuan совершенно иная. Специалисты полагают, что в области онкологии заложены более строгие научные основы. Именно здесь ИИ с наибольшей вероятностью сможет обеспечить серьезный медицинский эффект, достигнув уровня или превзойдя показатели врачей-людей. В то же время в области психологии недостает подобных твердых научных базисов.

Также стоит отметить, что некоторые компании выбирают направление создания цифровых двойников врачей, однако Ван Сяочуань считает эту концепцию чуждой стратегическому курсу Baichuan. Цифровой двойник врача неспособен полностью воспроизвести профессионализм настоящего специалиста, не говоря уже о том, чтобы его превзойти. Подобные ИИ в лучшем случае станут просто маркетинговой уловкой и инструментом привлечения клиентов, не способные реально продвигать ответственную медицину.

Такая приверженность принципам серьезности глубоко повлияла на многие коммерческие решения Baichuan.

Это напрямую связано с глубинными размышлениями Ван Сяочуаня относительно фундаментальных проблем следующего этапа развития медицинского ИИ. По его мнению, важнейшей задачей текущей стадии является поэтапное увеличение объемов доступной медицинской помощи на базе расширения возможностей искусственного интеллекта.

Китай на протяжении многих лет пытается внедрить систему дифференцированной диагностики и службу врачей общей практики. Изначальная идея заключалась в том, чтобы пациенты обращались за помощью сначала на низовой уровень, решая таким образом проблему сложностей с регистрацией, длинных очередей и перегруженности крупных городских клиник.

Трудности реализации этой системы коренятся в недостатке ресурсов здравоохранения. Низовые медицинские учреждения испытывают нехватку врачей высокого класса. Люди предпочитают стоять в очередях в крупнейших больницах третьего эшелона даже при обычной простуде просто потому, что не доверяют уровню оказания помощи на местах.

Именно здесь проявляется ключевая ценность медицинского ИИ. Большие языковые модели позволяют масштабировать распределение передовых медицинских знаний. Они заполняют дефицит услуг на низовом уровне, обеспечивая способность ставить диагнозы и назначать лечение на уровне ведущих специалистов, подобную той, что есть в элитных клиниках, каждому району и каждой семье.

В долгосрочной перспективе это способно оказать еще более широкое воздействие, постепенно передавая право принятия медицинских решений из рук врачей непосредственно пациентам. В традиционной медицинской системе пациенты получают выгоду от лечения, но редко обладают правом решающего голоса. Концентрация контроля в руках медиков порождает дисбаланс власти, что неизбежно ведет к росту коммуникативных издержек и физическим страданиям во время терапии.

Цель Baichuan через применение ИИ состоит в том, чтобы сделать получение качественной медицинской помощи более доступной для пациентов. «Многие считают медицинскую сферу слишком запутанной и убеждены, что пациенту никогда ее не понять. Однако мы думаем иначе. В американской правовой системе существует институт присяжных заседателей. Юриспруденция — это высочайшая степень профессионализма. Если обычные люди не способны разобраться в законе самостоятельно, судьи, адвокаты и прокуроры берут на себя задачу вести полновесные дебаты, доходчиво объяснять суть дела до уровня, понятного обывателю для определения вины, и позволяют рядовому человеку принимать осознанное логическое решение», — поясняет Ван Сяочуань.

Именно поэтому Baichuan Intelligence не удовлетворяется решением простых задач, а стремится непрерывно двигаться вперед в сторону сверхсложных и ответственных форм медицинской диагностики.

Когда его спросили, приносит ли разрешение сверхсложных задач наибольшую коммерческую отдачу, Ван Сяочуань дал глубокий и взвешенный ответ.

По его мнению, обработка рутинных жалоб вроде простуды или повышения температуры вряд ли способна выстроить прочные доверительные отношения с пользователями. Медицина — это отрасль, в которой абсолютное доверие играет определяющую роль. Построить фундамент взаимного уважения возможно лишь тогда, когда ИИ сумеет справиться с серьезными и тяжелыми заболеваниями, требующими высочайшего профессионализма.

С точки зрения бизнес-логики пациенты сталкиваются с серьезными рисками для здоровья и потому гораздо охотнее оплачивают услуги высококлассного ИИ. Этот капитал доверия является не просто обязательным условием для финансовой отдачи, но и центральным элементом, позволяющим масштабировать внедрение медицинских ИИ-систем.

Но на фундаментальном уровне разработка медицинских систем для Baichuan Intelligence и лично для Ван Сяочуаня символизирует один из главных путей на пути к созданию общего искусственного интеллекта (AGI).

Ван Сяочуань считает, что ИИ уже нашел реальные и эффективные решения в гуманитарных, естественнонаучных, инженерных и творческих дисциплинах. Медицина представляет собой принципиально иную область. Человечество еще не исчерпало потенциал исследований в медицине, и сегодня технологии ИИ находятся здесь лишь на стадии активных поисков.

Стратегическая дорожная карта Baichuan абсолютно прозрачна. Сначала нужно использовать ИИ для повышения эффективности диагностических процессов и перекрытия острого дефицита медицинских услуг. Опираться затем на укрепление углубленного доверия со стороны пациентов. Когда люди добровольно начнут пользоваться ИИ-сервисами для долгосрочного ведения своего здоровья, искусственный интеллект сможет накапливать массивы достоверных и качественных медицинских данных.

Конечной целью накопления таких данных станет создание математических моделей человеческой жизни. Данный путь до сих пор полностью не освоен врачами-практиками, и вполне вероятно, что первопроходцами здесь выступят технологии ИИ. Успешное формирование математической модели жизненных процессов станет ключевым шагом на пути к качественно новым прорывам в развитии общего искусственного интеллекта.