2026
, ВАК
Article
Мультимодальные фундаментальные модели и медицинские мультимодальные большие языковые модели формируют новый класс диагностических систем поддержки принятия решений, способных работать с разнородными источниками данных: медицинскими изображениями (рентген, КТ, МРТ, УЗИ, гистология), сигналами (ЭКГ, ЭЭГ), текстом (история болезни, протоколы, выписки), лабораторными показателями, данными молекулярного профилирования и др. В статье систематизированы архитектуры и стратегии обучения, обеспечивающие переносимость между задачами и модальностями, а также обсуждены требования к надежности, клинической валидации и регуляторной классификации моделей. Универсальность трактуется как возможность единой модели или единого модульного контура решать широкий спектр задач (детекция, сегментация, триаж, суммаризация, извлечение фактов, визуально-текстовые вопросы) при сохранении проверяемости выводов и строгих ограничений: система не должна выдавать финальный диагноз и подменять врача, а должна предоставлять обоснованные гипотезы, наблюдения и подсказки, пригодные для клинической проверки и документирования в рамках действующих регуляторных требований.