Как founder с раком использовал Claude, чтобы победить болезнь

Conno Christou, 35-летний founder компании Keragon, отличался крайне внимательным подходом к здоровью: ежегодно проверял почти 100 биомаркеров, отслеживал сон с Whoop и Oura, оптимизировал питание по методам researchers вроде Peter Attia. После тренировки у него отекла рука, врач выявил два тромба, но предоперационные обследования открыли главное: за грудиной была опухоль размером 11×11×8 см. Биопсия подтвердила редкую агрессивную форму неходжкинской лимфомы (встречается в 1 из 420 тысяч), вызванную случайной генетической мутацией, никак не связанной с образом жизни.

Христу было критически повезло: опухоль, существовавшая около трёх месяцев, была выявлена за три недели до стадии четвёртой. Он столкнулся с дилеммой: известный онколог рекомендовал щадящий химиотерапевтический режим (успешность ~60%), второй врач настаивал на агрессивном курсе с госпитализацией и циклами по три недели на протяжении полугода (успешность ~85%). Как founder, привыкший принимать собственные решения на основе данных, Христу собрал 12 мнений медиков из США и за границей. Одиннадцать из двенадцати проголосовали за агрессивный путь.

В ходе шести месяцев лечения Христу подходил к процессу как к марафону спринтов: вёл дневник симптомов через голосовую транскрипцию, отслеживал результаты крови и сканы, данные с wearables, психологическое состояние (это, по его словам, влияет сильнее всего). Он загружал всё, результаты анализов, данные визуализации, выходные с носимых устройств, записи дневника, в Claude.

Критический момент наступил с финальным ПЭТ-сканом: результат был неоднозначным, и онколог начал обсуждать вторую линию терапии, потенциально радиотерапию вблизи сердца и лёгких. Христу провёл собственное исследование и обнаружил: для его конкретной лимфомы false-positive rate на ПЭТ-сканах в конце лечения составляет около 60%. Он загрузил все три своих ПЭТ-сканы и МРТ в Claude. Модель выявила известный, но часто упускаемый факт: у пациентов моложе 40 после химиотерапии этого типа лимфомы тимус может переактивироваться, что выглядит на снимках как активное заболевание. Модель оценила вероятность этого объяснения для его случая в ~90%. Четвёртое мнение от врача подтвердило: это был просто тимус, активное заболевание отсутствовало, радиотерапия не требовалась.

Христу уже здоров, но опыт пациента внутри медсистемы дал ему новый взгляд. Он видел медсестёр и врачей, утопающих в задачах, не имеющих отношения к помощи. Заметил, что протоколы лечения универсальны (80-летняя женщина получала тот же курс), побочные эффекты управляются цепочкой дополнительных лекарств, каждое из которых вызывает новые проблемы. Он убеждён: через 10, 20 лет медицина будет смущаться нынешними подходами. Теперь он по выходным отдыхает, старается быть здесь и сейчас. Готов помогать информацией другим, проходящим через похожее.

Ключевые факты

Founder использовал Claude не для замены врачей, а чтобы задавать правильные вопросы и анализировать медицинскую литературу, недоступную стандартному Google-поиску
Claude помог выявить rare phenomenon (переактивацию тимуса после химиотерапии), которую врачи в начале упустили, и избежать ненужной радиотерапии
Для редких болезней доступ к модели с полным корпусом медлитературы оказался ценнее человеческого поиска: его редкой лимфомой большинство онкологов встречаются раз в год
Треть взрослых американцев уже используют chatbots для здоровья, но эксперты предупреждают: GPT-модели часто ошибаются и не валидированы для персональных диагнозов
Пациент-founder применил data-driven подход к лечению: собрал 12 мнений врачей, систематически отслеживал данные, и по итогу выздоровел полностью

Почему это важно

LLM-модели начинают играть роль в медицинских решениях на уровне пациентов. Для редких и сложных случаев, где врачу требуется быстрый доступ ко всему объёму медицинской литературы (а не поиск Google), моделей недостаточно, но их роль как инструмента для постановки правильных вопросов и выявления упущенных паттернов уже реальна. История Christou показывает: не замена врачей, а расширение возможностей пациента задать критические вопросы.

Кому это важно

Пациентам с редкими диагнозами, где опыт врача мал, и они вынуждены принимать решения на основе ограниченной информации. Медицинским практикам, которые будут нести ответственность за качество рекомендаций AI-систем. Разработчикам medical AI, которые понимают: валидация моделей для персональных диагнозов, критична и срочна. Venture-капиталу в healthtech (Christou сам в этом секторе с Keragon).

Как это применить

Если сталкиваешься с редким диагнозом или сложным решением в медицине, можно загрузить в Claude свои сканы, результаты анализов, описания симптомов и попросить модель помочь выявить паттерны или менее очевидные объяснения. Это не заменяет врача, но может помочь задать нужные вопросы и собрать несколько мнений. Для разработчиков: если вы строите medical AI, этот пример показывает потенциал, но и необходимость строгой валидации и регуляции перед использованием в клинике.

Можно ли доверять

Эксперты (вроде Danielle Bitterman из Mass General Brigham) уже предупредили, что general-purpose LLM часто ошибаются и не прошли thorough evaluation для персональных диагнозов. Story Christou, это пример умного пациента, который использовал Claude как дополнение к врачебному совету и собственному анализу, а не как основной источник. Модель оказалась полезной именно потому, что он мог её результаты верифицировать с мнениями врачей. Для обычного пациента без медицинской грамотности риск выше.

Риски и подводные камни

LLM может быть уверенной в неправильных выводах. Christou говорит, что Claude помогал ему задавать вопросы, но он не полагался на неё слепо. Для менее подготовленного пациента риск использовать рекомендацию модели вместо врача резко выше. Регуляторы (FDA, EMA) пока не установили стандарты для использования general-purpose AI в персональной медицине. Медицинские системы могут столкнуться с liability, если пациент полагался на LLM-рекомендацию и это привело к вреду. История успеха Christou, это частный случай подготовленного, data-literate пациента с доступом к лучшим врачам, а не универсальный паттерн.

«Это происходит не через 10 лет. Это происходит сейчас.»

— Conno Christou о возможностях AI для пациентов