[ { "entity_id": "W8-FIELD-OPS-26-07", "label_ru": "Многоцентровый регистр США — ретроспективная переоценка активаций катетеризационной лаборатории моделью Queen of Hearts/PMcardio (Powerful Medical): точность модели, а не измеренное изменение реальной работы", "company": "Многоцентровый регистр трёх центров чрескожного коронарного вмешательства в США (в т.ч. The Christ Hospital, Цинциннати; Beth Israel Deaconess Medical Center, Бостон; UC Davis); ИИ-модель Queen of Hearts/PMcardio разработана вендором Powerful Medical (Братислава, Словакия)", "country": "США", "process": "Ретроспективный анализ решений об экстренной активации катетеризационной лаборатории по ЭКГ у пациентов с подозрением на STEMI: сравнение диагностической точности стандартной триажной практики против ИИ-модели, применённой задним числом к тем же историческим ЭКГ", "period": "Январь 2020 — май 2024, 1032 пациента, 3 центра США; публикация JACC: Cardiovascular Interventions, октябрь 2025 (электронно) / январь 2026 (печать)", "region": "US", "evidence_level": "C", "level_basis_ru": "Абстракт и метаданные лично открыты через прямой запрос к Europe PMC REST API. Полный текст статьи в JACC: Cardiovascular Interventions платный (Elsevier/JACC, «Subscription required» по DOI) — обход пейволла запрещён правилами задания, помечаю недоступным. Ведущий автор (Robert Herman) и часть соавторов аффилированы с Powerful Medical — вендором оцениваемой модели Queen of Hearts/PMcardio: финансовая заинтересованность разработчиков без независимого контроля другого происхождения. Ретроспективный дизайн без ослепления, без личной проверки полной методики. Уровень C.", "outcome": "unknown", "outcome_basis_ru": "Заявленная авторами цель — повысить диагностическую точность выявления истинной окклюзии коронарной артерии и снизить долю ложноположительных активаций катетеризационной лаборатории. По абстракту: чувствительность ИИ 92.0% против 71.0% у стандартного триажа, ложноположительные активации снижены с 41.8% до 7.9%. Но это исследование измеряет диагностическую точность модели на ретроспективном массиве исторических ЭКГ (по уже принятым в реальности решениям об активации), а не то, как реально изменилась работа бригад/катетеризационных лабораторий при использовании ИИ в момент принятия решения — точность модели ≠ измеренный исход изменения работы организации (см. «Уроки 23.09»). Поскольку полный текст недоступен для проверки методологии, а финансовая заинтересованность разработчиков высока, исход относительно реального изменения работы организации отмечаю как unknown.", "primary_category": "out_of_scope", "extra_labels": [ "accuracy_not_outcome", "vendor_coi", "paywalled" ], "metrics": [ { "name_ru": "Чувствительность выявления истинной окклюзии коронарной артерии (ИИ vs стандартный триаж, ретроспективно)", "value": "92.0% (ИИ) vs 71.0% (стандарт)", "unit": "%", "period": "январь 2020 — май 2024, ретроспективный регистр 3 центров", "baseline": "71.0% (427/601) — стандартный триаж", "source_url": "https://www.ebi.ac.uk/europepmc/webservices/rest/search?query=TITLE:%22AI-Enabled%20ECG%20Analysis%20Improves%20Diagnostic%20Accuracy%20and%20Reduces%20False%20STEMI%20Activations%22&format=json&resultType=core" } ], "claims": [ { "claim_ru": "По абстракту, ИИ-модель показала более высокую чувствительность и меньшую долю ложноположительных активаций, чем стандартный триаж.", "status": "SOURCE_CLAIM", "what_verified": "number_in_report", "evidence": [ { "url": "https://www.ebi.ac.uk/europepmc/webservices/rest/search?query=TITLE:%22AI-Enabled%20ECG%20Analysis%20Improves%20Diagnostic%20Accuracy%20and%20Reduces%20False%20STEMI%20Activations%22&format=json&resultType=core", "title": "AI-Enabled ECG Analysis Improves Diagnostic Accuracy and Reduces False STEMI Activations: A Multicenter U.S. Registry", "publisher": "JACC: Cardiovascular Interventions (метаданные и абстракт через Europe PMC REST API)", "published": "2025-10", "origin": "media_repeat", "quote_original": "AI sensitivity: 92.0% (553/601) vs. standard 71.0% (427/601) ... False positive activation reduction: 7.9% (34/431) vs. standard 41.8% (180/431).", "quote_ru": "Чувствительность ИИ: 92.0% (553/601) против стандартных 71.0% (427/601) ... Снижение доли ложноположительных активаций: 7.9% (34/431) против стандартных 41.8% (180/431)." } ] }, { "claim_ru": "Ведущий автор и часть соавторов — сотрудники вендора оцениваемой модели.", "status": "VERIFIED", "what_verified": "none", "evidence": [ { "url": "https://www.ebi.ac.uk/europepmc/webservices/rest/search?query=TITLE:%22AI-Enabled%20ECG%20Analysis%20Improves%20Diagnostic%20Accuracy%20and%20Reduces%20False%20STEMI%20Activations%22&format=json&resultType=core", "title": "AI-Enabled ECG Analysis Improves Diagnostic Accuracy and Reduces False STEMI Activations", "publisher": "JACC: Cardiovascular Interventions (метаданные через Europe PMC REST API)", "published": "2025-10", "origin": "media_repeat", "quote_original": "Robert Herman (Lead): Cardiovascular Center Aalst, AZORG Hospital, Belgium; Powerful Medical, Bratislava, Slovakia", "quote_ru": "Роберт Херман (ведущий автор): Кардиоваскулярный центр Аальст (Бельгия); Powerful Medical, Братислава, Словакия (вендор оцениваемой модели)." } ] } ], "arithmetic": [ { "expr": "(41.8-7.9)/41.8", "result": "≈81.1% относительного снижения доли ложноположительных активаций (пересчитано мной по данным абстракта, первичные таблицы не проверялись — полный текст недоступен)", "matches_source": false } ], "counter_evidence_ru": "Полный текст статьи недоступен (платный доступ), поэтому невозможно лично проверить дизайн, ослепление, статистику и полное раскрытие конфликтов интересов за пределами абстракта.", "alternative_explanations_ru": "Ретроспективное применение модели к уже принятым историческим решениям не учитывает, как реальные клиницисты вели бы себя, зная о рекомендации ИИ в момент принятия решения (эффект ретроспективного отбора/hindsight).", "human_role_ru": "В реальной практике решение об активации катетеризационной лаборатории принимает врач/фельдшер по ЭКГ; в этом исследовании ИИ применялся ретроспективно, не в момент принятия решения.", "timeline_ru": "Электронная публикация октябрь 2025, печатная — январь 2026; более поздних независимых проверок на дату проверки (23.09.2026) не найдено.", "limitations_ru": "Полный текст недоступен (платный доступ, не обходился по правилам задания); финансовая заинтересованность ведущих авторов в вендоре модели; ретроспективный, не проспективный дизайн; найдены также только конференц-тезисы (Circulation/TCT) о проспективном пилоте той же модели в Hennepin EMS (США) — эти тезисы мной лично не открывались и в research.json не включены как отдельное подтверждение.", "counted_in_120_proposed": false, "reason_ru": "Ретроспективное сравнение точности модели на исторических данных, а не измеренное изменение реальной работы организации; уровень C из-за финансового интереса разработчиков-соавторов и недоступности полного текста; вне периметра 120 как accuracy-study, а не process-change case.", "sources_opened": [ "https://www.ebi.ac.uk/europepmc/webservices/rest/search?query=TITLE:%22AI-Enabled%20ECG%20Analysis%20Improves%20Diagnostic%20Accuracy%20and%20Reduces%20False%20STEMI%20Activations%22&format=json&resultType=core" ], "unreachable": [ "https://doi.org/10.1016/j.jcin.2025.10.018 (платный доступ JACC, не обходился)" ] }, { "entity_id": "W8-FIELD-OPS-26-08", "label_ru": "Республика Корея — модель DyLM-OHCA распознавания остановки сердца по звонкам: офлайн-точность высокая, реальное внедрение авторами прямо не оценивалось", "company": "SMG-SNU Boramae Medical Center / Seoul National University (клиническая часть); данные о звонках — Incheon Fire Headquarters; Республика Корея", "country": "Республика Корея", "process": "Разработка и ретроспективная (офлайн) валидация модели глубокого обучения DyLM-OHCA для раннего распознавания внебольничной остановки сердца по транскриптам звонков в экстренные службы; модель не интегрирована в реальную работу диспетчерских служб", "period": "158 973 транскрипта звонков из трёх метрополий Республики Корея; публикация NPJ Digital Medicine, март 2026", "region": "OTHER", "evidence_level": "D", "level_basis_ru": "Лично открыт и прочитан полный текст в PMC (PMC13065865). Авторы прямо пишут, что реальное внедрение не оценивалось: «this study did not evaluate real-world integration, usability, or the behavioral impact of model outputs on dispatcher decision-making» и «prospective simulation and field evaluations will be needed» — первоисточник открыт и доступен, но по факту это разработка и офлайн-валидация модели, а не наблюдение реального изменения работы диспетчерской службы.", "outcome": "unknown", "outcome_basis_ru": "Заявленная цель — распознавание остановки сердца за 60 секунд разговора; результат по модели: AUROC 0.937, AUPRC 0.456, чувствительность 0.805, специфичность 0.924. Это показатель точности модели на ретроспективных данных, а не измеренный исход реальной работы диспетчерской службы (модель не была развёрнута в реальных операциях на момент публикации) — согласно «Урокам 23.09» точность модели в исследовании ≠ исход работы организации, поэтому исход относительно реального изменения работы отмечаю как unknown.", "primary_category": "out_of_scope", "extra_labels": [ "accuracy_not_outcome", "not_deployed" ], "metrics": [ { "name_ru": "AUROC модели распознавания остановки сердца по звонку (офлайн)", "value": "0.937", "unit": "AUROC", "period": "ретроспективная валидация, три метрополии Кореи", "baseline": "нет прямого сравнения с реальными действиями диспетчеров в реальном времени — метки решений диспетчеров отсутствовали", "source_url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC13065865/" } ], "claims": [ { "claim_ru": "Авторы прямо заявляют, что реальная интеграция и поведенческое влияние на диспетчеров не оценивались.", "status": "VERIFIED", "what_verified": "none", "evidence": [ { "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC13065865/", "title": "Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls", "publisher": "NPJ Digital Medicine (PMC)", "published": "2026-03", "origin": "academic", "quote_original": "this study did not evaluate real-world integration, usability, or the behavioral impact of model outputs on dispatcher decision-making.", "quote_ru": "данное исследование не оценивало реальную интеграцию, удобство использования или поведенческое влияние выходных данных модели на решения диспетчеров." } ] }, { "claim_ru": "Модель достигла высокой офлайн-точности распознавания.", "status": "VERIFIED", "what_verified": "number_in_report", "evidence": [ { "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC13065865/", "title": "Deep language model-based early recognition of out-of-hospital cardiac arrest", "publisher": "NPJ Digital Medicine (PMC)", "published": "2026-03", "origin": "academic", "quote_original": "DyLM-OHCA markedly outperformed all other benchmarks (AUROC = 0.937; AUPRC = 0.456).", "quote_ru": "DyLM-OHCA заметно превзошла все остальные модели сравнения (AUROC = 0.937; AUPRC = 0.456)." } ] } ], "arithmetic": [], "counter_evidence_ru": "Авторы прямо указывают на заметную долю ложноположительных срабатываний (7.6%) как потенциальную операционную нагрузку при реальном внедрении — то есть даже как офлайн-модель система имеет заметный недостаток, не говоря об отсутствии полевой проверки.", "alternative_explanations_ru": "—", "human_role_ru": "В реальной работе диспетчеров модель не участвовала; распознавание остановки сердца в изученный период выполняли только люди-диспетчеры.", "timeline_ru": "Публикация март 2026; сведений о последующем пилотном внедрении на дату проверки (23.09.2026) не найдено.", "limitations_ru": "Только корейские данные; нет меток решений диспетчеров для прямого сравнения («dispatcher recognition labels and decision times were not available»); чувствительность к качеству распознавания речи в реальных условиях не оценена.", "counted_in_120_proposed": false, "reason_ru": "Разработка и офлайн-валидация ИИ-модели без реального внедрения в работу диспетчерской службы; сами авторы прямо пишут об отсутствии оценки реальной интеграции — не случай изменения реальной работы организации.", "sources_opened": [ "https://pmc.ncbi.nlm.nih.gov/articles/PMC13065865/" ], "unreachable": [] }, { "entity_id": "W8-FIELD-OPS-26-09", "label_ru": "Копенгаген (Дания) — офлайн-валидация распознавания инсульта по звонкам на горячую линию соавторами-совладельцами вендора Corti", "company": "Copenhagen Emergency Medical Services / Copenhagen University Hospital — Herlev, Gentofte (Дания); соразработчик технологии — компания Corti (среди соавторов — со-основатель и технический директор Corti)", "country": "Дания", "process": "Разработка и ретроспективная (офлайн) валидация модели машинного обучения распознавания инсульта по звонкам на медицинскую горячую линию Копенгагена; сравнение с решениями реальных операторов-диспетчеров по историческим записям", "period": "Обучение — звонки 2015–2020, тест — звонки 2021 года; публикация NPJ Digital Medicine, декабрь 2023", "region": "OTHER", "evidence_level": "C", "level_basis_ru": "Лично открыт и прочитан полный текст в PMC (PMC10730829). Явный и существенный финансовый конфликт интересов: соавторы J.D.H. и L.B. пользовались Corti и держали опционы на акции компании, L.M. — сооснователь, акционер и технический директор Corti (компании-разработчика оцениваемой технологии); часть финансирования — от самой Corti. Ретроспективное офлайн-сравнение с историческими решениями диспетчеров — не проспективное развёртывание в реальном времени. Уровень C (разработчики/совладельцы вендора с финансовым интересом).", "outcome": "unknown", "outcome_basis_ru": "Заявленная цель — повысить чувствительность распознавания инсульта по сравнению с операторами. Результат: чувствительность модели 63.0% (95% ДИ 62.0–64.1%) против 52.7% (49.2–56.4%) у операторов, PPV 24.9% против 17.1%, p<0.0001. Это офлайн-сравнение на исторических записях, а не проспективно измеренный исход реальной работы диспетчерской службы — сами авторы: «This study does not imply that a machine-learning model can replace medical call-takers... the model should be used as a supportive tool». С учётом того, что точность модели ≠ исход организации, и выраженного финансового конфликта интересов, исход относительно реального изменения работы отмечаю как unknown.", "primary_category": "out_of_scope", "extra_labels": [ "accuracy_not_outcome", "vendor_coi", "not_deployed" ], "metrics": [ { "name_ru": "Чувствительность распознавания инсульта: модель vs операторы (офлайн-сравнение)", "value": "63.0% (модель) vs 52.7% (операторы)", "unit": "%", "period": "тестовая выборка — звонки 2021 года, Копенгаген", "baseline": "52.7% (49.2–56.4%) — операторы-диспетчеры", "source_url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC10730829/" } ], "claims": [ { "claim_ru": "Модель значимо превзошла операторов по чувствительности и PPV на исторических данных.", "status": "VERIFIED", "what_verified": "number_in_report", "evidence": [ { "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC10730829/", "title": "A retrospective study on machine learning-assisted stroke recognition for medical helpline calls", "publisher": "NPJ Digital Medicine (PMC)", "published": "2023-12", "origin": "academic", "quote_original": "The classification model outperformed the call-takers... with significant differences in all metrics (p < 0.0001).", "quote_ru": "Классификационная модель превзошла операторов-диспетчеров ... со значимыми различиями по всем метрикам (p<0.0001)." } ] }, { "claim_ru": "Соавтор — сооснователь, акционер и технический директор компании-вендора Corti.", "status": "VERIFIED", "what_verified": "none", "evidence": [ { "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC10730829/", "title": "A retrospective study on machine learning-assisted stroke recognition for medical helpline calls", "publisher": "NPJ Digital Medicine (PMC)", "published": "2023-12", "origin": "academic", "quote_original": "L.M. is a co-founder, stockholder, and the Chief Technology Officer of Corti.", "quote_ru": "Л.М. — сооснователь, акционер и технический директор компании Corti." } ] }, { "claim_ru": "Авторы прямо предостерегают от интерпретации результата как готовности к замене операторов.", "status": "VERIFIED", "what_verified": "none", "evidence": [ { "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC10730829/", "title": "A retrospective study on machine learning-assisted stroke recognition for medical helpline calls", "publisher": "NPJ Digital Medicine (PMC)", "published": "2023-12", "origin": "academic", "quote_original": "This study does not imply that a machine-learning model can replace medical call-takers... the model should be used as a supportive tool.", "quote_ru": "Данное исследование не подразумевает, что модель машинного обучения может заменить операторов-диспетчеров... модель следует использовать как вспомогательный инструмент." } ] } ], "arithmetic": [ { "expr": "(63.0-52.7)/52.7", "result": "≈19.5% относительного прироста чувствительности (в статье такой относительный процент не приводится, пересчитано мной)", "matches_source": true } ], "counter_evidence_ru": "Авторы сами признают ограничения оценки времени начала инсульта («estimating the accuracy of the timestamps in DanStroke was impossible») и отсутствие данных для оценки потенциального смещения по расе/языку/акценту.", "alternative_explanations_ru": "Ретроспективное сравнение на исторических записях не учитывает, как реальные операторы вели бы себя, зная о параллельной подсказке модели в момент разговора — числа не переносимы напрямую на реальный эффект внедрения.", "human_role_ru": "В изучаемый период (2015–2021) решения по всем звонкам принимали только операторы-люди; модель тестировалась параллельно офлайн, не подсказывая операторам в реальном времени.", "timeline_ru": "Публикация декабрь 2023; в рамках данного пакета отдельно проспективное внедрение и его независимо измеренный исход не проверялись и не включались; более поздних материалов именно по этой статье на дату проверки (23.09.2026) не найдено.", "limitations_ru": "Сильный финансовый конфликт интересов части авторов с вендором технологии; ретроспективный, не проспективный дизайн; неполное сопоставление записей звонков с электронными картами пациентов.", "counted_in_120_proposed": false, "reason_ru": "Ретроспективная офлайн-валидация алгоритма распознавания инсульта разработчиками/совладельцами вендора Corti с прямым финансовым интересом; не проспективное измерение реального изменения работы диспетчерской службы в рамках этой статьи.", "sources_opened": [ "https://pmc.ncbi.nlm.nih.gov/articles/PMC10730829/" ], "unreachable": [] }, { "entity_id": "W8-FIELD-OPS-26-10", "label_ru": "Наньнин, Гуанси (Китай) — модель прогноза критических исходов по диспетчерским нарративам: временнАя валидация названа авторами симуляцией реального внедрения", "company": "Служба скорой медицинской помощи г. Наньнин (Nanning Emergency Medical Center) и The People's Hospital of Guangxi Zhuang Autonomous Region, Китай", "country": "Китай", "process": "Разработка и ретроспективная временнАя валидация (temporal validation) модели NLP+ML прогнозирования критических исходов по свободному тексту диспетчерских нарративов при подозрении на кардиопульмональные состояния; модель не развёрнута в реальной диспетчерской работе", "period": "Обучающая когорта 2021–2024 (n=28 332), независимая тестовая когорта 2025 года (n=10 191); публикация Journal of Medical Internet Research, август 2026", "region": "CN", "evidence_level": "D", "level_basis_ru": "Лично открыт и прочитан полный текст в PMC (PMC13476006). Авторы прямо пишут: «To simulate real-world deployment, data from 2021 to 2024 ... were used for model development, and 2025 data ... served as an independent temporal test cohort» — то есть это симуляция, а не реальное развёртывание; конфликт интересов не заявлен («Conflicts of Interest: None declared»). Первоисточник открыт, но факта изменения реальной работы организации в статье нет.", "outcome": "unknown", "outcome_basis_ru": "Заявленная цель — улучшить раннее выявление риска по сравнению со структурированными данными без нарративов. Результат: модель с нарративами AUROC 0.803 против 0.681 у модели только со структурированными данными; топ-10% пациентов по риску охватывают 32.1% (n=791) всех критических исходов (3.2-кратное обогащение против случайного отбора). Это точность модели на ретроспективных/симулированных данных, не измеренный исход реальной работы диспетчерской службы Наньнина (модель не влияла на реальные решения диспетчеров в изученный период) — согласно «Урокам 23.09» это не исход организации, поэтому отмечаю unknown.", "primary_category": "out_of_scope", "extra_labels": [ "accuracy_not_outcome", "simulated_deployment" ], "metrics": [ { "name_ru": "AUROC модели с нарративами vs только структурированные данные", "value": "0.803 vs 0.681", "unit": "AUROC", "period": "независимая тестовая когорта 2025 года", "baseline": "0.681 (модель только на структурированных данных)", "source_url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC13476006/" } ], "claims": [ { "claim_ru": "Авторы прямо называют дизайн исследования симуляцией реального внедрения.", "status": "VERIFIED", "what_verified": "none", "evidence": [ { "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC13476006/", "title": "Predicting Critical Outcomes in Suspected Cardiopulmonary Emergencies Using Dispatch Narratives: Temporal Validation Study", "publisher": "Journal of Medical Internet Research (PMC)", "published": "2026-08", "origin": "academic", "quote_original": "To simulate real-world deployment, data from 2021 to 2024 (n=28,332) were used for model development, and 2025 data (n=10,191) served as an independent temporal test cohort.", "quote_ru": "Чтобы симулировать реальное внедрение, данные 2021–2024 гг. (n=28 332) использовались для разработки модели, а данные 2025 г. (n=10 191) послужили независимой временнОй тестовой когортой." } ] }, { "claim_ru": "Топ-10% пациентов по прогнозируемому риску охватили 32.1% всех критических исходов.", "status": "VERIFIED", "what_verified": "number_in_report", "evidence": [ { "url": "https://pmc.ncbi.nlm.nih.gov/articles/PMC13476006/", "title": "Predicting Critical Outcomes in Suspected Cardiopulmonary Emergencies Using Dispatch Narratives", "publisher": "Journal of Medical Internet Research (PMC)", "published": "2026-08", "origin": "academic", "quote_original": "the top 10% (n=1019) of predicted high-risk cases accounted for 32.1% (n=791) of all critical outcomes, representing a 3.2-fold enrichment.", "quote_ru": "топ-10% (n=1019) случаев с наивысшим прогнозируемым риском охватили 32.1% (n=791) всех критических исходов, что представляет 3.2-кратное обогащение." } ] } ], "arithmetic": [ { "expr": "32.1% / 10%", "result": "3.21 ≈ заявленное 3.2-кратное обогащение", "matches_source": true } ], "counter_evidence_ru": "—", "alternative_explanations_ru": "—", "human_role_ru": "Модель в реальной диспетчерской работе Наньнина не использовалась в изученный период; все решения по вызовам принимали диспетчеры-люди по структурированному протоколу.", "timeline_ru": "Публикация август 2026; сведений о последующем пилотном внедрении на дату проверки (23.09.2026) не найдено.", "limitations_ru": "Одноцентровое китайское исследование; авторы прямо называют работу симуляцией, а не полевым испытанием; выборка ограничена жалобами на кардиопульмональные симптомы.", "counted_in_120_proposed": false, "reason_ru": "Ретроспективная разработка и временнАя валидация модели, явно описанная авторами как симуляция реального внедрения, а не измеренное изменение реальной работы диспетчерской службы.", "sources_opened": [ "https://pmc.ncbi.nlm.nih.gov/articles/PMC13476006/" ], "unreachable": [] } ]