Я использовал Claude Code для второго мнения по МРТ

Разработчик столкнулся с болью в правом плече и обратился к ортопеду. После МРТ клиника диагностировала «частичный разрыв сухожилия надлопаточной мышцы Grade III (более 50% ширины) у апикального прикрепления» и начала интенсивное лечение, включая ударно-волновую терапию и инъекции Траумеля. Однако разработчик почувствовал спешку в назначениях.

Он загрузил результаты МРТ (DICOM-пакет, ~266 МБ, несколько сотен файлов) в Claude Code с Opus 4.8 и попросил провести детальный анализ с минимальными инструкциями (только описание боли). Через час модель вернула отчет, в котором сообщила об интактном (неповрежденном) сухожилии, вывод диаметрально противоположный диагнозу врача.

Для арбитража разработчик дал модели обе информации (отчет врача + обсуждение с ChatGPT 5.5 Pro) и попросил сравнение. Opus применила многоагентный подход с несколькими независимыми анализами. Вердикт: «Свидетельства поддерживают Анализатора A (умеренно-высокая уверенность). Мягкая тендинопатия прикрепления; НЕ выявлено дискретных частичных или полнослойных разрывов, включая апикальное прикрепление».

Модель также выявила, что клиника применила ударно-волновую терапию, хотя клинические рекомендации запрещают её при тендинопатии ротаторной манжеты без кальцификации (которой у разработчика не было).

Разработчик остается в состоянии неопределенности: диагноз и лечение кажутся преждевременными, но полностью доверять AI для медицинских заключений он также не может. Его надежда, что в следующих поколениях моделей AI будет настолько надежна в анализе МРТ, как сейчас в корректуре текстов.

Ключевые факты

Разработчик использовал Claude Code (Opus 4.8) с возможностью выполнения кода для анализа DICOM-пакета МРТ (266 МБ, несколько сотен файлов без расширений)
AI-анализ выявил интактное сухожилие против диагноза врача о разрыве Grade III, указав на возможные ошибки в назначенном лечении (ударно-волновая терапия запрещена при отсутствии кальцификации)
Многоагентный подход с независимыми анализами позволил модели провести сравнение и вынести арбитраж между двумя противоположными выводами
Разработчик подчеркивает огромную разницу между Claude Code и веб-интерфейсом Claude.ai, даже для одной модели, возможность запуска кода критична для глубокого анализа
Остается открытый вопрос доверия: AI может предоставить второе мнение, но нельзя полностью полагаться на его выводы в медицине, требуется еще несколько поколений моделей

Почему это важно

Это демонстрирует, что современные LLM способны обрабатывать и анализировать сложные медицинские данные (DICOM-снимки) и выявлять потенциальные ошибки в клинических решениях, показатель приближения AI к способности служить достоверным вторым мнением. Одновременно случай показывает текущие ограничения: AI может ошибаться в медицинской диагностике, и доверие полностью ему невозможно. Это важно для понимания места AI-анализа в клинической практике на текущем этапе развития.

Кому это важно

Разработчикам и энтузиастам Claude Code, которые ищут примеры использования инструмента за пределами стандартной программистской работы. Врачам и медицинским учреждениям, заинтересованным в потенциале AI как вспомогательного инструмента для второго мнения. Пациентам, которые хотят использовать AI для проверки или лучшего понимания своего диагноза. Исследователям в области применения LLM для медицинской визуализации.

Как это применить

Для анализа медицинских изображений (МРТ, КТ и т.д.) можно загрузить DICOM-пакеты в Claude Code с Opus 4.8, дав модели возможность установить необходимые пакеты для обработки данных (например, pydicom) и провести детальный анализ. Использование многоагентного подхода, просить независимые анализы одних и тех же данных и затем их сравнение, повышает надежность. Однако результаты AI следует рассматривать как информационный вклад, а не окончательный диагноз; необходимо обсудить выводы с квалифицированным врачом.

Можно ли доверять

Частично. Модель успешно обработала сложный набор данных и выявила некоторые потенциальные ошибки в назначенном лечении (противоречие с клиническими рекомендациями). Однако расхождение с диагнозом опытного врача показывает, что AI может ошибаться в критических выводах. Разработчик сам не медик и не может окончательно судить, кто прав. Вывод: AI может быть полезным вспомогательным инструментом для получения альтернативной точки зрения, но не должен заменять профессиональный врачебный консультант.

Риски и подводные камни

Главный риск, чрезмерное доверие к AI-анализу, который может привести к неправильным решениям о здоровье. Разработчик остается в неопределенности: какому выводу верить? Это может вызвать ненужное беспокойство или, напротив, игнорирование реального диагноза. Второй риск, что AI может быть «уверенным, но неправильным» и преподнести ошибку как твердый вывод. Кроме того, анализ требует значительных вычислительных ресурсов и может быть дорогостоящим. Наконец, существует вопрос ответственности: если AI дает неверный анализ, кто несет ответственность перед пациентом?

«Есть что-то невероятно спокойное в том, чтобы быть в руках эксперта, которому ты доверяешь. Тебе не нужно больше волноваться и можно позволить ему вести тебя через процесс. AI может совершенно разрушить это чувство неловким способом: получив это мнение на основе AI, диагноз и план лечения кажутся преждевременными и более вмешательными, чем факты, похоже, оправдывают... но я не знаю, могу ли я полностью доверять AI либо.»

— Автор статьи на antoine.fi