В исследовании, опубликованном в журнале npj Digital Medicine 7 октября 2026 года, представлена инновационная методология генерации истории настоящего заболевания (HPI) для пациентов с гипертиреозом с применением мультиагентной системы на базе больших языковых моделей (LLM) и технологии поиска с дополнением (RAG). Ключевой проблемой, которую решает данная работа, является снижение уровня «позитивных фактических галлюцинаций» — ситуаций, когда ИИ генерирует правдоподобные, но неверные медицинские утверждения, что критически важно для безопасности пациентов. Авторы разработали архитектуру, в которой несколько специализированных агентов взаимодействуют для извлечения данных, проверки фактов и формирования итогового текста, используя внешние базы знаний через RAG для верификации клинических параметров. Методология позволяет существенно повысить точность и достоверность автоматически сгенерированных медицинских записей по сравнению с традиционными одноагентными подходами. Результаты исследования демонстрируют значительное улучшение качества текста и снижение количества фактических ошибок, что делает систему пригодной для интеграции в клиническую практику для автоматизации документирования. Это исследование вносит важный вклад в развитие надежных ИИ-инструментов для обработки естественного языка в медицине, особенно в контексте сложных эндокринных заболеваний. Работа подчеркивает необходимость строгого контроля за фактологической точностью при использовании генеративного ИИ в здравоохранении.