Мобильное приложение для автономной детекции кардиогенной одышки на основе ИИ
Проблема
В настоящее время отсутствует доступный инструмент для индивидуального, непрерывного контроля кардиогенной одышки (диспноэ) вне клинических условий. Одышка является самым ранним маркером предынфарктных состояний, однако из-за невозможности ее объективной фиксации в быту миллионы людей упускают «терапевтическое окно» (первые 2 часа), что ведет к сердечно-сосудистым катастрофам.
Оценка масштаба проблемы:
Критическая проблема системы здравоохранения - колоссальная перегрузка скорой медицинской помощи (СМП). Очереди к профильным кардиологам в ЕМИАС и региональных системах расписаны на месяцы вперед. В результате пациенты при малейшем ухудшении самочувствия или приступе паники, сопровождающемся одышкой, массово вызывают скорую помощь.
- Ущерб от ложных вызовов: Использование неточных бытовых приборов или паника генерируют ложные срабатывания. Один ложный вызов обходится системе здравоохранения в 15 000 – 30 000 руб. Из-за перегрузки системы ложными вызовами бригады СМП не успевают к пациентам с реальным инфарктом миокарда.
- Макроэкономический ущерб: Сердечно-сосудистые заболевания (ССЗ) наносят экономике РФ прямой и косвенный ущерб, оцениваемый в 2–3 трлн рублей ежегодно (потери ВВП из-за преждевременной смертности, инвалидности и снижения производительности труда).
Оценка потребности:
- Пациенты из группы риска (Физические лица): Около 26 млн человек в возрасте 30–65 лет в РФ сталкиваются с симптомами ССЗ. Из них ~10 млн имеют хроническую сердечную недостаточность или высокий риск ИБС. Из-за того, что записи к профильным кардиологам в региональных системах заняты на месяцы вперед, пациенты остаются без планового наблюдения. Им критически необходим карманный инструмент догоспитального самоконтроля, интегрированный с носимыми IoT-устройствами (смарт-часами) для комплексной оценки состояния (пульс + звук дыхания).
- Заботливые родственники (Физические лица): Около 5–7 млн человек (взрослые дети 30–45 лет). Их главная потребность - удаленный контроль за здоровьем пожилых родителей. Им необходима система автоматических алармов на случай, если ИИ зафиксировал одышку, а родитель не отреагировал на интерактивный запрос приложения (контекстное уведомление: «Вы сейчас тренируетесь / поднимаетесь по лестнице?»).
- Система здравоохранения (Скорая помощь и клиники): Станции скорой медицинской помощи (СМП) работают на пределе возможностей. Из-за недоступности быстрых приемов к кардиологу люди массово вызывают скорую. СМП остро нуждается в цифровом фильтре, который снизит колоссальный процент ложных вызовов, а верифицированные данные о реальных приступах диспноэ автоматически выгрузит напрямую в электронную медкарту пациента в ЕМИАС еще до приезда бригады.
Решение
«Дыши» – это автономное мобильное приложение на базе искусственного интеллекта (Edge AI) для неинвазивного акустического мониторинга дыхания. Система выявляет кардиогенную одышку через микрофон смартфона, которое по точности приближается к клиническим методам диагностирования в бытовых условиях, фильтруя посторонние шумы.
Конкурентные преимущества:
- Нулевой порог входа по оборудованию: Мониторинг осуществляется через встроенный микрофон смартфона (с возможностью синхронизации с любыми, даже дешевыми фитнес-браслетами пользователя). Экономия для пользователя составляет от 15 000 до 30 000 руб.
- Edge AI и 100% приватность: Вся акустическая обработка происходит локально на процессоре устройства. Аудиозаписи дыхания не отправляются в облако, что гарантирует абсолютную безопасность медицинских данных.
- Изоляция бытового шума: Встроенные алгоритмы цифровой фильтрации (MFCC) отсекают звук ветра, шагов и трафика, кардинально снижая уровень ложных срабатываний в уличных условиях.
- Умная маршрутизация и B2G-интеграция: В отличие от аналогов, наше приложение не просто фиксирует приступ, а активирует систему контекстных алармов (опрос пользователя уведомление родственникам передача данных в ЕМИАС для бригады скорой помощи).
Целевая аудитория (ЦА):
-
B2C (Основной сегмент):
- Пациенты группы риска (50+ лет): люди с гипертонией, ИБС или хронической сердечной недостаточностью (мотивация: постоянный превентивный самоконтроль вне клиники без покупки дорогих приборов).
- Заботливые родственники (30–45 лет): взрослые дети пациентов из группы риска (мотивация: удаленный контроль за здоровьем пожилых родителей через автоматические тревожные уведомления).
- Спортсмены-любители (40+ лет): приверженцы ЗОЖ (мотивация: неинвазивный контроль восстановления дыхания после тренировок).
- B2B2C (Страховые компании): федеральные экосистемы ДМС (например, «СберЗдоровье», «АльфаСтрахование»). ЛПР: директора по продукту и руководители направлений ДМС (мотивация: превентивное выявление рисков и кардинальное снижение выплат по экстренным госпитализациям и реанимации).
- B2G (Система здравоохранения): станции скорой медицинской помощи (СМП) и региональные Минздравы. ЛПР: главные врачи и руководители цифровой трансформации (мотивация: разгрузка бригад скорой помощи за счет фильтрации ложных вызовов и обогащение ЕМИАС объективными данными).
География: Города-миллионники и крупные региональные центры РФ (Москва, Санкт-Петербург, Казань, Екатеринбург, Новосибирск). Обоснование: В этих городах максимальный уровень цифровизации населения (готовность платить за mobile-подписки), высокая концентрация корпоративных клиентов ДМС и развитые региональные медицинские информационные системы (ЕМИАС/РМИС), готовые к API-интеграциям.
Технологическая основа:
- Граничные вычисления (Edge AI) и автономность: Архитектура приложения базируется на концепции TinyML. Обученная нейросеть интегрирована непосредственно в мобильный клиент (с использованием фреймворков TensorFlow Lite или Core ML). Это позволяет анализировать звук локально на процессоре смартфона без подключения к интернету, что полностью исключает угрозу утечки медицинских аудиоданных на внешние серверы и обеспечивает нулевую задержку отклика.
- Цифровая обработка сигналов (DSP) и выделение MFCC: Для решения проблемы «акустического мусора» сырой аудиопоток до попадания в нейросеть проходит предварительную алгоритмическую фильтрацию. Применяется математический аппарат извлечения мел-частотных кепстральных коэффициентов (MFCC), который позволяет надежно изолировать полезные респираторные звуки от шума ветра, уличного трафика и трения одежды.
- Легкие сверточные нейронные сети (Lightweight CNN): Изолированные спектрограммы дыхания классифицируются с помощью оптимизированных для мобильных устройств сверточных нейросетей. Нейросеть, обученная на верифицированных медицинских дата-сетах, с целевой точностью до 85% выявляет скрытые паттерны именно кардиогенной одышки (диспноэ), отличая их от обычного тяжелого дыхания при физической нагрузке.
- Единый контур безопасности и смарт-эскалация: Все технологии объединены в замкнутую систему экстренного реагирования. При детекции одышки активируется контекстный триггер («Вы сейчас тренируетесь / поднимаетесь по лестнице?»). Если ответа нет, приложение через системные API смартфона (GPS/ГЛОНАСС) автоматически прокладывает оптимальный маршрут до ближайшего медучреждения, выводит на экран кнопку SOS и отправляет тревожный сигнал родственникам.
Оценка рынка
Оценка проводится для рынка цифрового здравоохранения (mHealth) и превентивной кардиологии в РФ с фокусом на интеграцию с государственными сервисами (ЕМИАС) и страховыми компаниями.
- TAM: Весь потенциальный рынок цифрового мониторинга и превентивного ведения пациентов с подтвержденными сердечно-сосудистыми заболеваниями (ИБС, стенокардия) в РФ.
- Объем: ~38,8 млрд рублей в год (охватывает около 10,8 млн россиян из группы высокого риска).
- SAM: Сегмент владельцев смартфонов и носимых IoT-устройств в возрасте 40+ лет, готовых регулярно использовать платные медицинские сервисы, а также экосистемы ДМС ведущих страховых компаний (заинтересованных в снижении выплат по экстренным госпитализациям).
- Объем: ~7,7 млрд рублей в год (около 20% от общего рынка - наиболее технологически вовлеченная аудитория).
- SOM: Доля рынка, которую проект может занять в ближайшие 3 года. Фокус на прямые B2C-продажи (подписки) и пилотные B2B2C-внедрения в экосистемы страховых компаний («СберЗдоровье», «АльфаСтрахование») с последующей передачей данных в ЕМИАС.
- Объем: ~36 млн рублей в год (целевой показатель — 10 000 активных платящих пользователей, захват около 0,5% от SAM).
Бизнес-модель
- B2C: Прямые продажи Premium-подписки через магазины приложений (RuStore, App Store) и таргетированную рекламу. Базовый сессионный мониторинг - бесплатно (модель Freemium). Premium-версия включает авто-алармы родственникам при отсутствии ответа на триггер, синхронизацию с умными часами и экспорт аналитики.
- B2B2C: Продажа white-label лицензий и API-доступа для экосистем страховых компаний (например, «СберЗдоровье», «АльфаСтрахование»). Страховые компании включают приложение в пакеты ДМС для кардиологических пациентов, так как раннее выявление одышки кардинально снижает их выплаты по экстренным госпитализациям и реанимации.
- B2G: Бесплатный защищенный шлюз для выгрузки данных об одышке в электронную медкарту ЕМИАС (для снижения ложных вызовов скорой помощи). Монетизация этого трека обеспечивается через государственные гранты (ФСИ, НТИ HealthNet) на разработку социально значимого ПО.
Прогнозируемые финансовые показатели (расчет на 3-й год работы):
- Объем пользователей: Планируется выход на 10 000 активных платящих пользователей (захват ~0,5% от целевого рынка SAM).
- Ценообразование:
- B2C (Розничная подписка): 390 руб./мес. (премиум-сегмент подписок, но в десятки раз доступнее смарт-часов или платного визита к кардиологу).
- B2B2C (Корпоративная лицензия): 150 руб./мес. за одного клиента, подключенного через страховую компанию (оптовый тариф).
- Совокупный объем выручки: При целевом распределении аудитории (60% прямых продаж и 40% через страховые компании) расчет на 12 месяцев составит:
- B2C сегмент: 6 000 пользователей × 12 месяцев × 390 руб. = 28,08 млн руб.
- B2B2C сегмент: 4 000 пользователей × 12 месяцев × 150 руб. = 7,2 млн руб.
- Итого прогнозная выручка: ~35,3 млн рублей в год (на этапе уверенного масштабирования проекта).
Ценностное предложение:
Непрерывный предиктивный контроль риска инфаркта с точностью до 85% без необходимости покупки дорогостоящего медицинского оборудования. Наше решение кардинально снижает нагрузку на скорую медицинскую помощь, автоматически передавая объективные данные о приступах диспноэ в ЕМИАС и оповещая близких. Интеграция с носимыми IoT-устройствами и умная система контекстных уведомлений сводят к минимуму ложные срабатывания, обеспечивая пациенту безопасность, а системе здравоохранения - колоссальную экономию ресурсов.
