LLM в медицине: как автоматизировать рутину без риска лечить пациентов

Помню, как однажды зашёл к знакомому — он управляет небольшой сетью стоматологий. Сидим, пьём кофе, а у него в соседнем кабинете регистратура. Утро понедельника, 9:15. Телефон не умолкает ни на секунду. Одна девушка-администратор пытается одновременно отвечать на звонок, оформлять пациента у стойки и что-то искать в компьютере. Второй администратор на больничном. В очереди уже трое человек, и по их лицам видно: терпение на исходе.

"Знаешь, что самое обидное? — говорит он. — Половина этих звонков — про одно и то же. Во сколько работаете? Как подготовиться к УЗИ? Можно перенести на среду? А сколько стоит чистка?"

И вот тут я задумался. Эти вопросы не требуют медицинского образования. Они не про диагнозы и лечение. Это чистая логистика и информация. Но именно они съедают время, нервы и, в конечном счёте, деньги. Неотвеченный звонок — это потенциальный пациент, который ушёл к конкурентам. Раздражённый человек в очереди — минус один лояльный клиент.

Так может, пора отдать эту рутину тем, кто справится с ней лучше людей? Я говорю о языковых моделях — LLM. Но с важной оговоркой: без попыток "играть во врача". Искусственный интеллект в клинике должен быть идеальным администратором, а не плохим доктором.

В этой статье я расскажу, как мы помогаем клиникам внедрять умных ассистентов. Без маркетинговой воды и хайпа про "революцию в медицине". Только конкретика: что работает, что категорически нельзя делать, и как начать без лишних рисков.

1. Где LLM действительно полезен в клинике

Когда я рассказываю про ИИ-ассистентов владельцам клиник, первый вопрос обычно: "А он точно не навредит пациентам?". Справедливое опасение. Поэтому давайте сразу определим границы: мы говорим только о тех задачах, где нейросеть заменяет не врача, а администратора. Причём не самого толкового администратора, а того, который работает по скрипту и не устаёт.

Вот четыре направления, где LLM уже сейчас приносит реальную пользу:

Круглосуточная запись без выходных

Это, пожалуй, самый очевидный сценарий. Человек решает записаться к врачу не тогда, когда ваша регистратура работает, а когда ему удобно. Часто это вечер воскресенья или раннее утро. Раньше такой пациент либо откладывал звонок (и забывал), либо шёл к конкурентам с онлайн-записью.

Умный бот работает иначе. Он не просто показывает форму со слотами — он ведёт диалог. "Хочу к терапевту, но только после работы" — и бот сам предложит вечерние окна. "А есть кто-нибудь завтра пораньше?" — найдёт утренний слот и уточнит филиал поближе к дому.

Умная маршрутизация (без постановки диагнозов!)

Тут важно понимать разницу. Бот не говорит "у вас аппендицит". Бот понимает контекст: если человек пишет "очень сильная боль в животе, терпеть не могу" — это не тот случай, когда нужно предлагать запись на следующую неделю. Система распознаёт маркеры срочности и либо мгновенно переключает на живого оператора, либо даёт контакт неотложки.

Это как умный IVR, только без бесконечного "нажмите 1, если хотите... нажмите 2, если хотите...". Пациент просто пишет своими словами, а система понимает суть.

Подготовка к визиту: мелочи, которые решают многое

Сколько раз пациенты приходили на УЗИ брюшной полости после плотного завтрака? Или забывали полис и приходилось переносить приём? Эти "мелочи" — головная боль и для клиники, и для пациента.

Бот за день до визита присылает персонализированное напоминание. Не шаблонное "ждём вас завтра", а конкретное: "Марина, напоминаем о приёме у гастроэнтеролога завтра в 10:00. Пожалуйста, приходите натощак — последний приём пищи не позднее 20:00 сегодня. Возьмите с собой паспорт и результаты прошлых анализов, если есть. Парковка бесплатная со стороны двора."

Документы и формальности заранее

Информированное согласие, анкета первичного пациента, согласие на обработку персональных данных... Всё это можно заполнить заранее, дома, в спокойной обстановке. Бот отправляет ссылку на формы, пациент заполняет их с телефона, а в клинике только расписывается. Время у стойки регистрации сокращается в разы.

2. Красные линии: где ИИ должен молчать

А теперь о том, что меня по-настоящему беспокоит, когда я слышу восторженные рассказы про "ИИ-докторов". Технологии — это прекрасно, но в медицине цена ошибки слишком высока.

Расскажу случай из практики. На этапе тестирования один из наших заказчиков решил "немного расширить" возможности бота. Добавил в базу знаний общую информацию о симптомах простуды. Казалось бы, что такого? Но уже через неделю пациентка написала: "У меня температура и кашель, бот сказал, что это похоже на ОРВИ, я и не пошла к врачу". А у неё оказалась пневмония.

После этого мы ужесточили правила до предела:

Никаких диагнозов — даже "очевидных". На вопрос "У меня болит голова, что это?" бот отвечает: "Я не врач и не могу определить причину. Но я могу записать вас к терапевту или неврологу — кого вы предпочитаете?". Никаких "возможно, это мигрень" или "скорее всего, вы переутомились".

Никакой интерпретации анализов. "У меня гемоглобин 110, это нормально?" — бот не лезет в референсные значения. Он отвечает: "Результаты анализов лучше обсудить с врачом — он учтёт вашу историю и другие показатели. Записать вас на приём?"

Никакого внешнего интернета. Бот работает только с базой знаний клиники: адреса, часы работы, цены, правила подготовки к процедурам. Он не гуглит симптомы, не ищет информацию на медицинских форумах. Всё, что он знает — это то, что вы ему дали.

3. Один день из жизни пациента: от первого сообщения до отзыва

Теория — это хорошо, но давайте посмотрим, как всё работает в реальной жизни. Познакомьтесь с Алексеем — типичным пациентом типичной клиники.

Воскресенье, 22:30. Алексей весь день играл в футбол с друзьями. Колено побаливало ещё на поле, но он решил "само пройдёт". Не прошло. Лежит дома, колено ноет, и он понимает: надо бы к врачу. Открывает WhatsApp, находит контакт клиники и пишет: "Добрый вечер. Болит колено после футбола, хочу записаться к врачу".

Раньше это сообщение провисело бы до утра понедельника. Администратор пришла бы на работу, увидела бы 15 непрочитанных сообщений, и Алексей получил бы ответ часов в 10-11. К этому моменту он уже мог передумать или записаться в другую клинику.

Но у этой клиники есть умный ассистент. Ответ приходит через 10 секунд:

"Добрый вечер, Алексей! Понял, проблема с коленом. Это не экстренная ситуация, верно? Если боль острая и вы не можете наступить на ногу — напишите "срочно", и я переведу вас на дежурного специалиста. Если нет — могу записать вас к ортопеду-травматологу. Когда вам удобнее: в будни или в выходные?"

Обратите внимание: бот не ставит диагноз, не говорит "скорее всего, растяжение связок". Он уточняет срочность и предлагает запись. Алексей отвечает, что не срочно, хочет в будни после работы. Бот предлагает слоты на вторник и среду вечером, Алексей выбирает вторник 18:30.

Вторник, 9:00. Алексей получает сообщение: "Доброе утро! Напоминаем, что сегодня в 18:30 вас ждёт доктор Петров (ортопед-травматолог). Адрес: ул. Абая, 15, каб. 203. Если есть старые снимки МРТ колена — возьмите с собой, это поможет врачу. И не забудьте паспорт для оформления."

Вторник, 20:00. Алексей вышел от врача. Через полчаса приходит сообщение: "Алексей, как прошёл приём у доктора Петрова? Буду благодарен за оценку от 1 до 5, это поможет нам стать лучше."

Алексей ставит 5 — доктор оказался толковым, очереди не было, всё быстро. Если бы он поставил 2 или 1, система мгновенно создала бы задачу для менеджера по качеству. Не через неделю, когда про этот случай все забудут, а сразу.

4. Война с неявками: почему SMS не работают, а диалог — да

Поговорим о больной теме — буквально. No-show, неявки на приём. По разным оценкам, клиники теряют от 10% до 30% записей из-за того, что пациенты просто не приходят. Посчитайте, сколько это в деньгах для вашей клиники. Впечатляет, правда?

Стандартное решение — SMS-напоминания. Проблема в том, что их почти никто не читает. Сообщение "Напоминаем о записи 15.03 в 10:00" теряется среди спама от банков и магазинов. А даже если пациент прочитал и понял, что не сможет прийти — ему лень звонить и отменять. Проще просто не прийти.

LLM-ассистент работает иначе. Он не просто напоминает — он ведёт диалог и предлагает решение.

По нашей статистике, клиники снижают no-show на 25-40% уже в первый месяц после внедрения диалоговых напоминаний. И это не магия — это просто удобство. Когда перезаписаться можно одним сообщением в мессенджере, люди перезаписываются, а не игнорируют.

5. "А это безопасно?" — про интеграцию и защиту данных

Знаю, о чём вы сейчас думаете. "Звучит красиво, но как это всё интегрировать с нашей МИС? У нас же там 1С, куча костылей, и айтишник приходит раз в неделю". Плюс персональные данные пациентов — это же медицинская тайна, какие нейросети?

Давайте разберёмся по порядку.

Интеграция проще, чем кажется

Современные LLM-ассистенты работают как надстройка над вашей системой. Мы не трогаем вашу МИС, не переписываем базу данных, не ломаем то, что работает. Бот подключается через API и делает ровно две вещи: смотрит свободные слоты и создаёт записи. Всё остальное — внутри вашей системы.

Большинство современных МИС (Инфоклиника, Медиалог, 1С:Медицина и другие) уже имеют готовые API. Если у вас что-то совсем самописное — пишем адаптер. Это не rocket science.

Персональные данные и медицинская тайна

Это самый частый вопрос, и он абсолютно справедлив. Вот как мы решаем проблему:

Минимум данных. Бот знает только то, что ему нужно для работы. Имя пациента, телефон, дату и время записи. Он не видит историю болезни, результаты анализов, назначения врачей. Ему это просто не нужно для записи и напоминаний.

Обезличивание. Когда данные передаются во внешние системы (например, для обработки языковой моделью), они обезличиваются. Нейросеть видит "Пациент хочет записаться к терапевту на вторник", а не "Иванов Иван Иванович, 1985 г.р., полис ХХХ хочет...".

Локальные модели. Для особо чувствительных сценариев можно развернуть языковую модель на серверах клиники. Данные вообще не покидают ваш контур.

Человек всегда рядом

Бот — не чёрный ящик. Все диалоги сохраняются и доступны администраторам. Если пациент пишет "хочу поговорить с человеком" или бот не уверен в ответе — диалог мгновенно передаётся живому оператору. Причём оператор видит всю историю переписки и подхватывает разговор с того места, где остановился бот.

6. Цифры, которые убедят финансового директора

"Это всё красиво, но сколько стоит и когда окупится?" — справедливый вопрос любого руководителя. Давайте посчитаем на конкретных примерах.

Представьте среднюю клинику с потоком 100 записей в день. Если 20% из них — no-show (а это ещё оптимистичная оценка), вы теряете 20 приёмов ежедневно. При средней стоимости приёма 15 000 тенге это 300 000 тенге в день или около 6 миллионов в месяц. Даже если LLM-ассистент сократит неявки вдвое — а это реалистичный результат — вы возвращаете 3 миллиона.

Теперь про рабочее время. Администратор на телефоне стоит денег. Зарплата, налоги, рабочее место. Если бот берёт на себя 60-70% рутинных обращений (запись, перенос, вопросы про адрес и часы работы), вам либо нужно меньше администраторов, либо — и это лучший вариант — ваши администраторы начинают заниматься тем, что действительно требует человека: работой с недовольными пациентами, сложными случаями, улучшением сервиса.

Вот ключевые метрики, которые стоит отслеживать после внедрения:

Процент неявок (No-Show Rate). Измеряйте до и после. Цель — снижение на 25-40% за первый квартал. Если не видите улучшений — что-то настроено неправильно.

Время ответа на обращение. Бот отвечает за секунды. Если раньше пациенты ждали ответа в мессенджере по 2-3 часа, а теперь получают его мгновенно — это прямо влияет на конверсию в запись.

Доля обращений, закрытых без участия человека. Здоровый показатель — 60-80%. Если меньше — нужно дорабатывать базу знаний бота. Если больше 90% — проверьте, не отсекает ли бот случаи, которые требуют живого общения.

NPS и оценки после визита. Удобный сервис записи и своевременные напоминания — часть общего впечатления пациента. Следите за динамикой.

7. С чего начать: практические шаги

Ок, допустим, вы решили попробовать. Что делать дальше? Вот план, который работает.

Вопросы, которые мне задают чаще всего

"А пожилые пациенты справятся? Они же не любят все эти ваши технологии..."

Это, пожалуй, самый частый страх. И он понятен — в клиниках много пациентов старшего возраста. Но практика показывает интересное: проблема не в возрасте, а в интерфейсе. WhatsApp есть у большинства — его ставят, чтобы общаться с детьми и внуками. Голосовые боты с хорошим синтезом речи многие даже не отличают от живых операторов. А главное — всегда можно сказать "переведите на человека", и бот это сделает. Никакого насильного внедрения технологий.

"Мы небольшая клиника, нам это не по карману..."

Зависит от того, как считать. Один диалог с ботом стоит копейки — буквально. Минута работы администратора (с учётом зарплаты, налогов, рабочего места, больничных) — совсем другие деньги. Плюс бот работает 24/7, не устаёт, не болеет, не уходит в отпуск. Даже для небольшой клиники экономия может быть существенной, особенно если проблема с no-show стоит остро.

"А что если бот скажет что-то не то?"

Хороший вопрос, и ответ на него — в правильной настройке. Бот работает строго по базе знаний клиники. Он не фантазирует, не гуглит, не генерирует ответы из воздуха. Если вопрос выходит за рамки его компетенции — он честно говорит "я не знаю, давайте переведу на специалиста". Это не баг, это фича. Лучше признать незнание, чем дать неправильный ответ.

Что ещё почитать

Если тема заинтересовала, вот пара статей, которые её дополняют:

• Голосовой бот для колл-центра: как не потерять человечность — про то, как сделать так, чтобы бот звучал как живой человек, а не как робот из 90-х.
• Безопасность LLM: как защитить данные пациентов — более глубокий разбор технической стороны защиты персональных данных при работе с нейросетями.