В Цинхуа научили Qwen ставить диагнозы по правилам китайской медицины

Исследователи Университета Цинхуа дообучили открытую модель Qwen3-14B ставить диагнозы по правилам традиционной китайской медицины. На их тесте она совпала с диагнозом врача в 63% случаев, а до дообучения — в 31%. Модель назвали LingLan-14B. Работу, сделанную вместе с лабораторией традиционной китайской медицины Хэнцинь в провинции Гуандун, выложили препринтом на arXiv 22 сентября.

Почему это важно: прирост дала подготовка данных, а не размер модели. Ту же Qwen3-14B дообучили с теми же настройками на сырых картах без обработки, и с врачом она совпадала в 38% случаев, а с шаблоном — в 63%. Синдром — тип нарушения, от которого в китайской медицине зависит лечение, — без шаблона она определяла верно в 25% случаев, с шаблоном — в 62%.

Как это работает: врач китайской медицины ставит диагноз по четырём методам: осмотру, выслушиванию и запаху, расспросу и пульсу. Авторы свели всё это в одну запись:

• Модель DeepSeek-OCR, которая распознаёт текст и изображения, превращает снимки языка, пульсовой волны и рукописных карт в стандартные описания.
• Получаются формулировки из клинического словаря китайской медицины, например «бледно-красный язык, тонкий белый налёт» или «струнный пульс».
• Каждое извлечение сверяется по смыслу с исходной записью, расхождения помечаются как возможная галлюцинация¹, после чего эксперты проверяют данные вручную.

Детали: так обработали больше 120 тыс. медкарт. В шаблоне описания языка и пульса стоят рядом с жалобами пациента, чтобы модель училась связывать их с диагнозом.

Обучение: авторы дообучили модель методом LoRA — он меняет не всю модель, а небольшую добавку к её весам. На это ушло 12 часов на одной видеокарте RTX 5090. Обучение специализированной модели BianCang-14B, по сравнению авторов, заняло 605 часов на восьми ускорителях A100.

В цифрах: для проверки оставили 20% карт. Вот как часто модели называли тот же диагноз, что и врач:

• LingLan-14B назвала тот же диагноз, что и врач, в 62,7% случаев.
• BianCang-14B, модель, созданная специально для китайской медицины, совпала с врачом в 32,7% случаев.
• Qwen3-32B, модель той же серии, но вдвое больше исходной, совпала с врачом в 33,2% случаев.
• DeepSeek-R1 с 671 млрд параметров совпала с врачом в 31% случаев.

Если шире: по словам авторов, прежние ИИ-системы для китайской медицины опирались в основном на расспрос пациента. Описания языка и пульса они плохо соединяли с остальными данными.

Но: у проверки есть пределы.

• Точность считали по совпадению с диагнозом из медкарты по китайскому госстандарту GB/T 15657-2021, а не по тому, помогло ли лечение.
• Данные не опубликованы, потому что в них личные сведения пациентов; анонимизированную версию авторы обещают после проверки и согласия пациентов.
• Закрытые коммерческие модели не проверяли из-за ограничений по кибербезопасности; как испытать их, не раскрывая данные пациентов, авторы ещё ищут.

Что дальше: веса LingLan-14B выложат, когда статью примут к публикации. Потом авторы хотят проверить метод на более крупных моделях.