Платформа предиктивной аналитики и управления рисками здравоохранении на основе машинного обучения

ПРЕДИКТИВНАЯ АНАЛИТИКА
АНАЛИЗ ДЕПЕРСОНИФИЦИРОВАННОЙ
ЭЛЕКТРОННОЙ МЕДИЦИНСКОЙ КАРТЫ (ЭМК)
Автоматический анализ обезличенных медицинских данных, включая извлечение информации из неструктурированных врачебных записей
Поддержка принятия управленческих и врачебных решений на основе больших данных и прогнозных моделей
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
Машинное обучение для создания прогнозных моделей, NLP-методы обработки информации для извлечения данных из ЭМК
РЕКОМЕНДАЦИИ ВРАЧУ И ПАЦИЕНТУ
Персональные советы врачу и пациенту по профилактике заболеваний, сформированные на основе утвержденных клинических рекомендаций
Платформа WEBIOMED

Анализ на основе опубликованных
методик оценки риска
Выявленные факторы риска
Подозрения на скрытые заболевания
Подозрения и предупреждения
Итоговая оценка риска пациента
ВХОДНЫЕ ДАННЫЕ:
электронная медицинская карта (ЭМК)
СПОСОБЫ АНАЛИЗА:
ВЫХОДНЫЕ РЕЗУЛЬТАТЫ:
Прогноз развития заболеваний
Анализ на основе требований
нормативно-правовых актов
Анализ на основе алгоритмов
клинических рекомендаций
Клинические рекомендации врачу
Персональные рекомендации пациенту
МЕТОДЫ ОБРАБОТКИ ДАННЫХ

КАК МЫ СОЗДАЕМ НАШИ АЛГОРИТМЫ (ML)
ТЕХНОЛОГИЧЕСКАЯ СХЕМА при ML
ROC AUC нейронной сети выше и модели ML предсказания рисков ССЗ дают более точные значения по сравнению с клиническими шкалами (Framingham, Score).
Модель машинного обучения дает индивидуальную вероятность для пациента, а не группу риска.
В модели ML можно использовать любое количество входных признаков/симптомов, в том числе мало изученные
ЭМК
Неструктурированные данные
NLP
DATA SET
НЕЙРОСЕТИ
Прогнозирование
развития заболевания
MODEL
АНАЛИТИКА
Чувствительность
ROC-кривые
Точность моделей машинного обучения в сравнении с результатами традиционных шкал для предсказания ССЗ
Медицинские протоколы

Назначение системы
B2G
B2В
B2С

НАШИ ПРОЕКТЫ
Региональные пилотные проекты:
Ямало-ненецкий автономный округ
Кировская область
Республика Карелия
Отраслевые проекты:
Проекты с ассоциацией «Национальная база медицинских знаний» (НБМЗ)
Являемся резидентами «Сколково»
Пилотный проект с ФМБА России

AstraZeneca Skolkovo StartUp Challenge 2020
ФАРМА
Победитель в номинации «Персонализированная медицина»
«Стартап-ралли2020»
Организаторы: Bayer и
Центр интеллектуальной
собственности «Сколково»
Наши победы в конкурсах цифрового здравоохранения

Коллектив профессионалов в области медицины и IT
КОМАНДА
ЭКСПЕРТЫ
ТАТЬЯНА КУЗНЕЦОВА
доктор медицинских наук
СЕРГЕЙ ТОКАРЕВ
доктор медицинских наук
АЛЕКСАНДР РОГОВ
доктор технических наук
АЛЕКСАНДР ИВШИН
кандидат медицинских наук
ИГОРЬ КОРСАКОВ
кандидат физико-технических наук
РУКОВОДСТВО
ДЕНИС ГАВРИЛОВ
Руководитель медицинского направления
АНДРЕЙ САЛИКОВ
Директор по развитию
Генеральный директор
Коммерческий директор
АЛЕКСАНДР ГУСЕВ
РОМАН НОВИЦКИЙ
АНТОН КОВАЛЕВ
Руководитель команды разработчиков

Работа в успешной компании
Проект Webiomed - резидент Сколково
Наш сервис работает в 10 регионах РФ
В 2020 году привлечено 1,8 млн долларов инвестиций
В 2020 году рост выручки компании в 6,8 раза.
Работа в области AI, ML и DL
Машинное обучение для создания прогнозных моделей, NLP-методы обработки информации для извлечения данных из ЭМК и многое другое
Оформление по требованиям ТК РФ
Официальное трудоустройство, полностью «белая зарплата»
Наше предложение для выпускников ПетрГУ