Архитектура и принципы работы
Разрабатываемая платформа предполагает использование автономного reasoning-ядра, способного функционировать без постоянного подключения к облачным сервисам. Модель будет работать непосредственно на мобильном устройстве пользователя.
Глобальные модели и алгоритмы машинного обучения будут размещаться на серверах компании в России. Такой подход направлен на обеспечение работы системы при ограниченной доступности сетевой инфраструктуры.
Функциональные модули и обработка данных
Платформа будет включать ряд специализированных модулей: локальное ядро для первого триместра, эмо-модуль, классификатор перинатальной депрессии, сканер медицинских документов и модуль формирования объяснимого отчета с возможностью экспорта для врача.
Обработка медицинских данных будет осуществляться с минимизацией передачи информации во внешние системы. Работа моделей будет основана на клинических правилах и сценариях, что должно обеспечить медицинскую достоверность решений.
Этапы разработки и испытаний
Первый этап проекта рассчитан до 2 февраля 2027 года. В этот период планируется формирование обучающего и валидационного набора данных, определение структуры и требований к качеству данных, а также разработка прототипов ключевых модулей.
Второй этап продлится до 2 августа 2027 года. В него войдут расширение ядра на второй и третий триместры, проработка энергоэффективности и устойчивости интерфейса, реализация контура информационной безопасности и автономного обновления системы.
Финансирование и смежные инициативы
На разработку экспериментального образца интеллектуальной системы поддержки врачебных решений ООО «ИИ-решения в медицине» выделено 3 миллиона рублей из Фонда содействия инновациям. В состав системы войдут модули объяснимого ИИ и автоматизированного извлечения информации из медкарты.
Другие проекты в сфере ИИ в медицине получили поддержку: ООО «Фениксмед АИ» — 7,5 миллиона рублей на создание ИИ-ассистента для анализа МРТ коленного сустава, а Кубанский государственный медицинский университет — 3 миллиона рублей на разработку методов диагностики преждевременных родов.