Российский стартап создал собственный механизм распознавания медицинских данных с точностью более 99%

Российская команда разработчиков представила персональный ИИ-ассистент здоровья «Я здоров» — мобильное приложение для управления здоровьем на основе анализа медицинских данных. В основе приложения лежат собственные алгоритмы обработки медицинских документов с точностью более 99% и диалоговый ИИ-ассистент, дообученный на российских и международных клинических стандартах. Об этом CNews сообщили представители «Я здоров». Проект «Я здоров» направлен на повышение возможностей ранней диагностики отклонений здоровья на основе аналитики медицинских данных: превентивная медицина стала одним из приоритетных направлений научно-технологического развития России по указу Президента. Сервис не ставит диагнозы и не назначает лечение, но помогает пользователям структурировать медицинскую историю, подготовиться к приему врача, сформулировать жалобы и вопросы для консультации, а также получить рекомендации по образу жизни и необходимым обследованиям. Приложение помогает пользователям хранить и систематизировать медицинскую информацию, отслеживать показатели здоровья в динамике, лучше понимать результаты обследований и получать персонализированные рекомендации по поддержанию здоровья и профилактике заболеваний. В отличие от нейросетей общего назначения, «Я здоров» учитывает медицинские данные пользователя, к которым он предоставил доступ, что позволяет формировать более персонализированные ответы и рекомендации, соответствующие принципам доказательной медицины. При разработке электронной медицинской карты команда «Я здоров» реализовала собственный механизм распознавания и структурирования медицинских данных, позволяющий автоматически обрабатывать результаты анализов из клиник и лабораторий с различными форматами бланков и структурой представления информации. По данным внутренних тестов, алгоритм распознает медицинские биомаркеры с точностью более 99%. При создании технологии было протестировано несколько концепций обработки медицинских документов. В итоге команда остановилась на архитектуре, в которой базовое распознавание выполняется VLM-моделью, дополненной собственными алгоритмами на каждом этапе обработки данных. Разработанное решение включает собственные алгоритмы преобразования изображений и предобработки файлов, механизмы анонимизации медицинских бланков перед передачей в модель, а также инструменты постобработки результатов распознавания. Отдельное внимание уделено задаче стандартизации медицинских данных: система автоматически идентифицирует синонимы показателей, объединяет различные варианты наименований в единые биомаркеры и приводит результаты к единому формату. Собственный модуль расчета и конвертации единиц измерения биомаркеров учитывает особенности медицинских показателей, включая случаи, когда для пересчета необходимо использовать молярные массы веществ. Это позволяет корректно сопоставлять результаты исследований, выполненных в разных лабораториях и представленных в различных единицах измерения».