Как собрать личную медкарту на ИИ-агенте: шесть папок вместо приложения
Медицинские данные обычно разбросаны: анализы на сайтах лабораторий, тренировки в фитнес-приложении, препараты в заметках. Авторы разбора на Habr предлагают не писать очередное приложение, а выдать ИИ-агенту папку с файлами и правилами. Модель сама читает документы, сводит значения и строит графики по запросу. Всё держится на шести слоях: от входящих файлов до готовых отчётов.
AI-обработка оригинала Habr AI; редакция Hamidun News
Все накапливают медицинские бумаги: результаты анализов, заключения врачей, назначения, замеры давления и веса. Лежат они где попало: PDF на сайте лаборатории, сканы в папке, тренировки в спортивном приложении, названия препаратов в заметках. Найти один анализ просто. Собрать картину целиком перед визитом к врачу уже сложно. Автор статьи на Habr предлагает для этого не писать приложение, а построить среду, в которой работает ИИ-агент.
Почему не обычная медицинская система
Специализированные медицинские системы умеют только то, что заложили разработчики. Если программа хранит лабораторные показатели и рисует графики, это не значит, что она сопоставит их с приёмом препаратов или физической активностью. Под каждую такую связку нужны модели данных, интерфейсы и алгоритмы.
Автор исходит из другого. Большинство задач — это операции над информацией: найти документы, вытащить значения, сопоставить даты и единицы, посчитать, показать. Именно это современные модели делают хорошо, если дать им доступ к файлам. Функциональность появляется из запроса: «построй график приёма статинов рядом с биохимией» или «какие препараты я принимал во время курса физиотерапии». Ни искать нужную кнопку, ни ждать релиза не надо.
Поэтому базу данных в основу не кладут. Медицинские данные слишком разнородны: таблицы показателей, текст, изображения, сложные документы. Заранее предусмотреть схему на все случаи нельзя. Основа здесь — обычные файлы, а базу можно подключить позже для отдельных задач. Структуру и правила работы описывают в файлах AGENTS.md, по одному в каждом каталоге. Подход не привязан к конкретному вендору модели.
Шесть слоёв
Система устроена как конвейер, где каждый слой даёт документу новое свойство.
- Входящие. Временная папка для новых файлов: PDF, фото, аудио, выгрузки. Здесь же можно объяснить модели, что два скана с разных сторон листа — один документ.
- Оригиналы. Файлы не изменяются, их можно только раскладывать по папкам и называть понятнее. Это нужно для проверки: распознавание могло исказить значения, а через год вы захотите прогнать документ через модель получше.
- Материалы. Текстовые версии оригиналов: распознанный скан, расшифровка аудио, текст из PDF. Каждый материал ссылается на источник. Если модель не может что-то разобрать, она спрашивает пользователя.
- Записи. Структурированные факты: значения анализов, визиты, назначения. Здесь разные названия одного показателя сводятся к одному, единицы измерения приводятся к общему виду, дубликаты и конфликты вычищаются.
- Скрипты. Для повторяющихся операций, например импорта сотен однотипных файлов тренировок, лучше написать программу, чем каждый раз поручать модель. Результат получается воспроизводимым и проверяемым.
- Выходные документы. Графики, таблицы, сводки и отчёты по запросам.
Что в этом полезного для разработчика
Главная идея шире медицины. Вместо приложения с фиксированным набором функций вы делаете среду из трёх частей: данные, правила и агент с инструментами. Сами слои выглядят как здравый инженерный минимум для любой задачи с «грязными» документами: не теряй оригиналы, храни связь между производным и источником, нормализуй данные отдельным шагом, повторяющееся выноси в код.
Автор отдельно оговаривает: скрипты нужны не всегда. Для разовых задач модель справляется напрямую, а повторы она иногда замечает сама, но не всегда. Это важное ограничение: следить за тем, что операция повторяется, приходится и человеку.
Ограничения
Распознавание фото и сканов может ошибаться, поэтому слой оригиналов и ссылки на источник тут обязательны. Нормализацию показателей из разных лабораторий нужно проверять: модель способна сопоставить единицы неправильно. Авторская задача — не медицинская интерпретация, а подготовка материалов для визита, и этим стоит и ограничиваться.
От себя добавим: речь о самых чувствительных персональных данных. Прежде чем отдавать их агенту, стоит понять, где физически работает модель, что уходит наружу и кто имеет доступ к папке. В доступной части статьи этот вопрос подробно не разобран, а материал обрывается на примере обработки нового анализа.
К статье есть шаблон на GitHub с README. Если вы строите агентов для работы с личными или корпоративными документами, его стоит открыть. Заимствовать оттуда можно не медицину, а саму схему: файловая структура, инструкции по каталогам и разделение оригиналов, материалов и записей.
- 12 нояб. 2026 г.Claude in Chrome требует разрешать каждый клик на сайтах с категорией 3
- 12 нояб. 2026 г.Norwest собрал рекордный фонд на $4 млрд и ставит на агентов, голос и физический ИИ
- 12 нояб. 2026 г.AWS показала, как 100% точности поиска скрывают провал ИИ-агента
- 12 нояб. 2026 г.Garage Eight убрала чужие апрувы в 69 MR внутреннего сервиса с AI-ревью
Вопросы и ответы по материалу
Что известно по теме: почему не обычная медицинская система?
Специализированные медицинские системы умеют только то, что заложили разработчики. Если программа хранит лабораторные показатели и рисует графики, это не значит, что она сопоставит их с приёмом препаратов или физической активностью. Под каждую такую связку нужны модели данных, интерфейсы и алгоритмы. Автор исходит из другого. Большинство задач — это операции над информацией: найти документы, вытащить значения, сопоставить даты и единицы, посчитать, показать.
Что известно по теме: шесть слоёв?
Система устроена как конвейер, где каждый слой даёт документу новое свойство. Входящие. Временная папка для новых файлов: PDF, фото, аудио, выгрузки. Здесь же можно объяснить модели, что два скана с разных сторон листа — один документ. Оригиналы. Файлы не изменяются, их можно только раскладывать по папкам и называть понятнее. Это нужно для проверки: распознавание могло исказить значения, а через год вы захотите прогнать документ через модель получше. Материалы.
Что известно по теме: что в этом полезного для разработчика?
Главная идея шире медицины. Вместо приложения с фиксированным набором функций вы делаете среду из трёх частей: данные, правила и агент с инструментами. Сами слои выглядят как здравый инженерный минимум для любой задачи с «грязными» документами: не теряй оригиналы, храни связь между производным и источником, нормализуй данные отдельным шагом, повторяющееся выноси в код. Автор отдельно оговаривает: скрипты нужны не всегда.
От чтения про ИИ-агентов — к запуску своего агента за вечер
Пошаговая сборка автономных агентов и MCP-связок в Hamidun Academy (academy.hamidun.com) (72 часа бесплатно) или мгновенный запуск готовых мультишаговых агентов в облаке Nomad.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.