Рынок ИИ-ассистентов для медицины и какое направление мы выбрали для первого этапа нашего консультанта.
Строго не судите, я пока достаточно поверхностно изучил рынок и это скорее моё первое резюме.
Глобально все решения можно разделить на решения для врачей и для пациентов.
Для врачей:
1. Разпознавание и интерпретация разного рода снимков (КТ, МРТ, УЗИ и т.д.)
2. Прогнозные модели. На основе структурированного набора входных данных прогнозируют наличие того или иного диагноза
3. Системы поддержки принятия врачебных решений (СППВР)
4. Ассистенты ведения медицинского документооборота на основе транскрибации диалога врач-пациент
Последние пока значительно меньше распространены, чем первые.
Как я понимаю, это связанно с тем, что они строятся на основе больших языковых моделей, предобучения и обучения без учителя. А это более новые технологии, чем машинное обучение на размеченных данных.
Ещё находил ассистенты для записи в клиники, сбора анамнеза и что-то ещё, но это пока значительно менее распространено.
Для пациентов кажется что решений значительно меньше, чем для врачей.
Я нашёл:
1. Медицинские ассистенты-консультанты
2. Симптом-чеккеры
3. Распознавание и интерпретация анализов
Причём вторые и третьи - можно сказать частный случай первых.
Просто пользователь не может писать свободный текст, а ограничен выбором конкретных симптомов и загрузкой анализов.
Но предполагаю, что технологии под капотом могут значительно отличаться.
Какое направление мы выбрали для нашего ИИ-консультанта?
Решили на первом этапе не лезть в жёсткую медицину, с попытками определения диагнозов, схем лечения и т.д.
Верю что сделать это можно, но нужно много ресурсов на сбор и разметку данных, дообучение и тестирование моделей.
Да и заходить в рынок с таким решением нужно будет как с СППВР, а это регистрация медицинского изделия, гос. контракты и всё что с этим связано.
Поэтому для начала мы пойдём в сегмент первичных консультаций для людей.
Наш консультант поможет собрать более детальный анамнез и даст рекоммендации по следующим шагам: анализы, обследования, профильные специалисты. В каких-то случаях покажет возможные варианты диагноза, но с этим будем осторожно.
То есть помогать людям, которые чувствуют что с ними что-то не так, но пока не понимают что - немного разобраться и определить первые шаги по корректировке проблемы.
Многим людям, по крайней мере в России, подсознательно не очень комфортно обращаться к сфере здравоохранения.
Будем честными, она пока не очень эмпатична и дружелюбна к пациенту, хотя по сравнению с тем что было 10 лет назад - прорыв огромный.
Так вот если мы немного облегчим людям этот самый первый шаг со своей проблемой в структуру здравоохранения - то уже всё не зря.
Строго не судите, я пока достаточно поверхностно изучил рынок и это скорее моё первое резюме.
Глобально все решения можно разделить на решения для врачей и для пациентов.
Для врачей:
1. Разпознавание и интерпретация разного рода снимков (КТ, МРТ, УЗИ и т.д.)
2. Прогнозные модели. На основе структурированного набора входных данных прогнозируют наличие того или иного диагноза
3. Системы поддержки принятия врачебных решений (СППВР)
4. Ассистенты ведения медицинского документооборота на основе транскрибации диалога врач-пациент
Последние пока значительно меньше распространены, чем первые.
Как я понимаю, это связанно с тем, что они строятся на основе больших языковых моделей, предобучения и обучения без учителя. А это более новые технологии, чем машинное обучение на размеченных данных.
Ещё находил ассистенты для записи в клиники, сбора анамнеза и что-то ещё, но это пока значительно менее распространено.
Для пациентов кажется что решений значительно меньше, чем для врачей.
Я нашёл:
1. Медицинские ассистенты-консультанты
2. Симптом-чеккеры
3. Распознавание и интерпретация анализов
Причём вторые и третьи - можно сказать частный случай первых.
Просто пользователь не может писать свободный текст, а ограничен выбором конкретных симптомов и загрузкой анализов.
Но предполагаю, что технологии под капотом могут значительно отличаться.
Какое направление мы выбрали для нашего ИИ-консультанта?
Решили на первом этапе не лезть в жёсткую медицину, с попытками определения диагнозов, схем лечения и т.д.
Верю что сделать это можно, но нужно много ресурсов на сбор и разметку данных, дообучение и тестирование моделей.
Да и заходить в рынок с таким решением нужно будет как с СППВР, а это регистрация медицинского изделия, гос. контракты и всё что с этим связано.
Поэтому для начала мы пойдём в сегмент первичных консультаций для людей.
Наш консультант поможет собрать более детальный анамнез и даст рекоммендации по следующим шагам: анализы, обследования, профильные специалисты. В каких-то случаях покажет возможные варианты диагноза, но с этим будем осторожно.
То есть помогать людям, которые чувствуют что с ними что-то не так, но пока не понимают что - немного разобраться и определить первые шаги по корректировке проблемы.
Многим людям, по крайней мере в России, подсознательно не очень комфортно обращаться к сфере здравоохранения.
Будем честными, она пока не очень эмпатична и дружелюбна к пациенту, хотя по сравнению с тем что было 10 лет назад - прорыв огромный.
Так вот если мы немного облегчим людям этот самый первый шаг со своей проблемой в структуру здравоохранения - то уже всё не зря.
🔥6
Дробление промтов для выполнения узких задач
Несмотря на то, что LLM становятся всё умнее, многие специалисты всё равно советуют сужать промт для выполнения одной узкой задачи.
Это применимо и к промтам в пайплайне своего AI продукта.
Узконаправленный промт даёт более качественные и стабильные результаты, снижает галлюцинацию модели.
Таким же путём мы идём в нашем ассистенте.
Сначала мы делаем классификацию запроса пользователя, дальше в зависимости от результата классификации - уходим в нужную ветку пайплайна.
Например, если пользователь описывает симптомы - включаем промт сбора анамнеза, далее собранный анамнез параллельно запускам в промты формирования вариантов диагноза, рекомендаций по сдаче анализов, прохождению обследований и т.д.
В конце результаты этих промтов формируюем в итоговый ответ для пользователя.
Это кратко, на самом деле каждый из этих промтов будет разложен ещё на несколько под-промтов с определённой логикой между ними.
Плюс мы закладываем проверки безопастности и этики на разных этапах.
И заодно поделюсь планом работы над нашим консультантом/ассистентом.
Сейчас мы прописываем структуру промтов, объединяем в пайплайн.
Тестируем каждый промт и пайплайн в целом на разных моделях.
Следующим шагом будем собирать данные для подключения через RAG на разных шагах пайплайна, чтобы настроить ответы сервиса под документы из Российской доказательной медицины.
И если нам повезёт, то после этого сможем запустить первую версию и начать привлекать пользователей.
А дальше нас ждёт долгий путь дообучения модели)
Несмотря на то, что LLM становятся всё умнее, многие специалисты всё равно советуют сужать промт для выполнения одной узкой задачи.
Это применимо и к промтам в пайплайне своего AI продукта.
Узконаправленный промт даёт более качественные и стабильные результаты, снижает галлюцинацию модели.
Таким же путём мы идём в нашем ассистенте.
Сначала мы делаем классификацию запроса пользователя, дальше в зависимости от результата классификации - уходим в нужную ветку пайплайна.
Например, если пользователь описывает симптомы - включаем промт сбора анамнеза, далее собранный анамнез параллельно запускам в промты формирования вариантов диагноза, рекомендаций по сдаче анализов, прохождению обследований и т.д.
В конце результаты этих промтов формируюем в итоговый ответ для пользователя.
Это кратко, на самом деле каждый из этих промтов будет разложен ещё на несколько под-промтов с определённой логикой между ними.
Плюс мы закладываем проверки безопастности и этики на разных этапах.
И заодно поделюсь планом работы над нашим консультантом/ассистентом.
Сейчас мы прописываем структуру промтов, объединяем в пайплайн.
Тестируем каждый промт и пайплайн в целом на разных моделях.
Следующим шагом будем собирать данные для подключения через RAG на разных шагах пайплайна, чтобы настроить ответы сервиса под документы из Российской доказательной медицины.
И если нам повезёт, то после этого сможем запустить первую версию и начать привлекать пользователей.
А дальше нас ждёт долгий путь дообучения модели)
👍5🔥3
Последние дни вся AI-тусовка только и обсуждает китайские модели)
Ещё не утихли обсуждения DeepSeek, как выпускают Qwen2.5-Max, которая по словам разработчиков в ряде бенчмарков обходит DeepSeek.
На деле это не совсем так. Qwen2.5-Max - тяжеловесная и ресурсозатратная модель.
При этом сравнили её ни с рассуждающей DeepSeek-R1, а с обычной вопросно-ответной DeepSeek-V3.
Но в любом случае обе модели интересны.
Я в первую очередь обратил внимание на упоминания о том, что эти модели для работы требуют меньше вычислительных ресурсом. Тут имеем ввиду не самые мощные их версии.
А мы как раз стартап, тонны GPU нет, нам надо подешевле и побыстрее)
Поэтому в ближайшее время протестируем эти модели и расскажу о результатах качества и скорости работы на наших запросах и скромных мощностях.
Ещё не утихли обсуждения DeepSeek, как выпускают Qwen2.5-Max, которая по словам разработчиков в ряде бенчмарков обходит DeepSeek.
На деле это не совсем так. Qwen2.5-Max - тяжеловесная и ресурсозатратная модель.
При этом сравнили её ни с рассуждающей DeepSeek-R1, а с обычной вопросно-ответной DeepSeek-V3.
Но в любом случае обе модели интересны.
Я в первую очередь обратил внимание на упоминания о том, что эти модели для работы требуют меньше вычислительных ресурсом. Тут имеем ввиду не самые мощные их версии.
А мы как раз стартап, тонны GPU нет, нам надо подешевле и побыстрее)
Поэтому в ближайшее время протестируем эти модели и расскажу о результатах качества и скорости работы на наших запросах и скромных мощностях.
👍9🔥6
Портал МосМедИИ опубликовал матрицу зрелости ИИ-сервисов.
Посмотрел презентацию и заодно ещё раз каталог ИИ-сервисов на их сайте.
МосМедИИ занимается анализом лучевых исследований, поэтому собственно и оценивали они именно эти сервисы.
На что я обратил внимание:
Решения для анализа лучевых исследований с помощью ИИ уже неплохо распространены.
Все решения - узконаправленные: рентген органов грудной клетки, МРТ головного мозга. Мы в консультанте тоже под все возможные направления запросов собираем отдельные пайплайны: работа с симптомами, диагнозами, назначениями, загруженными медицинскими документами и т.д.
Я недавно публиковал краткий анонс нашей схемы, с того момента она сильно разраслась.
В общем, хотя мы и решаем другую задачу и на других технологиях, но кажется что подход деления на узконаправленные подзадачи и у нас должен сработать.
Оптимальными считаются показатели технической стабильности решения - более 90% и клинической точности более 81%.
Если я правильно понял, при таких значениях решение уже допускается к внедрению в мед. учреждения.
При оценке таких решений ложноположительный результат, лучше ложноотрицательного.
Вроде очевидно, но раньше я об этом не задумывался)
Тоже вопрос на подумать в рамках нашего консультанта - в каких вопросах ошибки в какую сторону менее критичны?
-----
Было бы интересно посмотреть что-нибудь аналогичное по системам поддержки принятия врачебных решений - исследования рынка, сравнительные анализы и т.д.
Если кто-то встречал подобное - пришлите пожалуйста.
Посмотрел презентацию и заодно ещё раз каталог ИИ-сервисов на их сайте.
МосМедИИ занимается анализом лучевых исследований, поэтому собственно и оценивали они именно эти сервисы.
На что я обратил внимание:
Решения для анализа лучевых исследований с помощью ИИ уже неплохо распространены.
Все решения - узконаправленные: рентген органов грудной клетки, МРТ головного мозга. Мы в консультанте тоже под все возможные направления запросов собираем отдельные пайплайны: работа с симптомами, диагнозами, назначениями, загруженными медицинскими документами и т.д.
Я недавно публиковал краткий анонс нашей схемы, с того момента она сильно разраслась.
В общем, хотя мы и решаем другую задачу и на других технологиях, но кажется что подход деления на узконаправленные подзадачи и у нас должен сработать.
Оптимальными считаются показатели технической стабильности решения - более 90% и клинической точности более 81%.
Если я правильно понял, при таких значениях решение уже допускается к внедрению в мед. учреждения.
При оценке таких решений ложноположительный результат, лучше ложноотрицательного.
Вроде очевидно, но раньше я об этом не задумывался)
Тоже вопрос на подумать в рамках нашего консультанта - в каких вопросах ошибки в какую сторону менее критичны?
-----
Было бы интересно посмотреть что-нибудь аналогичное по системам поддержки принятия врачебных решений - исследования рынка, сравнительные анализы и т.д.
Если кто-то встречал подобное - пришлите пожалуйста.
👍8🔥3
Forwarded from Green Code / IT&DS сообщество
Дата: 20 февраля
Время: 16:00
Место: Университет Сириус (Олимпийский просп., 1, Федеральная территория Сириус), локация: Оранжевый форум.
Чтобы не пропустить будущие мероприятия, вступайте в маленькую вселенную GreenCode
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2🔥1
У нас тут в Сириусе организовывается сообщество IT&DS специалистов)
В четверг буду там рассказывать про наш кейс распознавания и структурирования данных с бланков медицинских анализов на проекте медицинской карты.
Тезисы:
Проблема разроненной структуры данных и форм бланков.
Сбор базы данных биомаркеров, единиц измерений и референсных значений.
Подходы к решению: OCR + векторный поиск, LLM, обучение модели распознавания на дата-сете.
Какой точности достигли и как будем повышать
Моё первое выступление по AI и первое выступление в Сириусе)
Подробности в посте выше ☝️☝️☝️
В четверг буду там рассказывать про наш кейс распознавания и структурирования данных с бланков медицинских анализов на проекте медицинской карты.
Тезисы:
Проблема разроненной структуры данных и форм бланков.
Сбор базы данных биомаркеров, единиц измерений и референсных значений.
Подходы к решению: OCR + векторный поиск, LLM, обучение модели распознавания на дата-сете.
Какой точности достигли и как будем повышать
Моё первое выступление по AI и первое выступление в Сириусе)
Подробности в посте выше ☝️☝️☝️
👍5🔥4
Подали один из наших medtech AI-стартапов - медицинскую карту на конкурс Workspace digital awwards 2025:
К первому релизу мы немного не готовы: нужно ещё поработать с алгоритмом распознавания бланков, доправить баги, дизайн-ревью, сделать промо-сайт и решить юридические вопросы хранения медицинских данных.
А вот начать рассказывать о проекте на digital-сообщество - в самый раз)
Поэтому, если интересно почитать подробнее про функционал нашего проекта и посмотреть макеты, пожалуйста)
https://workspace.ru/cases/cifrovaya-medicinskaya-karta-ya-zdorov
К первому релизу мы немного не готовы: нужно ещё поработать с алгоритмом распознавания бланков, доправить баги, дизайн-ревью, сделать промо-сайт и решить юридические вопросы хранения медицинских данных.
А вот начать рассказывать о проекте на digital-сообщество - в самый раз)
Поэтому, если интересно почитать подробнее про функционал нашего проекта и посмотреть макеты, пожалуйста)
https://workspace.ru/cases/cifrovaya-medicinskaya-karta-ya-zdorov
WORKSPACE
Я здоров. Как изменить индустрию здравоохранения и с чего начать. – кейс ASAP
Кейс Я здоров. Как изменить индустрию здравоохранения и с чего начать. работа для клиента ООО Прогресс апп из города Саратов в сфере «Медицина и ветеринария». Услуги, оказанные агентством ASAP: Приложение под ключ .
👍8🔥6❤1👏1
В комментариях мне задали вопросы по нашим алгоритмам распознавания бланков анализов и в целом по проекту медицинской карты.
Расскажу некоторые детали и заодно отвечу на вопросы)
На данный момент у нас точность распознавания биомаркеров и их значений с бланков - 80-90%.
Зависит в основном от бланка - чем больше его структура похожа на таблицу, тем лучше распознаем данные.
Но за счёт того, что мы используем связку OCR + LLM - бланки без строгой табличной структуры тоже распознаются, хотя и немного хуже чем первые.
Также хуже распознаются редкие синонимы и сокращения названий биомаркеров.
У нас есть база синонимов, но когда синоним редкий, да ещё и записан на бланке сокращением - алгоритм может его не узнать.
Качество файла тоже влияет, фотографии низкого качества или сделанные под углом естественно распознаются хуже, чем pdf.
Распознавание бланка сейчас в среднем занимает 5-7 секунд.
Надеемся, что пользователи подождут, но конечно пытаемся ускорить.
Да, доступ врача к данным медкарты можно гибко настроить по датам, сущностям, папкам.
В планах есть, считаю что подтягивать данные из гос. медицины и агрегировать их с данными из частной медицины и собственными данными пациента - очень перспективная тема.
Пока мы это пока отложили на следующий этап, это затратно как юридически, так и технически, я смотрел API РТ МИС)
Расскажу некоторые детали и заодно отвечу на вопросы)
На данный момент у нас точность распознавания биомаркеров и их значений с бланков - 80-90%.
Зависит в основном от бланка - чем больше его структура похожа на таблицу, тем лучше распознаем данные.
Но за счёт того, что мы используем связку OCR + LLM - бланки без строгой табличной структуры тоже распознаются, хотя и немного хуже чем первые.
Также хуже распознаются редкие синонимы и сокращения названий биомаркеров.
У нас есть база синонимов, но когда синоним редкий, да ещё и записан на бланке сокращением - алгоритм может его не узнать.
Качество файла тоже влияет, фотографии низкого качества или сделанные под углом естественно распознаются хуже, чем pdf.
Распознавание бланка сейчас в среднем занимает 5-7 секунд.
Надеемся, что пользователи подождут, но конечно пытаемся ускорить.
Можно ли настраивать уровень доступа?
Да, доступ врача к данным медкарты можно гибко настроить по датам, сущностям, папкам.
Планируется ли интеграция с ЕГИСЗ? Вообще насколько проблематична подключение к гос системам?
В планах есть, считаю что подтягивать данные из гос. медицины и агрегировать их с данными из частной медицины и собственными данными пациента - очень перспективная тема.
Пока мы это пока отложили на следующий этап, это затратно как юридически, так и технически, я смотрел API РТ МИС)
👍6🔥4❤2
Зашли с нашим medtech стартапом “Я Здоров” в акселератор Сеченовского университета Sechenov tech.
В акселераторе разделяют medtech и healthtech стартапы.
Медтех - это продукты, способствующие лечению человека в медицинской клинике: лекарства, мед изделия, СППВР и т.д.
Хелстех - это то, чем пользуется сам человек чтобы быть здоровым: БАДы, разные приложения.
Подробнее на скриншоте.
Получается по градации Сеченовского университета - мы делаем healthtech.
Но я пока продолжу называть наш стартап медтехом, кажется большинству людей так понятнее)
Несколько трендов в здравоохранении, которым кажется синергичен наш проект:
Развитие ИИ в области персонализации
Один из принципов здравоохранения будущего - превентивность
И самый классный - переход к персонализированной профилактике и превентивному лечению.
Сейчас здравоохранение работает с пациентом, то есть с того момента когда человек обратился в мед. учреждение с конкретной жалобой.
Здравоохранение будущего будет работать с человеком, в том числе и до того как ему уже стало плохо!
В акселераторе разделяют medtech и healthtech стартапы.
Медтех - это продукты, способствующие лечению человека в медицинской клинике: лекарства, мед изделия, СППВР и т.д.
Хелстех - это то, чем пользуется сам человек чтобы быть здоровым: БАДы, разные приложения.
Подробнее на скриншоте.
Получается по градации Сеченовского университета - мы делаем healthtech.
Но я пока продолжу называть наш стартап медтехом, кажется большинству людей так понятнее)
Несколько трендов в здравоохранении, которым кажется синергичен наш проект:
Развитие ИИ в области персонализации
Один из принципов здравоохранения будущего - превентивность
И самый классный - переход к персонализированной профилактике и превентивному лечению.
Сейчас здравоохранение работает с пациентом, то есть с того момента когда человек обратился в мед. учреждение с конкретной жалобой.
Здравоохранение будущего будет работать с человеком, в том числе и до того как ему уже стало плохо!
👍12🔥8❤6
В канале аутсорсинговой компании рассказали про одну из интересных задач в процессе разработки нашего приложения мед. карты - калькулятор пересчёта единиц измерения биомаркеров.
Для меня стало открытием, что коэффициенты пересчёта 2-х единиц измерения отличаются для разных биомаркеров!
Калькулятор стал сложнее, пришлось парсить эти коэффициенты.
Но с парсингом мы давно умеем работать, поэтому справились)
А так мы продолжаем героически бороться с задачей распознавания бланков анализов, пробуем разные подходы.
Там много сложного, интересного и неочевидного.
В какой-то мере занимаемся R&D, а не классической разработкой ПО)
Для меня стало открытием, что коэффициенты пересчёта 2-х единиц измерения отличаются для разных биомаркеров!
Калькулятор стал сложнее, пришлось парсить эти коэффициенты.
Но с парсингом мы давно умеем работать, поэтому справились)
А так мы продолжаем героически бороться с задачей распознавания бланков анализов, пробуем разные подходы.
Там много сложного, интересного и неочевидного.
В какой-то мере занимаемся R&D, а не классической разработкой ПО)
👍2🔥1
Forwarded from ASAP. Цифровые продукты
This media is not supported in your browser
VIEW IN TELEGRAM
Как мы решили проблему разности единиц измерения биомаркеров
Наш стартап «Я здоров» обрастает новым функционалом, а вместе с этим — новыми вызовами. Например, вы задумывались о том, что одни и те же биомаркеры в разных анализах измеряются в разных единицах?
Допустим, у вас есть два результата анализа крови на глюкозу: в одном лабораторном бланке она указана в миллимолях на литр, в другом — в миллиграммах на децилитр. Казалось бы, простая математическая задача, но проблема в том, что для каждого биомаркера коэффициенты пересчета свои. Универсальной формулы нет. Например, для глюкозы коэффициент пересчета – мг/дл х 0,0555 => ммоль/л, а для молочной кислоты – мг/дл х0,111 => моль/л
Чтобы пользователи «Я здоров» могли удобно отслеживать динамику своих анализов, мы:
• Проанализировали более 2000 биомаркеров,
• Спарсили коэффициенты пересчета с лабораторных источников,
• Разработали систему приведения значений к единой шкале с возможностью смены единиц.
Теперь, загружая результаты из разных лабораторий, можно увидеть их в едином формате и при необходимости переключить единицы измерения — например, если врач привык работать в другой системе.
Еще один шаг к тому, чтобы превентивная медицина была доступнее и точнее👍
Наш стартап «Я здоров» обрастает новым функционалом, а вместе с этим — новыми вызовами. Например, вы задумывались о том, что одни и те же биомаркеры в разных анализах измеряются в разных единицах?
Допустим, у вас есть два результата анализа крови на глюкозу: в одном лабораторном бланке она указана в миллимолях на литр, в другом — в миллиграммах на децилитр. Казалось бы, простая математическая задача, но проблема в том, что для каждого биомаркера коэффициенты пересчета свои. Универсальной формулы нет. Например, для глюкозы коэффициент пересчета – мг/дл х 0,0555 => ммоль/л, а для молочной кислоты – мг/дл х0,111 => моль/л
Чтобы пользователи «Я здоров» могли удобно отслеживать динамику своих анализов, мы:
• Проанализировали более 2000 биомаркеров,
• Спарсили коэффициенты пересчета с лабораторных источников,
• Разработали систему приведения значений к единой шкале с возможностью смены единиц.
Теперь, загружая результаты из разных лабораторий, можно увидеть их в едином формате и при необходимости переключить единицы измерения — например, если врач привык работать в другой системе.
Еще один шаг к тому, чтобы превентивная медицина была доступнее и точнее
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9🔥5❤🔥4
Общались сегодня по нашему проекту с врачём из космической отрасли!
Мы вот верим в тренды на развитие превентивной медицины и дистанционного консультирования.
Хотим, чтобы люди больше выявляли и корректировали отклонения на ранних стадиях, а не лечили болезни.
И ещё, чтобы всё это было доступно не только в Москве и крупных городах.
Теперь инсайт - здравоохранение космонавтов всегда строилось именно на превентивной медицине и телемедицине!
Никогда на МКС не было ни одного врача. Фильм "Вызов" исключение)
И ни один космонавт не погиб на МКС.
Всё благодаря превентивной диагностике во время подготовки и телемедицине во время полёта!
Мы вот верим в тренды на развитие превентивной медицины и дистанционного консультирования.
Хотим, чтобы люди больше выявляли и корректировали отклонения на ранних стадиях, а не лечили болезни.
И ещё, чтобы всё это было доступно не только в Москве и крупных городах.
Теперь инсайт - здравоохранение космонавтов всегда строилось именно на превентивной медицине и телемедицине!
Никогда на МКС не было ни одного врача. Фильм "Вызов" исключение)
И ни один космонавт не погиб на МКС.
Всё благодаря превентивной диагностике во время подготовки и телемедицине во время полёта!
🔥9👍3
AI и Medtech. Даниил Васильев
Подали один из наших medtech AI-стартапов - медицинскую карту на конкурс Workspace digital awwards 2025: К первому релизу мы немного не готовы: нужно ещё поработать с алгоритмом распознавания бланков, доправить баги, дизайн-ревью, сделать промо-сайт и решить…
Наш проект Я здоров занял 2 место среди мобильных приложений в сфере Красота и здоровье на конкурсе Workspace digital awards!
Это наш внутренний медтех стартап.
Он ещё не запущен, но уже заслужил внимание IT-отрасли!
К слову, первое место занял проект Спроси врача - сервис с аудиторией более 8 млн пациентов.
Это наш внутренний медтех стартап.
Он ещё не запущен, но уже заслужил внимание IT-отрасли!
К слову, первое место занял проект Спроси врача - сервис с аудиторией более 8 млн пациентов.
🔥10❤4👍4
В среду первый раз делал питч нашего проекта "Я здоров" на отборочном демо-дне акселератора стартапов Сеченовского университета.
Надеемся попасть в 20 лучших проектов и выступить на итоговом демо-дне в конце мая в Москве.
Презентацию пока в общий доступ не скину, очень сырая)
Да и инвестиций пока не ищем, хотим выпустить продукт и получить первый трекшен на свои.
Но есть 2 вопроса, по которым хочу с вами посоветоваться:
1. Как вам краткое описание продукта с картинки?
Честно, придумали его на скорую руку к презентации.
Понятно о чём речь или нужно придумать что-то получше?
2. Нужен юрист с опытом в медтехе. К запуску нам нужно проработать ряд юридических вопросов по хранению мед. данных и чтобы переписка с нашим ИИ-ботом не расценивалась как медицинские рекомендации.
Буду благодарен за обратную связь по обоим вопросам в комментариях или в л/с.
Надеемся попасть в 20 лучших проектов и выступить на итоговом демо-дне в конце мая в Москве.
Презентацию пока в общий доступ не скину, очень сырая)
Да и инвестиций пока не ищем, хотим выпустить продукт и получить первый трекшен на свои.
Но есть 2 вопроса, по которым хочу с вами посоветоваться:
1. Как вам краткое описание продукта с картинки?
Честно, придумали его на скорую руку к презентации.
Понятно о чём речь или нужно придумать что-то получше?
2. Нужен юрист с опытом в медтехе. К запуску нам нужно проработать ряд юридических вопросов по хранению мед. данных и чтобы переписка с нашим ИИ-ботом не расценивалась как медицинские рекомендации.
Буду благодарен за обратную связь по обоим вопросам в комментариях или в л/с.
👍9🔥5❤2
Я не раз рассказывал, что в рамках нашего проекта мы в том числе решаем задачу распознавания данных с бланков медицинских анализов.
Мы пробуем разные подходы, в том числе с помощью LLM.
Недавно вышли новые модели от Qween и мне стало интересно протестировать их для нашей задачи.
Особенно самую маленькую Qwen2.5-Omni-7B.
Ведь такую модель можно инферить даже на скромных ресурсах.
У нас есть подборка бланков разной степени кривости: фотографии под углом, кривые структуры таблиц и т.д., в общем все проблемы бланков анализов.
Самое то для тестов.
Так вот, на 10 выборочных бланках модель разпознала все (или почти все) биомаркеры, значения и рефенсы без ошибок.
Нужно протестировать более детально и попробовать встроить в общий пайплайн - но даже по первым тестам очень неплохо для 7B модели!
Если что, потестировать модели Qween можно тут: https://chat.qwen.ai/
Все модели опенсорсные.
Перспективной из последних выглядит Qwen3-235B-A22B.
За счёт архитектуры MOE параметров немало, но в работе всегда используется только часть, за счёт чего модель работает быстрее.
+ умеет рассуждать.
При этом, как я понял, модель типа сама решает когда работать в режиме ризонинга, а когда нет.
Возможно потестируем для функционала консультанта.
Мы пробуем разные подходы, в том числе с помощью LLM.
Недавно вышли новые модели от Qween и мне стало интересно протестировать их для нашей задачи.
Особенно самую маленькую Qwen2.5-Omni-7B.
Ведь такую модель можно инферить даже на скромных ресурсах.
У нас есть подборка бланков разной степени кривости: фотографии под углом, кривые структуры таблиц и т.д., в общем все проблемы бланков анализов.
Самое то для тестов.
Так вот, на 10 выборочных бланках модель разпознала все (или почти все) биомаркеры, значения и рефенсы без ошибок.
Нужно протестировать более детально и попробовать встроить в общий пайплайн - но даже по первым тестам очень неплохо для 7B модели!
Если что, потестировать модели Qween можно тут: https://chat.qwen.ai/
Все модели опенсорсные.
Перспективной из последних выглядит Qwen3-235B-A22B.
За счёт архитектуры MOE параметров немало, но в работе всегда используется только часть, за счёт чего модель работает быстрее.
+ умеет рассуждать.
При этом, как я понял, модель типа сама решает когда работать в режиме ризонинга, а когда нет.
Возможно потестируем для функционала консультанта.
👍7🔥4