Наш стартап «ДатаСкульпт» разрабатывает программно-аналитическую платформу для генерации синтетических МРТ-снимков на основе моделей глубокого обучения. Актуальность проекта в том, что разработчики медицинских ИИ-решений не могут получить достаточно реалистичных, размеченных и этически легальных МРТ-данных для обучения и валидации алгоритмов диагностики и сегментации.

Проблема в том, что:

→ реальные данные — закрыты регуляторикой, дороги и не сбалансированы,

→ простая синтетика— нереалистична, не проходит клиническую валидацию,

→ стандартные генеративные модели дают «правдоподобные», но клинически некорректные изображения без контроля патологий.

→ Нет инструмента, который бы сочетал точную разметку, этическую безопасность и управляемость патологий. Мы это решаем.

Ценностное предложение

Мы, стартап «ДатаСкульпт» помогаем медицинским научно-исследовательским лабораториям в условиях ограничений на использование реальных МРТ снимков решать проблему машинного обучения ИИ моделей с помощью технологии генерации фотореалистичных синтетических МРТ-снимков и сертификации ИИ-решений в радиологии получать ценность сокращения времени диагностики до 10 минут, что в среднем на 6 месяцев и ресурсов на обработку данных.

Бизнес-модель

Монетизация через подписку на использование облачной платформы, API-доступ к генерации и лицензирование технологий. Планируется сотрудничество с медицинскими учреждениями и исследовательскими организациями, интеграция в существующие ML-пайплайны. Продвижение – через отраслевые конференции, партнерские программы и демонстрационные кейсы с институтами и ИТ-компаниями.

Мы предлагаем отечественную платформу для генерации синтетических МРТ, обеспечивающую:

1) юридическую безопасность и соответствие требованиям РФ по работе с медицинскими данными,

2) достоверность и валидацию изображений на основе клинических метрик

3) снижение затрат на сбор и разметку данных в 3–5 раз,

4) адаптацию под конкретные патологии и сценарии обучения нейросетей.

Проблема решается за счет применения генеративных нейросетей, создающих синтетические МРТ-снимки с контролируемыми параметрами и последующей автоматической валидацией качества. Это обеспечивает разработчиков и исследователей готовыми наборами достоверных изображений, совместимых с существующими DICOM-системами, тем самым сокращая затраты, сроки и риски при создании ИИ-решений в медицине.

Наше решение позволяет создавать реалистичные изображения мозга, повышающие качество обучения и тестирования нейросетей для медицинской диагностики и автоматической сегментации. Проект направлен на сокращение затрат на получение и разметку медицинских данных, повышение точности алгоритмов диагностики и снижение зависимости от дефицитных реальных медицинских изображений.

На страницу проекта