Идея проекта: реализация мобильной демо-версии сервиса распознавания медицинских документов, преимущественно результатов лабораторных анализов. Акцент - на ИИ-составляющей, интерфейс минимальный. Вся обработка выполняется локально на смартфоне, без сервера.

Функции:

• Сбор/создание и разметка документов разных форматов и качества.

• Распознавание и извлечение основной информации: дата исследования, ФИО, пол, дата рождения или возраст, названия анализов, результаты, единицы измерения и референсные значения и т.п.. Запись этой информации.

• Исследование и сравнение моделей по точности, скорости и потреблению ресурсов на смартфоне.

• Подготовка нескольких конфигураций моделей для смартфонов разной вычислительной мощности.

• Просмотр, исправление и сохранение распознанных данных в JSON на телефоне.

Цель на акселератор: создать рабочий прототип программного модуля, который на основе обученной модели машинного зрения осуществляет автоматическое распознавание текста справок и преобразование их эллектронный формат для дальнейшего перемещения их в базу данных

Задачи для достижения цели
Формирование и подготовка датасета: сбор, сканирование и ручная разметка репрезентативной выборки архивных карт (не менее 50-100 экземпляров) для обучения и валидации нейросетевой модели.
Разработка и обучение ИИ-модели: выбор архитектуры нейронной сети (например, U-Net или Mask R-CNN), её обучение на подготовленном датасете для решения задач сегментации изолиний и детекции точечных символов (Справок).
Внедрение программы в инфраструктуру баз данных

Исправление багов и доработка ПО

Провести анализ рынка

• Собрать базу конкурентов: Выявить топ-3 прямых конкурентов, зафиксировать их цены, сильные стороны и отзывы клиентов для формирования уникального торгового предложения (УТП).
• Собрать портрет целевой аудитории: Описать ключевые сегменты покупателей, их боли, уровень дохода и главные критерии выбора продукта.

Рассчитать финансовые показатели

• Собрать структуру расходов: Разделить затраты на постоянные и переменные, рассчитать себестоимость единицы продукта и определить точку безубыточности.
• Собрать финансовый прогноз: Рассчитать маржинальность, потенциальную чистую прибыль и определить срок окупаемости стартовых инвестиций.

Найти каналы продаж и каналы продвижения

• Собрать список площадок для сбыта: Выбрать две основные платформы для продаж
• Собрать стратегию привлечения трафика: Определить два ключевых рекламных инструмента

Ожидаемый результат:

Сформированный и рабочий датасет

разработанная и обученная ИИ модель

работающая мобильная демо-версия и краткое сравнение качества и ресурсных требований конфигураций

Результаты анализа рынка

• База конкурентов сформирована: составлен реестр топ-3 прямых конкурентов с зафиксированными ценами, сильными сторонами и отзывами клиентов; сформулировано уникальное торговое предложение (УТП) платформы.
• Портрет целевой аудитории готов: описаны ключевые сегменты плательщиков, зафиксированы их боли, уровень дохода и определяющие критерии выбора продукта.

Результаты расчета финансовых показателей

• Структура расходов составлена: затраты разделены на постоянные и переменные, рассчитана себестоимость единицы продукта, определен точный объем продаж для достижения точки безубыточности.
• Финансовый прогноз утвержден: рассчитаны показатели маржинальности, плановой чистой прибыли и зафиксирован точный срок окупаемости стартовых инвестиций.

Результаты поиска каналов продаж и продвижения

• Список площадок для сбыта сформирован: выбраны и утверждены две основные платформы для запуска продаж
• Стратегия привлечения трафика готова: определены два ключевых рекламных инструмента с прогнозом стоимости привлечения клиента.

Связь с НПТЛ: проект «Мобильная демо-версия сервиса распознавания результатов лабораторных анализов на базе ИИ» соотносится с национальным проектом «Новые технологии сбережения здоровья» через уровень «7.1 Медицинские изделия» и элемент «7.1.2001 Медицинские изделия для in vitro диагностики», что соответствует обеспечивающей связи.

Обоснование НПТЛ: разработка мобильного сервиса распознавания медицинских документов на базе искусственного интеллекта напрямую отвечает целям национального проекта «Новые технологии сбережения здоровья» в части цифровизации здравоохранения и создания независимых отечественных систем поддержки принятия врачебных решений и превентивного мониторинга. Проект соотносится с уровнем «7.1 Медицинские изделия» и элементом «7.1.2001 Медицинские изделия для in vitro диагностики». Разрабатываемый сервис выступает интеллектуальным инструментом экспресс-оцифровки и первичной обработки результатов лабораторных исследований. Локальное развертывание оптимизированных ИИ-моделей на мобильном устройстве позволяет мгновенно классифицировать референсные значения и выявлять критические отклонения показателей in vitro диагностики непосредственно на стороне пользователя. Это полностью исключает риски, связанные с передачей конфиденциальной медицинской информации и персональных данных на сторонние или зарубежные облачные серверы. Таким образом, проект имеет обеспечивающую связь, формируя программную ИИ-инфраструктуру для повышения доступности, скорости и конфиденциальности обработки результатов лабораторной диагностики для граждан и медицинских специалистов.

На страницу проекта