|
|
= SPEC-001: Гібридна система AI Assistant для інтеграції з Medical Brain |
|
|
:sectnums: |
|
|
:toc: |
|
|
:source-highlighter: rouge |
|
|
:icons: font |
|
|
:experimental: |
|
|
|
|
|
== Background |
|
|
|
|
|
Medical Brain (MB) є потужною rule-based системою, яка аналізує клінічні дані та генерує рекомендації для лікарів і пацієнтів. Хоча MB демонструє стабільність і швидкість прийняття рішень, її ефективність обмежується строго визначеними правилами, що не дозволяють враховувати всі контексти пацієнта. |
|
|
|
|
|
Для подолання цих обмежень пропонується розробити AI Assistant, який інтегрується з MB, забезпечуючи: |
|
|
- Постійний моніторинг рекомендацій MB. |
|
|
- Контекстну перевірку точності на основі широкого спектру даних (історія хвороб, лабораторні результати, взаємодії у чатах). |
|
|
- Блокування потенційно некоректних рекомендацій із сповіщенням лікарів. |
|
|
|
|
|
Система буде реалізована поступово з можливістю масштабування до більш складних функцій. Основні задачі: підвищення точності, безпеки, ефективності та гнучкості роботи MB. |
|
|
|
|
|
== Requirements |
|
|
|
|
|
Вимоги до системи AI Assistant для інтеграції з Medical Brain (MB) структуровані за методологією MoSCoW. |
|
|
|
|
|
=== Must-have (Обов'язкові) |
|
|
1. Постійний моніторинг рекомендацій MB у реальному часі. |
|
|
2. Зіставлення рекомендацій MB з клінічними даними пацієнта, включаючи: |
|
|
- Історію хвороб. |
|
|
- Лабораторні результати. |
|
|
- Поточний стан пацієнта. |
|
|
3. Блокування некоректних рекомендацій MB до їхньої передачі лікарю чи пацієнту. |
|
|
4. Генерація сповіщень до Supervisor Module у випадку виявлення помилок або невідповідностей. |
|
|
5. Інтеграція з базою даних EHR для збереження та обробки даних пацієнта. |
|
|
6. Підтримка механізмів Retrieval-Augmented Generation (RAG) для оптимізації використання ресурсів. |
|
|
|
|
|
=== Should-have (Бажані) |
|
|
1. Режими пам'яті (постійна й оперативна) для ефективного управління даними пацієнта. |
|
|
2. Аналіз текстової взаємодії у чатах між пацієнтами й лікарями. |
|
|
3. Масштабованість до Level 2 (рекомендації лікарям) і Level 3 (рекомендації пацієнтам). |
|
|
4. Логування всіх дій системи для забезпечення трасування помилок. |
|
|
|
|
|
=== Could-have (Можливі) |
|
|
1. Зворотній зв'язок із лікарями для покращення моделей AI. |
|
|
2. Кешування рекомендацій для підвищення швидкості. |
|
|
3. Інтеграція з зовнішніми AI-платформами для вдосконалення моделей. |
|
|
|
|
|
=== Won't-have (Виключення) |
|
|
1. Пряма взаємодія з пацієнтами (поза межами рівнів, визначених системою). |
|
|
2. Прогнозування складних сценаріїв без додаткового тестування й пілотування. |
|
|
|
|
|
== Method |
|
|
|
|
|
=== Архітектура системи |
|
|
|
|
|
Система AI Assistant складається з таких основних компонентів: |
|
|
|
|
|
[plantuml] |
|
|
---- |
|
|
@startuml |
|
|
!define RECTANGLE #White |
|
|
rectangle "Medical Brain (MB)" as MB |
|
|
rectangle "AI Assistant" as Assistant { |
|
|
rectangle "LLM API\n(External Service)" as LLM_API |
|
|
rectangle "Prompt Formation\nand Caching Module" as Prompt_Module |
|
|
rectangle "Memory Module\n(Permanent/Operational)" as Memory_Module |
|
|
} |
|
|
rectangle "EHR Database" as EHR |
|
|
rectangle "Supervisor Module" as Supervisor |
|
|
|
|
|
MB --> Assistant: MB Recommendations |
|
|
Assistant --> Supervisor: Notifications |
|
|
LLM_API --> Assistant: Results |
|
|
EHR --> Memory_Module: Patient Data |
|
|
Prompt_Module --> LLM_API: Optimized Queries |
|
|
Memory_Module --> Prompt_Module: Context |
|
|
@enduml |
|
|
---- |
|
|
|
|
|
=== Основні компоненти: |
|
|
|
|
|
1. **Medical Brain (MB)** |
|
|
Використовує rule-based логіку для первинного аналізу даних пацієнта та формування рекомендацій. |
|
|
|
|
|
2. **AI Assistant** |
|
|
Виконує розширений аналіз і перевірку рекомендацій MB. |
|
|
- Взаємодія з LLM через зовнішнє API для отримання текстових відповідей на основі контексту. |
|
|
- Формування оптимізованих prompts із використанням: |
|
|
- Постійної пам'яті (історія хвороб, хронічні захворювання, протоколи лікування). |
|
|
- Оперативної пам'яті (актуальні дані за останні 24–48 годин). |
|
|
- Кешування повторюваних частин prompts для зменшення витрат. |
|
|
|
|
|
3. **Модуль формування prompts** |
|
|
- Генерує prompts для запитів до LLM, які враховують: |
|
|
- Персоналізацію для конкретного пацієнта. |
|
|
- Медичний контекст (включно з протоколами лікування). |
|
|
- Кешує частини prompts, які не змінюються між запитами, наприклад: |
|
|
- Загальні дані пацієнта (ім'я, хронічні стани). |
|
|
- Протоколи лікування для спеціалізованих напрямків. |
|
|
|
|
|
4. **Модуль пам'яті** |
|
|
- **Постійна пам'ять**: |
|
|
- Інтегрується з EHR для зберігання ключової інформації про пацієнта. |
|
|
- Може використовувати RAG для динамічного отримання додаткових даних із протоколів лікування чи баз знань. |
|
|
- **Оперативна пам'ять**: |
|
|
- Реалізує ковзне вікно останніх подій, включно з взаємодіями у чатах і змінами стану пацієнта. |
|
|
|
|
|
5. **Supervisor Module** |
|
|
Виконує роль наглядача для контролю роботи MB і AI Assistant. |
|
|
- Отримує нотифікації про виявлені помилки чи невідповідності. |
|
|
- Підтримує інтерактивний інтерфейс для лікарів-контролерів. |
|
|
|
|
|
6. **LLM API** |
|
|
- Зовнішній сервіс для обробки текстових запитів. |
|
|
- Підтримує великий контекстний обсяг (long-context window). |
|
|
- Інтегрується через REST або gRPC API. |
|
|
|
|
|
=== Алгоритм роботи: |
|
|
|
|
|
1. **Збір даних** |
|
|
- Дані з EHR інтегруються до постійної пам'яті через модуль пам'яті. |
|
|
- Поточні події додаються до оперативної пам'яті в реальному часі. |
|
|
|
|
|
2. **Формування запиту (prompt)** |
|
|
- AI Assistant генерує запит до LLM, використовуючи: |
|
|
- Кешовані статичні частини (загальні дані пацієнта, протоколи лікування). |
|
|
- Динамічний контекст (поточні події, стан пацієнта). |
|
|
|
|
|
3. **Використання RAG** |
|
|
- За потреби дані для запиту отримуються з довготривалої пам'яті або баз знань. |
|
|
- LLM формує відповідь, враховуючи релевантні матеріали. |
|
|
|
|
|
4. **Аналіз рекомендацій MB** |
|
|
- AI Assistant перевіряє відповідність рекомендацій MB протоколам і загальному контексту. |
|
|
- Некоректні рекомендації блокуються, а сповіщення надсилаються до Supervisor Module. |
|
|
|
|
|
5. **Кешування** |
|
|
- Частини prompts, що залишаються незмінними між запитами, кешуються для оптимізації. |
|
|
|
|
|
6. **Нотифікація Supervisor Module** |
|
|
- У разі виявлення невідповідностей формується нотифікація з деталями проблеми. |
|
|
|
|
|
=== Візуалізація |
|
|
|
|
|
[plantuml] |
|
|
---- |
|
|
@startuml |
|
|
rectangle "Long-term Memory (EHR)" as LongMemory |
|
|
rectangle "Short-term Memory (Operational)" as ShortMemory |
|
|
rectangle "RAG Module" as RAG |
|
|
rectangle "Context Caching" as Cache |
|
|
rectangle "LLM API" as LLM |
|
|
|
|
|
LongMemory --> Cache : Static Data Caching |
|
|
ShortMemory --> Cache : Dynamic Data Updates |
|
|
RAG --> Cache : Loading Specific Knowledge |
|
|
Cache --> LLM : Prompt Formation |
|
|
LLM --> AI_Assistant : Analysis Result |
|
|
@enduml |
|
|
---- |
