Современная онкология буквально тонет в иерархии данных: от доступных демографических показателей до запредельно дорогого геномного профилирования. Большинство мультимодальных моделей прогнозирования выживаемости ведут себя как «прожорливые потребители»: им требуется полный набор данных еще до начала работы. Это загоняет клиники в ловушку высоких издержек, заставляя тратить бюджеты на исчерпывающие диагностические пакеты для каждого пациента, независимо от реальной необходимости. SAGEAgent — саморазвивающийся агент на базе больших языковых моделей, разработанный исследователями из Университета Вандербильта, — наконец-то меняет правила игры. Вместо слепой обработки данных он выступает в роли стратегического «контролера», решая, оправдан ли следующий дорогостоящий тест для конкретного прогноза.
Агент имитирует логику опытного врача через последовательный рабочий процесс: он начинает с демографии и переходит к радиологии, патоморфологии или геномике только тогда, когда неопределенность прогноза остается высокой.
Для принятия этих решений SAGEAgent опирается на три различных сигнала: клинические инструменты, переводящие «сырые» риски в понятный текст, эпизодическую память о конкретных прошлых случаях и семантическую память о правилах принятия решений. Это не просто калькулятор, а автономный аудитор всего процесса диагностики.
Главное в исследовании SAGEAgent:
В экспериментах на когортах пациентов с глиомой (данные TCGA и BraTS) точность SAGEAgent не уступила моделям, использующим все данные сразу. Средние затраты на сбор данных сократились на 55%. ИИ перестает быть пассивным потребителем и становится оптимизатором ресурсов. Система точно определяет момент, когда геномный анализ стоимостью в десятки тысяч долларов дает нулевую предельную ценность для прогноза.
Для руководителей MedTech-индустрии настало время перестать гнаться за «чистой» точностью ценой операционного банкротства. Проведите аудит текущих процессов диагностики, чтобы выявить этапы, где дорогостоящие методы применяются по умолчанию, а не по хирургической необходимости. Внедрение агентов последовательного принятия решений, таких как SAGEAgent, позволяет эффективно сократить расходы на сбор данных вдвое без ущерба для клинических результатов. Пора относиться к данным как к дефицитному ресурсу, а не как к бесплатному шведскому столу.