NASA тестирует AI-врача для астронавтов на дальних миссиях
NASA создала систему Crew Medical Officer Digital Assistant (CMO-DA), AI-ассистента для медицинской поддержки в дальних космических миссиях. Система разработана совместно с Red Hat и использует открытый инструмент RamaLama, сочетающий большие языковые модели для медицинского анализа с vision-моделями для диагностики по изображениям симптомов.
Основная проблема: при полёте на Луну, Марс и дальше связь с Землёй имеет критические задержки, что делает невозможной оперативную консультацию с земными врачами. Недавний случай, NASA в 2026 году вынуждено было привести с МКС экипаж Crew-11 из-за медицинских проблем, потому что дальние миссии такую возможность не позволят. Полностью автономный AI-врач решает эту проблему.
CMO-DA тестируется на земной копии компьютера HPE Spaceborne Computer (работает на МКС), обрабатывает текстовую и визуальную медицинскую информацию локально, без массивной инфраструктуры. Red Hat отметила, что система «позволяет CMO-DA обрабатывать как текстовые, так и визуальные данные без потребности в огромной инфраструктуре». После валидации на Земле NASA планирует продемонстрировать систему руководству для оценки будущего развёртывания на МКС, далее, интеграция с Red Hat Enterprise Linux AI.
Ключевые факты
- NASA разработала CMO-DA, AI-систему для автономной медицинской диагностики в дальних космических миссиях
- Система сочетает LLM и vision-модели, анализирует симптомы по тексту и изображениям, работает полностью offline
- Тестируется на земной копии HPE Spaceborne Computer (прототип компьютера с МКС), не требует интернета
- Решает критическую проблему: при полётах на Луну/Марс невозможна консультация с земными врачами из-за задержек связи
- Первая валидация на Земле, затем демонстрация руководству и потенциальное развёртывание на МКС с интеграцией Red Hat Enterprise Linux AI
Почему это важно
Человечество планирует дальние космические миссии (Луна, Марс), где коммуникационные задержки делают невозможной оперативную консультацию с земными врачами. NASA столкнулась с этой проблемой буквально в 2026 году, вынужденно приведя экипаж Crew-11 с МКС. Для дальних полётов такой вариант неприемлем, нужен полностью автономный медицинский AI-ассистент, способный анализировать симптомы и давать рекомендации без связи с Землёй.
Кому это важно
Программе исследования космоса NASA, астронавтам на дальних миссиях, инженерам Red Hat и компании HPE (поставляет оборудование для МКС), а также космическим агентствам других стран, планирующим аналогичные миссии. Косвенно интересно стартапам и компаниям AI-медицины, спрос на автономные диагностические системы растёт не только в космосе.
Как это применить
Система CMO-DA работает на HPE Spaceborne Computer, специализированном оборудовании для МКС. На практике: астронавт вводит симптомы текстом или загружает фото, система анализирует локально (без интернета) и выдаёт рекомендации. Инженеры и врачи могут адаптировать архитектуру (LLM + vision-модели, RamaLama, Red Hat Enterprise Linux AI) для других автономных приложений, от самолётов до отдалённых земных баз.
Можно ли доверять
NASA и Red Hat, авторитетные источники. Red Hat активно разрабатывает открытые инструменты AI (RamaLama), что повышает прозрачность. Однако полная информация о точности диагностики, тестировании на различных сценариях и результатах валидации на Земле пока не раскрыта, это этап текущей разработки. Публикация в The Register указывает на относительно ранний этап (тестирование, а не развёртывание).
Риски и подводные камни
Главный риск, критическая ошибка AI-диагностики в условиях, когда помощь от Земли недоступна (человек далеко от медицинского центра в космосе или на другой планете). Требуется очень высокая надёжность и валидация на достаточном объёме медицинских сценариев. Второй риск, огромная вычислительная нагрузка vision-моделей; система должна работать на относительно скромном железе HPE Spaceborne Computer. Третий, медицинский AI обычно требует регулярного переобучения; обновление модели на МКС или дальней миссии логистически сложно.
«позволяет CMO-DA обрабатывать как текстовые, так и визуальные данные без потребности в огромной инфраструктуре»
— Red Hat