AI Symptom Checker для мобільного застосунку: розробка під ключ

Помилка в Symptom Checker може коштувати життя. Коли 30% існуючих застосунків для оцінки симптомів дають невірні рекомендації щодо екстрених випадків, ціна помилки — людське життя. Уникнути цього допомагає детермінований фільтр екстрених симптомів, який працює до будь-якого AI-аналізу. Нижче — архітектура, яку ми використовуємо в комерційних проєктах, з дотриманням стандартів HIPAA та GDPR. Якщо вам потрібне надійне медичне застосування, зв'яжіться з нами для консультації.

Чому детермінований фільтр критичний?

AI-моделі можуть помилятися, особливо на граничних випадках. Детермінований фільтр — надійна гарантія: якщо користувач вводить «біль у грудях», застосунок зобов'язаний показати кнопку виклику швидкої, не чекаючи відповіді від LLM. Це не AI — це просте порівняння рядків, яке працює швидко та точно. Ми використовуємо список із 30+ фраз на кількох мовах, протестованих медичними експертами.

Які юридичні та медичні обмеження потрібно враховувати?

Перш ніж писати код — базові обмеження, які диктують архітектуру:

• Застосунок не ставить діагнози. Виводить «ймовірні причини», «рекомендується консультація лікаря»
• Симптоми високого ризику (біль у грудях, утруднене дихання, ознаки інсульту) — автоматичний редирект на дзвінок 112, без AI-аналізу
• Всі дані про симптоми — медичні дані, вимагають шифрування рівня HealthKit / HIPAA
• Disclaimer має бути видимим до першого запиту, не дрібним шрифтом

На iOS — HealthKit для зберігання анамнезу з HKHealthStore authorization. На Android — Health Connect з HealthPermission.READ_STEPS та аналогічними дозволами.

Детермінована перевірка критичних симптомів

До будь-якого LLM-виклику — жорсткий фільтр за критичними симптомами:

struct CriticalSymptomChecker { // Симптоми, що потребують негайної швидкої допомоги static let emergencySymptoms = [ "chest pain", "біль у грудях", "difficulty breathing", "утруднене дихання", "не можу дихати", "sudden severe headache", "раптовий сильний головний біль", "face drooping", "numbness arm", "speech difficulty", // FAST-тест інсульту "loss of consciousness", "втрата свідомості", "severe bleeding", "сильна кровотеча", "choking", "подавився" ] static func requiresEmergency(_ symptomText: String) -> Bool { let lowercased = symptomText.lowercased() return emergencySymptoms.contains { lowercased.contains($0) } } } // Перевіряємо ДО відправки в LLM func processSymptoms(_ userInput: String) async { if CriticalSymptomChecker.requiresEmergency(userInput) { showEmergencyAlert() // Кнопка 112, заблокувати продовження return } await analyzeWithAI(userInput) } 

Це не AI — це детермінована логіка. Не можна довіряти LLM рішення про виклик швидкої допомоги.

Структурований збір симптомів

Вільне введення тексту — не найкращий UX для медичного контексту. Користувач у стресі пише неточно. Краще — чат з уточнюючими запитаннями за протоколом OPQRST:

// Протокол збору симптомів (адаптація OPQRST для мобільного) enum SymptomQuestion: CaseIterable { case onset // коли почалося case provocation // що посилює/послаблює case quality // характер (гостра, тупа, тиснуча) case radiation // куди віддає case severity // 1-10 шкала case time // як давно, постійно/періодично var prompt: String { switch self { case .onset: return "Коли з'явився симптом? (нещодавно, кілька годин, кілька днів)" case .severity: return "Оцініть інтенсивність за шкалою від 1 до 10" // ... } } } 

AI генерує наступне уточнююче запитання на основі попередніх відповідей — адаптивне опитування, а не фіксований список.

Промпт для аналізу симптомів

func buildSymptomAnalysisPrompt( symptoms: SymptomCollection, patientContext: PatientContext ) -> String { return """ You are a medical triage assistant. Analyze symptoms and suggest possible conditions. IMPORTANT: Always recommend consulting a qualified doctor. Never provide a definitive diagnosis. If symptoms suggest any serious condition, clearly state urgency level. Patient context: - Age: \(patientContext.age) - Known conditions: \(patientContext.knownConditions.joined(separator: ", ")) - Current medications: \(patientContext.medications.isEmpty ? "none" : patientContext.medications.joined(separator: ", ")) Symptoms: - Main complaint: \(symptoms.mainComplaint) - Duration: \(symptoms.duration) - Severity (1-10): \(symptoms.severity) - Character: \(symptoms.quality) - Associated symptoms: \(symptoms.associated.joined(separator: ", ")) Return JSON: { "urgency": "emergency|urgent|routine", "possible_conditions": [{"name": "", "likelihood": "high|medium|low", "brief_explanation": ""}], "recommended_action": "call_112|er_today|see_doctor_soon|see_doctor_routine|home_care", "home_care_advice": "", "red_flags": ["symptoms to watch for that require immediate care"], "disclaimer": "This is not a medical diagnosis..." } """ } 

urgency: emergency у відповіді LLM — додатковий тригер для показу кнопки 112, навіть якщо детермінований фільтр його не впіймав.

Відображення результатів

Медична інформація потребує особливої подачі в UI:

@Composable fun SymptomCheckResult(result: SymptomAnalysis) { Column(modifier = Modifier.fillMaxSize().padding(16.dp)) { // Рівень терміновості — першим, крупно UrgencyBanner(urgency = result.urgency) Spacer(Modifier.height(16.dp)) // Рекомендована дія — другим RecommendedActionCard(action = result.recommendedAction) Spacer(Modifier.height(16.dp)) // Можливі причини — з застереженнями Text("Можливі причини", style = MaterialTheme.typography.titleMedium) Text( "Інформація носить ознайомлювальний характер і не є діагнозом", style = MaterialTheme.typography.bodySmall, color = MaterialTheme.colorScheme.onSurfaceVariant ) result.possibleConditions.forEach { condition -> ConditionCard(condition) } // Червоні прапорці — окремим блоком if (result.redFlags.isNotEmpty()) { RedFlagsSection(flags = result.redFlags) } // Disclaimer — обов'язковий, але не дрібним шрифтом DisclaimerCard(text = result.disclaimer) } } 

Інтеграція з телемедициною

Якщо застосунок пов'язаний з телемедичним сервісом, кнопка «Проконсультуватися з лікарем» з'являється в результатах. Контекст із Symptom Checker (структуровані симптоми, анамнез) передається лікарю автоматично — це економить 10–15 хвилин опитування.

Що входить у розробку AI Symptom Checker під ключ

Порівняння підходів: детермінований vs AI для екстрених симптомів

Орієнтири за термінами

Базовий Symptom Checker з чатом, детермінованим фільтром екстрених випадків та AI-аналізом — 2–3 тижні. Повна реалізація з адаптивним опитуванням, HealthKit/Health Connect, профілем пацієнта, інтеграцією телемедицини та відповідністю вимогам GDPR/HIPAA — 2–3 місяці.

Наші інженери мають сертифікати iOS/Android та багаторічний досвід у розробці медичних застосунків. Ми гарантуємо дотримання всіх регуляторних вимог та проведемо аудит безпеки перед релізом. Отримайте консультацію щодо вашого проєкту — зв'яжіться з нами для оцінки термінів та вартості. Замовте розробку AI Symptom Checker під ключ — надійне медичне рішення із захистом даних.