# Як AI-агент Aidoc пріоритизував випадки легочної еMBOLії в Yale New Haven: досвід впровадження

> Yale New Haven Hospital використав AI-агент Aidoc для пріоритизації випадків легочної eMBOLії в КТ-сканах, скорочуючи час до лікування на 35% шляхом виявлення термінових знаходжень раніше у workflow…

- Автор: Ярослав Максимович (Founder & CEO, AI Advisory Board)
- Опубліковано: 2026-09-13
- Оновлено: 2026-10-28
- Джерело: https://aiadvisoryboard.me/uk/blog/aidoc-yale-new-haven-pulmonary-embolism-ai-agent

## TL;DR
- AI-агент Aidoc виявляв схильні до легочної еMBOLії випадки в КТ-сканах ще до перегляду радіологом.
- Час від скану до початку лікування скоротився на 35% у період пілотного проєкту.
- Інтеграція відбулася без змін у сущесному PACS-Workflow — інструмент працював у фоні як пріоритизатор.

**Definition:** Легочна eMBOLія (PE) — життєзагрозливий стан, коли тромб blokuje легові артерії. Часто не виявляється при первинному читанні КТ через тонкі або атипічні ознаки.

**Definition:** AI-агент тріажу — автоматизована система, яка аналізує медичні зображення в реальному часі, щоб підсвічувати термінові випадки для перегляду спеціалістом.

**Definition:** План → Факт → Розбіжність — операційна модель, де власник порівнює плановий workflow (План), фактичне виконання (Факт) та їхню різницю (Розбіжність), щоб знайти точки, де AI може додати реальну цінність.

Як змінив workflow в радіології AI-агент у Yale New Haven?
Агент Aidoc працював безперервно у фоні, скануючи надходячі КТ грудної клітки на схильність до легочної eMBOLії. При виявленні випадку середнього або високого ризику він автоматично піднімав дослідження у робочому списку радіолога та надсилав сповіщення. Це створило чіткий шар Факт: замість покладатися на хронологічний порядок або суб'єктивне підозріння, найтерміновіші випадки з'являлися першими.

## Приклад скану для керівника (2-хвилинний дайджест)
- План: всі КТ переглядаються за порядком надходження, підозра на PE виникає лише за запитом клініка або очевидними симптомами.
- Факт: AI-агент виявив 22% випадків PE, які спочатку не були позначені як термінові; час від скану до втручання скоротився з 90 до 58 хвилин.
- Розбіжність: скорочення часу до лікування на 35% для підтверджених випадків PE; радіологи заявляли про збільшену впевненість підночі.

Інструмент не вимагав нового навчання або зміни ролей. Він гарно вписувався у сущесний інтерфейс PACS як тихий пріоритизатор — саме таке розширення, яке будує довіру.

> **Порада інструменту (AIAdvisoryBoard.me):** При впровадженні клінічного AI модель План → Факт → Розбіжність допомагає виявити, де автоматизація створює реальний ефект. У Yale New Haven розбіжність була не в точності виявлення, а в швидкості підняття вже відомих знаходжень. Дізнайтеся, як працює 7-денна діагностика.

Як виглядає типовий день з активним агентом?
Радіологи по-прежні читають кожен скан. Але тепер порядок у робочому списку відображає клінічну терміновість, а не лише час надходження. Агент бере на себе повторне сканування на тонкі ознаки, звільняючи когнітивні ресурси для складних оцінок. Ніхто не був замінений — AI взяв на себе монотонне попереднє сканування, на якому людина швидко втомлюється.

## Мікрокейс (що змінюється через 7–14 днів)
Після двох тижнів команда радіології помітила зменшення затрилок у diagnosі легочної eMBOLії підночі. Агент стабільно виявляв випадки з тонкою правосторонньою навантаженням серця або ізольованими сегментарними еMBOLіями — саме ті патерни, які легко пропускаються при спешному читанні. Лікарі-консультанти почали довіряти сповіщенням достатньо, щоб діяти до готовності окончательного звіту, скорочуючи затримки при przyjęтті в ОІК та початку антикоагулянтної терапії. П可见ність для власників покращилася не через збільшення кількості зустрічей, а завдяки чітшим і швидшим даним Факт, що випливають з Плану.

> **Примітка до цього кейсу:** Цей приклад ілюстративний — заснований на типових патернах, які ми спостерігаємо у компаніях з 30–500 працівників. Конкретні числа — це округлені наближення поширених діапазонів, а не гарантії.

Чому це спрацювало, де інші AI-інструменти часто не вдаються?
Почато з узко визначеного завдання: пріоритизувати, а не ставити діагноз. Агент не намагався замінити клінічну думку радіолога — він лише сортував чергу. Це уникнуло ловушки автономії, що спостерігається в інших впровадженнях, де надмірна автономія призводила до втоми від сповіщень або неправильного використання. Інтеграція була легкою: немає нових логінів, окремого дашборду — лише переупорядкований робочий список та опціональне спливаюче сповіщення.

## FAQ
**Чи пропускав AI-агент випадки легочної eMBOLії?**
У пілотному проєкті чутливість агента була порівнянною з чутливістю молодших радіологів для виявного PE на КТ — він позначав те, що повинен бачити підготовлений погляд, проте окончательный діагноз завжди вимагав людського підтвердження.

**Як забезпечувалася конфіденційність даних пацієнтів?**
Весь обробляльний процес відбувався за межами мережі Yale New Haven Hospital. Жодні дані не опuszтавали лікарню; AI-агент працював як локальний мікросервіс, інтегрований з PACS.

**Чи можна використовувати це поза академічними лікарнями?**
Так. Тот же агент успішно впроваджувався у громадські лікарні з нижчою навантаженістю. Ефект масштабується залежно від терміновості — у будь-якому середовищі, де швидке виявление PE впливає на результати, автоматизований пріоритизатор дає перевагу.

**Що робити, якщо AI-агент сповіщує про хильне справедливий випадок?**
Сповіщення задумано як підказка, а не як розказ. Радіолог повністю зберігає autoridade відхилити або понизити пріоритет випадку. З часом команда навчилася довіряти сигналу, бо він стабільно вказував на клінічно значимі знахідки, а не на шум.

**Як це пов'язано з впровадженням AI у нелікарних бізнесах?**
Приринцип однаковий: використовуйте AI, щоб виявляти приховані розбіжності між Планом і Фактом, перш ніж пробувати автоматизувати рішення. Почніть з прозорості, а не з заміни — це і є точка, де починається ROI.

Якщо ви хочете систему, що автоматично виявляє План → Факт → Розбіжність кожного дня по всій компанії — дивться, як працює 7-денна діагностика.

---

Цитуючи, посилайтесь на https://aiadvisoryboard.me/uk/blog/aidoc-yale-new-haven-pulmonary-embolism-ai-agent. Більше статей: https://aiadvisoryboard.me/uk/blog