В современном мире здравоохранения количество данных, генерируемых ежедневно, растет в геометрической прогрессии. Эти данные, зачастую неструктурированные, содержат ценную информацию, которая может значительно улучшить качество медицинского обслуживания и ускорить научные исследования. ООО «Аксиоматика» представляет инновационный проект «HealthParse AI», предназначенный для автоматического распознавания и структурирования медицинских текстовых данных, а также создания датасетов реальных данных (RWD) для разработчиков систем поддержки принятия врачебных решений (СППВР) и фармацевтических компаний.

• Центральное Хранилище Данных (ЦХД)

ЦХД служит основой для хранения и управления всеми медицинскими данными, обеспечивая их доступность и безопасность.

• Модуль Первичной Обработки Данных

Этот модуль отвечает за предварительную очистку и подготовку данных перед их дальнейшим анализом и обработкой.

• Модуль Экстрагирования Данных

Состоит из двух компонентов:

Предварительная Обработка: Нормализация и унификация данных из различных источников.
ML-компонент: Автоматическое распознавание и структурирование большого объема неструктурированных данных, что является ключевой функцией продукта.

Дополнительные Модули

Для дальнейшего развития и коммерциализации продукта внедряются следующие модули:

• ClinRec и Личный Кабинет Врача: Платформа для ретроспективной проверки назначений на соответствие клиническим рекомендациям и внутренним протоколам клиники, а также для обратной связи и обучения врачей.
• Личный Кабинет Пациента: Позволяет пациентам самостоятельно загружать персональные медицинские данные (PHR) с поддержкой протокола SMART on FHIR.

Проект «HealthParse AI» нацелен на преобразование технологических и бизнес-процессов в медицине, что включает в себя:

• Автоматизация Анализа Текстовой ЭМК

Позволяет проверять медицинские записи на соответствие клиническим рекомендациям и внутренним протоколам клиники, улучшая качество диагностики и назначений.

• Индексация и Поиск RWD

Разработка механизмов для быстрого поиска и индексации данных по сложносоставным запросам, что способствует их дальнейшей коммерциализации.

• Единый Интерфейс для Подключения Сторонних СППВР

Создание универсального интерфейса для подключения и интеграции сторонних систем поддержки принятия врачебных решений.

• Ретроспективный Анализ и Проверки Назначений

Обеспечение ретроспективного анализа существующих медицинских данных и проверок назначений врача с обратной связью и интерпретируемыми результатами для самообучения врачей.

• Назначение Продукта

Главная задача проекта «HealthParse AI» — цифровизация и автоматизация процесса обработки текстовой электронной медицинской карты (ЭМК) с целью:

1. Создание Единого Канала Коммуникаций с Партнёрами: Централизованный портал для взаимодействия с ключевыми партнёрами, включая лидеров ИИ-индустрии и фармацевтические компании.
2. Улучшение Качества Диагностики и Назначений: Автоматический ретроспективный анализ назначений на соответствие клиническим рекомендациям и внутренним протоколам клиники.
3. Стимуляция Самообучения Врачей: Запуск интерпретируемых рекомендаций для самообучения врачей.
4. Коммерциализация Обезличенных Данных: Создание и продажа датасетов RWD для фармацевтических компаний и разработчиков СППВР и ИИ-решений.

• Единый Канал Коммуникации для Внешних Партнёров

Разработка многофункционального API и партнёрского доступа через личный кабинет, обеспечивающего эффективный обмен данными между HealthParse AI и внешними ИИ-платформами и фармацевтическими компаниями.

• Модуль CLINREC

Использование алгоритмов машинного обучения для анализа назначений и предоставления интерпретируемых рекомендаций, что способствует профессиональному росту врачей.

• Коммерциализация Клинических Данных

Обработка и анонимизация рутинных клинических данных для создания датасетов, предназначенных для исследований и разработки новых медицинских ИИ-решений.

• Автоматическая Обработка Неструктурированной ЭМК

Разработка алгоритмов для нормализации и структурирования медицинских записей, что делает систему HealthParse AI легко масштабируемой для большого количества медицинских организаций.