Добавить в корзинуПозвонить
Найти в Дзене

В ИПМКН ТГУ создан ИИ-ассистент по анатомии человека

Студентка третьего курса Института прикладной математики и компьютерных наук ТГУ Анастасия Николаева разработала интеллектуального ассистента по анатомии человека. Сервис на базе нейросети YandexGPT обращается к профессиональной базе данных Foundational Model of Anatomy (FMA), содержащей более 104 тысяч записей. Проект уже проходит открытое пробное тестирование: доступ к ассистенту есть у любого желающего. В основе анатомического ассистента лежит база данных анатомических понятий Foundational Model of Anatomy (FMA), в которой собрано более 104 тысяч записей. Это одна из крупнейших в мире компьютерных онтологий по анатомии человека. Она представляет собой не просто текстовый словарь, а математический граф, где каждый орган, ткань или клетка описаны через систему логических связей (например, «состоит из», «является частью»). Это позволяет ИИ «понимать» устройство человеческого тела. Поверх базы работает интерфейс к YandexGPT, соединённый с данными через tools calling. Такой подход, в отл
Оглавление

Студентка третьего курса Института прикладной математики и компьютерных наук ТГУ Анастасия Николаева разработала интеллектуального ассистента по анатомии человека. Сервис на базе нейросети YandexGPT обращается к профессиональной базе данных Foundational Model of Anatomy (FMA), содержащей более 104 тысяч записей. Проект уже проходит открытое пробное тестирование: доступ к ассистенту есть у любого желающего.

В основе анатомического ассистента лежит база данных анатомических понятий Foundational Model of Anatomy (FMA), в которой собрано более 104 тысяч записей. Это одна из крупнейших в мире компьютерных онтологий по анатомии человека. Она представляет собой не просто текстовый словарь, а математический граф, где каждый орган, ткань или клетка описаны через систему логических связей (например, «состоит из», «является частью»). Это позволяет ИИ «понимать» устройство человеческого тела.

Поверх базы работает интерфейс к YandexGPT, соединённый с данными через tools calling. Такой подход, в отличие от обычного поиска в интернете, гарантирует точность ответов.

Студентка ИПМКН ТГУ Анастасия Николаева
Фото предоставила Анастасия Николаева
Студентка ИПМКН ТГУ Анастасия Николаева Фото предоставила Анастасия Николаева

— Я использую базу анатомических понятий FMA, чтобы ответы были точными, — рассказывает Анастасия Николаева. — Ассистент выглядит как обычный чат-бот. Студент задает вопрос, например, «Расскажи про сердце». Ассистент разбирает вопрос, находит в базе данных факты и на их основе формирует ответ. Российская нейросетевая модель YandexGPT умеет работать с инструментами, а мы заранее задаём те инструменты, которые позволяют обращаться к базе данных, находить нужную информацию и составлять ответ.

Сейчас проект находится в стадии открытого пробного тестирования. Анастасия и её научный руководитель, доцент кафедры теоретических основ информатики Института прикладной математики и компьютерных наук ТГУ Михаил Пожидаев собирают обратную связь от известных в Томске представителей медицинского сообщества — они проверяют корректность и полноту ответов сервиса. Рекомендации помогают разработчикам адаптировать структуру выдачи под реальные потребности студентов-медиков. В планах — улучшить поиск информации и формирование ответа, а также исправить возможные ошибки.

— У сервиса есть определённые ограничения, которые естественны для любой языковой модели. Мы ведём исследование с целью добиться от неё поддержки рассуждений — когда модель не просто воспроизводит данные из базы знаний, а умеет комплексно обрабатывать и строить длинные цепочки рассуждений. Как минимум до 20 апреля ассистент будет находиться в свободном открытом доступе с минимальным ограничением — количеством запросов с одного IP для защиты от спама. Конструктивные идеи и предложения в исследовательских традициях приветствуются и ожидаются, — добавляет Михаил Пожидаев.

Сервис доступен по адресу: http://anatomy.marigostra.ru

Исходные тексты реализации опубликованы на GitHub: https://github.com/mo-xi-to/course_work.git


Источник:
пресс-служба ТГУ