Vitalis Medical AI: клиническая информация с проверяемыми источниками

Как это выглядит

55 секунд: задача Vitalis, российский и международный поиск, локальная база, веб-проверка и роль врача в принятии решения.

Проблема

Поиск ответа на клинический вопрос часто требует просмотра нескольких рекомендаций, сайтов профильных организаций и публикаций. Материалы могут относиться к разным странам и периодам, поэтому врачу важно видеть не только краткий вывод, но и происхождение каждого значимого утверждения.

Реализованное решение

Vitalis принимает клинический вопрос, выделяет нозологию, код МКБ и цель поиска, обращается к локальной базе FAISS и дополняет результат веб-поиском. Российская ветка опирается на Минздрав РФ, НМИЦ, профессиональные сообщества и профильную литературу; международная использует собственный набор источников.

Моя роль

Спроектировал медицинский сценарий, два независимых поисковых контура, структуру ответа, приоритеты источников и правила безопасного использования. Подготовил интерфейс, RAG, документацию, тесты и демонстрационный ролик.

Архитектура

Web-интерфейс и Node.js-прокси → FastAPI → определение режима РФ или international → FAISS по локальной базе → детальный веб-поиск → DeepSeek → структурированный ответ с источниками. Новые материалы не попадают в базу без проверки человеком.

Что работает сейчас

Локальный демонстрационный MVP: лендинг, кабинет врача, российская и международная ветки, RAG по Markdown-базе, веб-поиск, ссылки на источники, mock-режим без ключа и live-режим с DeepSeek.

Как проверить

Репозиторий github.com/dimitry8st-prog/Vitalis-Medical-AI содержит код, README, инструкции запуска, системные промпты, тесты и регламент проверки новых источников перед добавлением в базу знаний.

Ограничения и следующие шаги

Это справочный демонстрационный MVP, а не медицинское изделие и не автономный врач. Система не ставит диагноз и не назначает лечение. Клиническое решение, проверка источников и оценка применимости всегда остаются за специалистом.

Расширить проверенную базу рекомендаций, собрать эталонный набор клинических вопросов, измерить полноту источников и качество ответов, затем провести ограниченный пилот под контролем врача.

Технологии

Python FastAPI Node.js FAISS DeepSeek RAG