Экспертные заключения: 0
Консультации: 0

KemLipidScan: автоматическая сегментация масс-спектрометрических данных для анализа липидома сыворотки крови пациентов с ССЗ

Проблема
Сердечно-сосудистые заболевания остаются главной причиной смертности в РФ. Масс-спектрометрия дает высокую точность, но требует ручной обработки данных и высокой квалификации персонала. Из-за этого анализ получается долгим и дорогим, применять его в обычной лабораторной практике сложно.

Решение
Мы делаем программный модуль для автоматической сегментации масс-спектрометрических данных и идентификации липидов сыворотки крови. Программа сама выделяет пики, сверяет их с базой биомаркеров (не менее 30 единиц) и через нейросеть классифицирует риск сердечно-сосудистых заболеваний (высокий, умеренный, низкий).

Преимущества

  • Автоматизация: алгоритм на основе кластеризации по m/z и анализа локальных минимумов разделяет слипшиеся пики. Бесплатные аналоги (MZmine и XCMS) этого не умеют.
  • Скорость: обработка одного образца занимает до 10 минут.
  • Клиническая интерпретация: модуль сам формирует готовый отчет в HTML и PDF, включая оценку кардиориска.
  • Работа с разными приборами: программа понимает форматы .mzML, .mzXML, .csv. В отличие от дорогих решений (Compound Discoverer, LipidSearch) она не привязана к конкретному производителю оборудования.
  • Проверка MS/MS: встроенный механизм верификации убирает неоднозначность при идентификации липидов.

Стадия готовности
Проект получил грант Фонда содействия инновациям по программе «УМНИК» (договор № 20248ГУ/2026 от 18.09.2026, сумма 500 000 руб.). Сейчас мы разрабатываем математические алгоритмы, нейросетевой модуль классификации и базу данных. В акселераторе хотим проработать бизнес-модель, подготовить лабораторный образец к запуску и понять, как выводить продукт на рынок клинико-диагностических лабораторий.

Кому это нужно
Клинико-диагностические лаборатории, кардиологические отделения, научно-исследовательские институты и образовательные учреждения медицинского профиля.

Ссылка

На страницу проекта

Направление

Здравоохранение, медицина, фармацевтика

Рынки

HealthNet, NeuroNet

Сквозные технологии

Искусственный интеллект, Персонифицированная медицина