Система предиктивной аналитики и управления рисками в здравоохранении на основе искусственного интеллекта

Надежный цифровой помощник в снижении заболеваемости и смертности

Связаться с нами Демо

Целевая аудитория

Для кого предназначена система Webiomed?

Организаторам здравоохранения

Сокращение заболеваемости и смертности за счет выявления и эпидемиологического мониторинга пациентов высокого риска

  • Автоматическая риск-стратификация населения по группам риска
  • Прогнозирование развития заболеваний
  • Популяционный мониторинг распространенности факторов риска
  • Контроль правильности ведения ЭМК врачами
Связаться с нами

Врачам

Снижение врачебных ошибок и затрат времени на анализ ЭМК + персональные рекомендации по профилактике заболеваний пациента

  • Система поддержки принятия врачебных решений
  • Автоматическое определение вероятности развития заболеваний
  • Соблюдение клинических рекомендаций
  • Сокращение времени на интерпретацию медицинских данных
Связаться с нами

Разработчикам

Дополнительные конкурентные преимущества за счет мощного искусственного интеллекта в оценке медицинских данных пациентов

  • Готовый сервис для оценки электронных медицинских данных
  • Повышение привлекательности МИС в глазах врачей и руководителей
  • Исключение необходимости регистрировать МИС как медицинское изделие
Связаться с нами

Фармацевтическим компаниям

Повышение эффективности работы и научных исследований

  • Производство наборов данных для RWD-исследований
  • Определение пациентов высокого риска, требующих назначения определенных препаратов
  • Анализ клинической практики применения препаратов
  • Поиск неизвестных предикторов в обезличенных медицинских данных
  • Производство моделей на основе машинного обучения на заказ
Связаться с нами

Страховым компаниям

Сокращение стоимости обслуживания пациентов и страховых случаев

  • Выявление пациентов высокого риска заболеваний, утраты трудоспособности / обращений в МО
  • Сервис андеррайтинга для сотрудников страховой компании
  • Разработка моделей машинного обучения на заказ
Связаться с нами

Как это работает?

Сбор информации


Врач работает с электронной медицинской картой (ЭМК) пациента, в которой есть команда для вызова системы поддержки принятия врачебных решений. По ней медицинская информационная система (МИС) подготавливает пакет деперсонифицированных данных о пациенте и отправляет их на анализ в WEBIOMED.

Врач запрашивает помощь СППВР

МИС отправляет пакет данных в webiomed

WEBIOMED Выявляет факторы риска и прогнозирует осложнения

формирует индивидуальные рекомендации пациенту и врачу

Анализ информации


WEBIOMED выявляет факторы риска заболеваний и прогнозирует вероятность осложнений или даже смерти пациента. Формирует индивидуальные рекомендации по предотвращению заболевания.

Результаты на вашем экране


Ответ уходит в информационную систему, которая запросила анализ данных. Пользователь наглядно видит предупреждения и рекомендации системы, которые помогают ему принять правильное решение.

WEBIOMED отправляет ответ назад в мис

Вы видите наглядные оценки и рекомендации

Скачать презентацию о системе

Наши проекты

Реальные результаты применения системы

Внедрение в Ямало-Ненецком автономном округе

Внедрение в Ямало-Ненецком автономном округе

К ИИ подключено 12 медицинских организаций

  • Проанализировано свыше 30 тыс. электронных медицинских карт
  • Выявлено свыше 600 пациентов высокого риска развития сердечно-сосудистых заболеваний
  • 112 пациентов поставлены на учет как нуждающиеся в оперативном дообследовании и лечении
  • Повышение доли пациентов высокого риска до 29%

 

Внедрение в Кировской области

Внедрение в Кировской области

  • Подключены 10 медицинских организаций
  • Проведено обучение пользователей, отработан анализ ЭМК пациентов

Пилотный проект "Оператора биомедицинских данных"

Пилотный проект "Оператора биомедицинских данных"

  • Проверена возможность сбора данных от любых МИС
  • Отработаны технические и нормативные методики сбора данных
  • Накоплено 298 тыс. «цифровых двойников»
  • Создан алгоритм предсказания инфаркта и инсульта

Внедрение в поликлинике АО «Кондопожский ЦБК»

Внедрение в поликлинике АО «Кондопожский ЦБК»

  • Подключена поликлиника АО «Кондопожский ЦБК»
  • Проведено обучение медицинского персонала

Пилотный проект в больнице ОАО «РЖД» г. Петрозаводск

Пилотный проект в больнице ОАО «РЖД» г. Петрозаводск

  • Проведено первичное обучение врачей
  • Проведена первичная калибровка алгоритмов искусственного интеллекта, идет пробная эксплуатация продукта
  • Проводится ретроспективный анализ карт диспансеризации 5000 пациентов

Количество накопленных данных

Пациентов

0

Случаев лечения

0

Медицинских документов

0

Публикации

Исследуем тему искусственного интеллекта

Врач. Научно-практический журнал // ISSN 0236-3054 // eISSN 2587-7305

Предсказание сердечно-сосудистых событий при помощи комплексной оценки факторов риска с использованием методов машинного обучения

Авторы: Гаврилов Д.В., Серова Л.М., Корсаков И.Н., Гусев А.В., Новицкий Р.Э. , Кузнецова Т.Ю.

Гаврилов Д.В., Серова Л.М., Корсаков И.Н., Гусев А.В., Новицкий Р.Э. , Кузнецова Т.Ю. Предсказание сердечно-сосудистых событий при помощи комплексной оценки факторов риска с использованием методов машинного обучения // Врач.2020.-№5-С.41-45

Профилактика сердечно-сосудистых заболеваний (ССЗ) является актуальной проблемой, связанной с лидирующем уровнем смертности от них в мире, различными способами оценки сердечно-сосудистого риска, точностью его определения. Цель: разработать модель при помощи машинного обучения для предсказания сердечно-сосудистого риска и валидировать ее с использованием российских медицинских данных. Материал и методы: набор данных для обучения получен из Фрамингемского исследования, в него входили 4363 пациента без ССЗ, из которых 852 (19,5%) умерли от инфаркта миокарда и инсульта в течение 10 лет с начала наблюдения. Входящие признаки модели: пол, возраст, систолическое АД, холестерин, курение, индекс массы тела, частота сердечных сокращений. Исходный набор данных был разделен на 2 части: учебный набор данных «train» (80% записей) и набор данных проверки «validate» (оставшиеся 20%). Дополнительно было проведено тестирование модели на внешнем наборе данных «test», который включал 411 деперсонифицированных данных пациентов российской популяции. Результаты: итогом работы стала модель WML.CVD.Score, построенная методом последовательной нейронной сети с одним входным, двумя скрытыми и одним выходным слоем. Результаты точности на учебном наборе данных: Accuracy – 81,15%, AUC – 0,80. Эти же показатели на проверочном наборе данных «validate» составили: Accuracy – 81,1%, AUC 0,76. Результаты тестирования на наборе данных «test»: Accuracy – 79,07, AUC – 0,86. На российских тестовых данных AUC для шкалы SCORE составила 0,81 против 0,86 для разработанной модели, что показало обоснованность применения машинного обучения с целью повышения прогностической модели. Заключение: разработанная модель продемонстрировала высокую точность предсказания сердечно-сосудистых событий как при внутренней, так и при внешней валидации.

Читать
PROCEEDING OF THE 26TH CONFERENCE OF FRUCT ASSOCIATION, April 2020.

Feature Extraction Method from Electronic Health Records in Russia

Авторы: Gavrilov D., Gusev A., Korsakov I., Novitsky R., Serova L.

Gavrilov D., Gusev A., Korsakov I., Novitsky R., and Serova L., "Feature Extraction Method from Electronic Health Records in Russia", in Proceedings of the FRUCT’26, ISSN 2305-7254, ISBN 978-952-69244-2-7, pp. 497-500, April 2020

The medical language is the basis of the electronic medical records (EHR), and up to 70 percent of the information in these records were writing in natural language, in the free text part. The last few years have seen a surge in the number of accurate, fast, publicly available name entity recognition (NER) parsers. At the same time, the use of NER parsing in natural language processing (NLP) applications has increased. It can be difficult for a non-expert to select a good “off-the-shelf” parser. We present a method of using statistical NER parsers on a medical corpus of Russian. We developed a new tool that gives a convenient way to extract NER from unstructured medical documents.

Читать
European Heart Journal • Volume 40 • Issue Supplement_1 • October 2019

Deep and machine learning models to improve risk prediction of cardiovascular disease using data extraction from electronic health records

Авторы: Korsakov I., Gusev A., Kuznetsova T., Gavrilov D., Novitskiy R.

Korsakov I., Gusev A., Kuznetsova T., Gavrilov D., Novitskiy R. Deep and machine learning models to improve risk prediction of cardiovascular disease using data extraction from electronic health records // European Heart Journal, Volume 40, Issue Supplement_1, October 2019, ehz748.0670

Advances in precision medicine will require an increasingly individualized prognostic evaluation of patients in order to provide the patient with appropriate therapy. The traditional statistical methods of predictive modeling, such as SCORE, PROCAM, and Framingham, according to the European guidelines for the prevention of cardiovascular disease, not adapted for all patients and require significant human involvement in the selection of predictive variables, transformation and imputation of variables. In ROC-analysis for prediction of significant cardiovascular disease (CVD), the areas under the curve for Framingham: 0.62–0.72, for SCORE: 0.66–0.73 and for PROCAM: 0.60–0.69. To improve it, we apply for approaches to predict a CVD event rely on conventional risk factors by machine learning and deep learning models to 10-year CVD event prediction by using longitudinal electronic health record (EHR). Доступ: https://doi.org/10.1093/eurheartj/ehz748.0670

Читать
Врач и информационные технологии • №3 2019

Перспективы использования методов машинного обучения для предсказания сердечно-сосудистых заболеваний

Авторы: Гусев А.В., Гаврилов Д.В., Корсаков И.Н., Кузнецова Т.Ю., Серова Л.М., Новицкий Р.Э.

Гусев А.В., Гаврилов Д.В., Корсаков И.Н., Кузнецова Т.Ю., Серова Л.М., Новицкий Р.Э. Перспективы использования методов машинного обучения для предсказания сердечно-сосудистых заболеваний // Врач и информационные технологии. 2019.- №3.-С. 41-47

Заболеваемость и смертность от сердечно-сосудистых заболеваний (ССЗ) остается лидирующей на протяжении последних десятилетий в всем мире. Методы первичной профилактики, основанные на управлении факторами сердечно-сосудистого риска, являются наиболее эффективными для снижения бремени ССЗ. В профилактической медицине для управления рисками ССЗ используются рискометры - шкалы, полученные в результате длительных проспективных исследований. Но практическое применение разработанных шкал показало ограничения в точности прогнозирования. Машинное обучение дает возможность повысить точность прогнозирования сердечно-сосудистого риска за счет нелинейных взаимосвязей их более глубокой настройки между факторами риска и результатами заболеваний. Используя данные 2236 пациентов, нами была обучена модель по признакам, используемым в построении фрамингемской шкалы. Мы сравнили полученную модель и Фрамингемскую шкалу на точность прогноза сердечно-сосудистого события. Так, по ROC анализу для Фрамингемской шкалы показатели следующие: точность Accuracy: 70,0%, качество AUC: 0.59. При этом для модели, полученной с использованием машинного обучения, аналогичные показатели составили: Accuracy: 78,8%, AUC: 0.84. Таким образом, использование алгоритмов машинного обучения, включая алгоритмы глубокого обучения, могут значительно повысить точность прогнозирования сердечно-сосудистых рисков обученных моделей

Читать
Журнал телемедицины и электронного здравоохранения • №3 2018

Искусственный интеллект в оценке рисков развития сердечно-сосудистых заболеваний

Авторы: Гусев А.В., Кузнецова Т.Ю., Корсаков И.Н.

Гусев А.В., Кузнецова Т.Ю., Корсаков И.Н. Искусственный интеллект в оценке рисков развития сердечно-сосудистых заболеваний // Журнал телемедицины и электронного здравоохранения. 2018.- № 3 (8). - С. 85-90.

Сердечно-сосудистые заболевания (ССЗ) являются одной из главных причин смертности и инвалидизации в большинстве стран мира, в т. ч. в России. По данным Росстата в 2016 г. от болезней системы кровообращения в России умерло 904 тыс. человек, что составило 47,8 % в структуре причин смертности населения. В качестве борьбы с высокой заболеваемостью в мировом здравоохранении отчетливо наблюдается смена парадигмы в сторону активной профилактики и предотвращения, а не лечения, заболеваний и стремление к сокращению стационарной помощи в пользу амбулаторного лечения, ухода на дому и самостоятельной заботы пациентов о собственном здоровье. В большинстве современных мировых клинических рекомендациях четко указана последовательность действий врача, к которому за помощью обратился пациент, включая обязанность оценить объективные данные здоровья, выявить факторы риска и на основании их определить сердечно-сосудистый риск у конкретного пациента, а затем предпринимать шаги по снижению этого риска. Однако в настоящее время в России массового полноценного выявления факторов риска и общей оценки риска развития ССЗ не проводится. Простые призывы к врачебной ответственности или нормативное закрепление этих требований вряд ли на практике существенно изменят сложившуюся ситуацию, т.к. оно не меняет причины этой проблемы. В этой связи предлагается разработка системы поддержки принятия врачебных решений (СППВР), построенной с применением машинного обучения и методов искусственного интеллекта. Такую систему можно было бы встроить в любые системы ведения электронных медицинских карт (ЭМК) и используя извлечение данных в том числе из неструктурированных медицинских записей, обеспечивать автоматическое выявление факторов риска и оценку рисков развития сердечно-сосудистых заболеваний пациента

Читать
Врач и информационные технологии • №3 2018

Основные рекомендации к созданию и развитию информационных систем в здравоохранении на базе искусственного интеллекта

Авторы: Гусев А.В., Плисс М.А.

Гусев А.В., Плисс М.А. Основные рекомендации к созданию и развитию информационных систем в здравоохранении на базе искусственного интеллекта // Врач и информационные технологии. 2018. - №3. - С. 45-60.

Искусственный интеллект становится одним из основных драйверов в решении серьезных проблем медицины и здравоохранения, таких как недостаточность ресурсов, дальнейшее повышение эффективности, качества и скорости работы. Во всем мире создаются все новые и новые решения в этой области. Однако, чем больше появляется новых продуктов, тем больше вопросов и проблем поднимается. В работе проанализированы некоторые зарубежные публикации и результаты исследований, в которых изучались основные проблемы, связанные с созданием и внедрением систем искусственного интеллекта в здравоохранении. В результате анализа был сформулирован ряд практических рекомендаций, которые помогут повысить вероятность успешного создания и внедрения таких продуктов в практическом звене здравоохранения.

Читать
Информационное общество, №4-5, 2017

Искусственный интеллект в медицине и здравоохранении

Авторы: Гусев А.В., Добриднюк С.Л.

Гусев А.В., Добриднюк С.Л. Искусственный интеллект в медицине и здравоохранении // Информационное общество, 2017.-№4-5-С. 78-93

В работе рассматриваются перспективы применения технологий искусственного интеллекта в медицине и здравоохранении. Описывается история развития искусственного интеллекта, анализируются технологии машинного обучения и нейронных сетей. Приводится обзор уже реализованных проектов применения искусственного интеллекта, дается прогноз наиболее перспективных, по мнению авторов, направлений развития технологий искусственного интеллекта на ближайший период.

Читать
Врач и информационные технологии • №3 2017

Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения

Авторы: Гусев А.В.

Гусев А.В. Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения // Врач и информационные технологии. 2017. -№3.-С. 92-105

В работе приведен обзор перспектив применения нейронных сетей и глубокого машинного обучения в создании систем искусственного интеллекта для здравоохранении. Приводится определение и пояснения по технологиям машинного обучения и нейронных сетей. Представлен обзор уже реализованных проектов применения искусственного интеллекта, а также дается прогноз наиболее перспективных, по мнению автора, направлений развития в ближайшее время.

Читать
Врач и информационные технологии • №2 2017

Поддержка принятия врачебных решений в медицинских информационных системах медицинской организации

Авторы: Гусев А.В., Зарубина Т.В.

Гусев А.В., Зарубина Т.В. Поддержка принятия врачебных решений в медицинских информационных системах медицинской организации // Врач и информационные технологии. 2017.- №2.-С. 60-72

В статье представлен обзор различных возможностей поддержки принятия врачебных решений в медицинских информационных системах медицинских организаций. Дается описание функциональных требований и перспектив в части повышения эффективности медицинских информационных систем в информатизации клинической работы врачей

Читать

О нас говорят

Независимые мнения о нашем продукте

19 октября 2020 г. • портал " Республика"

В борьбе с невидимым врагом

22 июля 2020 г. • Фонд «Сколково»

Компания «К-Скай» из Петрозаводска, резидент Фонда «Сколково», привлекла в разгар пандемии более 130 млн рублей частных инвестиций на развитие системы предиктивной аналитики для здравоохранения Webiomed.

Более 130 млн рублей на развитие системы предиктивной медицинской аналитики привлек резидент «Сколково»

21 июля 2020 г. • Сайт Минздрава РФ

В медицинских организациях Кировской области завершена пилотная эксплуатация системы поддержки принятия врачебных решений. По словам губернатора Игоря Васильева, реализация пилотного проекта «Внедрение искусственного интеллекта в здравоохранении Кировской области» стала первым шагом в медицину будущего, которая будет ориентирована на раннее выявление заболеваний и спасение жизни человека благодаря использованию искусственного интеллекта.

Искусственный интеллект применяется в медицине Кировской области

19 июня 2020 г. • Evercare

Внедрение СППВР в клиническую помощь порождает ряд предсказуемых правовых проблем для поставщиков медицинских услуг и разработчиков систем искусственного интеллекта в России и во всем мире. Уже приняты первые регулирующие документы, но законодательство в этой сфере еще находится на стадии становления и совершенствования. О том, как проходила регистрация клинической цифровой системы поддержки принятия решений рассказывает директор по развитию нашего проекта Александр Владимирович Гусев.

Опыт первой регистрации СППВР в России

11 июня 2020 г. • Фонд «Сколково»

Как Skolkovo Ventures помогает стартапам пересобраться в условиях новой бизнес-реальности

Станислав Колесниченко: Skolkovo Ventures помогает стартапам пересобраться в условиях новой бизнес-реальности

22 апреля 2020 г. • Фонд «Сколково»

Росздравнадзор зарегистрировал систему поддержки принятия врачебных решений Webiomed в качестве медицинского изделия. Это первый программный продукт с искусственным интеллектом, прошедший технические и клинические испытания и получивший разрешение на применение в российских больницах и поликлиниках. Система Webiomed разработана резидентом Фонда «Сколково» Группой компаний «К-Скай».

Искусственный интеллект от резидента «Сколково» впервые признали медицинским изделием

12 августа 2019 г. • Здрав. ФОМ

Искусственный интеллект обратил внимание врачей на 67 человек, которым, по его мнению, было необходимо дополнительное обследование и лечение. Как оказалось, ИИ обнаружил, что у этих людей была очень высокая опасность инфаркта или инсульта. Теперь врачи проводят углубленное обследование и лечение этих пациентов. То есть применение Webiomed позволило выявить тех, кто нуждается в дополнительном внимании врачей

ИИ поможет ямальским врачам выявлять опасные заболевания на ранних стадиях

12 августа 2019 г. • MIBS

В начале 2019 г. Ассоциация разработчиков и пользователей искусственного интеллекта в медицине «Национальная база медицинских знаний» провела пилотный проект в ЯНАО с тестированием двух продуктов – системы Webiomed компании К-МИС (для профилактики сердечно-сосудистых заболеваний) и Botkin AI компании «Интеллоджик» (для поиска очагов заболевания с использованием КТ легких).

Есть ли в России искусственный интеллект?

13 июля 2019 г. • Российская газета

Ямал стал первой большой площадкой для испытания искусственного интеллекта в медицине нашей страны. Результаты поразили даже специалистов: всего за два с половиной месяца машинный разум обследовал 30 тысяч электронных медицинских карт больницы в Муравленко, а это население практически всего этого города.

Может ли искусственный интеллект заменить врача

6 мая 2019 г. • НТИ

Искусственный интеллект увеличил выявляемость факторов риска онкозаболеваний. Феноменальный результат сегодня обсудили российские медицинские светила в Салехарде.

Как искусственный интеллект помогает врачам в работе

10 апреля 2019 г. • Российская Газета

В ходе клинических испытаний робот проанализировал почти 30 тысяч электронных медицинских карт больницы. По сути это почти все население Муравленко, в котором - 32 тысячи жителей. При этом в трети случаев были выявлены пациенты с высоким и очень высоким риском развития сердечно-сосудистых заболеваний. Сейчас врачи приглашают их на углубленное обследование.

Искусственный интеллект обследовал 30 тысяч пациентов

10 апреля 2019 г. • COMNEWS

На Ямале реализованы сразу два проекта по внедрению системы поддержки врачебных решений в клиническую практику – в онкологии и профилактической медицине. Поставить диагноз искусственный интеллект не в силах, но он помогает врачам заметить новообразования на ранней стадии, когда они поддаются лечению, и своевременно заподозрить высокий риск сердечных недугов. Так, из 600 снимков ямальских пациентов, обработанных системой, онкологическую патологию заподозрили у 45 человек. В городской больнице Муравленко после обработки 30 тысяч электронных медицинских карт пациентов по итогам диспансеризации выяснилось, что треть из них имеют высокий риск развития сердечно-сосудистых заболеваний. Полученные результаты являются очень хорошим резервом для работы по дальнейшему снижению заболеваемости и смертности от болезней системы кровообращения, подчеркнули эксперты.

Ямал вошёл в число пилотных регионов, приступивших к внедрению ИИ в здравоохранение

9 апреля 2019 г. • Минздрав России

В Салехарде завершилась научно-практическая конференция, посвященная теме искусственного интеллекта в медицине. Его внедрение в отрасль активно обсуждается последние несколько лет. Накануне в окружной столице собрались эксперты, разработчики и светила науки, чтобы обсудить аспекты применения ноу-хау на практике.

Искусственный интеллект поможет врачам выявлять опасные заболевания на ранних стадиях

9 апреля 2019 г. • Правительство ЯНАО

Системы поддержки принятия врачебных решений, основанные на искусственном интеллекте, необходимо активно внедрять во всю отрасль здравоохранения арктического региона. Такое предложение стало итогом обсуждения результатов пилотного проекта на научно-практической конференции «Искусственный интеллект в медицине», прошедшей в Салехарде

Правительство Ямала приняло решение расширить применение ИИ

6 апреля 2019 г. • Комсомольская правда

Искусственный интеллект помогает медикам Ямала выявлять рак на ранних стадиях. С начала 2019 года в Муравленковской городской больнице проходит клинические испытания информационная система «Webiomed». Первые результаты весьма обнадёживают.

Искусственный интеллект помогает медикам Ямала выявлять рак на ранних стадиях

5 апреля 2019 г. • TOPNEWS

Для пилотного проекта была выбрана больница в городе Муравленко, где сформирована большая база электронных медицинских карт, внедрена информационная система, способная адаптироваться к работе с искусственным интеллектом. ИИ сумел обработать электронные медкарты всего прикрепленного населения больницы (25 тысяч пациентов) всего за 123 часа или примерно 5 суток. Среднее время обработки 1 пациента составило от 30 секунд до 2 минут (в зависимости от объема ЭМК).

Заменит ли искусственный интеллект врачей?

5 апреля 2019 г. • СЕВЕРПРЕСС

Искусственный интеллект в Муравленко помог отправить в группу риска десятки пациентов. Пилотный проект — искусственный интеллект на Ямале стартовал в Муравленко в декабре 2018 года, фактические работы проводились три месяца. За это время к системе искусственного интеллекта была подключена городская больница, есть первые результаты.

Искусственный интеллект в Муравленко помог отправить в группу риска десятки пациентов

5 апреля 2019 г. • ВЕСТИ ЯМАЛ

В конце прошлого года к системе искусственного интеллекта была подключена муравленковская больница. Было обработано более миллиона 300 тысяч медицинских электронных документов двадцати пяти тысяч горожан. На основе данных выявлены пациенты, которые попали в группу риска с сердечно-сосудистыми заболеваниями. Многие из них не стояли на диспансерном учете и не приходили в больницу.

В Салехарде состоялась научно-практическая конференция «Искусственный интеллект в медицине»

О компании "К-Скай"

Идея создания системы поддержки принятия врачебных решений, которая бы помогала врачам и организаторам здравоохранения эффективнее бороться с развитием заболеваний и смертностью, пришла нам летом 2018 г.

Мы собрали сбалансированную команду, состоящую из экспертов в области медицины, машинного обучения и информационных технологий.

Наша цель: предотвратить болезнь всегда, когда это можно сделать.

Узнать больше

Наша команда

Коллектив профессионалов в области медицины и IT

Новицкий Роман Генеральный директор

Гусев Александр Директор по развитию бизнеса, к.т.н.

Андрей Саликов Коммерческий директор

Гаврилов Денис Руководитель медицинского направления

Семенов Александр Руководитель научного направления

Ковалев Антон Руководитель команды разработчиков

Гельзин Илья Руководитель направления качества ПО

Гусева Анна Маркетолог-аналитик

Пашкова Юлия Старший бизнес-аналитик

Никанов Иван Бизнес-аналитик

Кашин Михаил Ведущий специалист по ИТ

Лунгу Диана бизнес-аналитик

Научные консультанты

Кузнецова Татьяна Эксперт по медицине, д.м.н.

Токарев Сергей Эксперт по профилактической медицине, д.м.н.

Ившин Александр Эксперт по медицине, к.м.н.

Рогов Александр Эксперт по математическому моделированию, д.т.н.

Корсаков Игорь Эксперт по аналитическим данным , к.ф.м.н.

Наши партнеры

Активно сотрудничаем с профессиональным сообществом

Фонд "Сколково"

Формирует и работает над созданием условий для инновационного развития и открытия новых рынков в России

Петрозаводский государственный университет

Опорный университет Республики Карелия

ФГБУ "НМИЦ кардиологии" Минздрава России

Ведущий кардиологический центр России

Национальная база медицинских знаний

Ассоциация разработчиков и пользователей искусственного интеллекта

Центр медицинской профилактики ЯНАО

Организация здравоохранения ЯНАО по профилактике заболеваний

Ассоциация клинических фармакологов

Крупнейшая в России организация клинических фармакологов

Успехи и достижения

Первый искусственный интеллект для здравоохранения  в России, зарегистрированный как медицинское изделие
Первый искусственный интеллект для здравоохранения в России, зарегистрированный как медицинское изделие

3 апреля 2020 г. Росздравнадзор зарегистрировал cистему поддержки принятия врачебных решений «Webiomed» как медицинское изделие.

Победитель в категории "Прорыв года" премии Digital Health Awards 2020
Победитель в категории "Прорыв года" премии Digital Health Awards 2020

Система Webiomed стала победителем в номинации "Прорыв года" премии Digital Health Awards - престижной Российской награды за лучшие достижения в сфере цифровых медицинских технологий.

Победитель конкурса «Стартап-ралли»-2020 в номинации " Цифровая медицина"
Победитель конкурса «Стартап-ралли»-2020 в номинации " Цифровая медицина"

«Стартап ралли» -конкурс инновационных разработок в сфере новых лекарственных препаратов и медицинских изделий , который организован по инициативе Минпромторга России.

Призер конкурса "Безопасность медицинских изделий - на благо людей"
Призер конкурса "Безопасность медицинских изделий - на благо людей"

Компания «К- Скай» заняла 2 место по итогам конкурса «Безопасность медицинских изделий - на благо людей». Конкурс был организован ФГБУ «Национальный институт качества» совместно с Росздравнадзором.

Победитель в спецноминации "Персонализированная медицина" от Roche
Победитель в спецноминации "Персонализированная медицина" от Roche

Cпециальная номинация «Персонализированная медицина» была учреждена в партнерстве с компанией «Рош».

Победитель конкурса конкурса инновационных проектов в области здравоохранения Sanofi совместно с Фондом " Сколково"
Победитель конкурса конкурса инновационных проектов в области здравоохранения Sanofi совместно с Фондом " Сколково"

Наш проект Webiomed вошел в число 3 –х победителей конкурса.

Победитель коммерческого трека AstraZeneca Skolkovo StartUp Challenge 2020
Победитель коммерческого трека AstraZeneca Skolkovo StartUp Challenge 2020

Проект "Webiomed" - победитель коммерческого трека акселерационной программы AstraZeneca Skolkovo StartUp Challenge 2020, которую провели Фонд «Сколково» и Международная биофармацевтическая компания «АстраЗенека»

Лауреат конкурса «Лучшее  ИТ  решение  для здравоохранения 2020»
Лауреат конкурса «Лучшее ИТ решение для здравоохранения 2020»

За систему предиктивной аналитики и управления рисками "Webiomed" в рамках международного конгресса "Информационные технологии в медицине 2020".

Победитель в номинации «Цифровые решения для здравоохранения»
Победитель в номинации «Цифровые решения для здравоохранения»

Система Webiomed признана победителем в номинации «Цифровые решения для здравоохранения» конкурсного отбора, организованного АНО "Аналитический центр при Правительстве Российской Федерации" совместно с Минкомсвязью России. Webiomed войдет в Банк цифровых решений и практик, рекомендованных к тиражированию в субъектах РФ.

Номинант Национальной  премии «Приоритет 2020»
Номинант Национальной премии «Приоритет 2020»

Компания «К-СКАЙ» - разработчик системы предиктивной аналитики Webiomed вошла в число номинантов премии в номинации: "Медицина и здравоохранение", "Технологический стартап".

Победитель конкурса инноваций «100 идей для развития Карелии».
Победитель конкурса инноваций «100 идей для развития Карелии».

Проект искусственного интеллекта для здравоохранения Webiomed победил в номинации «Инновации в приоритетных областях», а также получил статус лучшей идеи конкурса. Конкурс был организован при поддержке Фонда венчурных инвестиций Республики Карелия и Минэкономразвития РК.

Лауреат конкурса «Лучшее  ИТ  решение  для здравоохранения 2019»
Лауреат конкурса «Лучшее ИТ решение для здравоохранения 2019»

За систему поддержки врачебных решений "Webiomed" в рамках международного конгресса "Информационные технологии в медицине 2019".

Призер в номинации : «Лучший инновационный проект»
Призер в номинации : «Лучший инновационный проект»

Проект «Внедрение систем искусственного интеллекта для медицины» (Ямало-Ненецкий автономный округ) стал призером в номинации "Лучший инновационный проект" конкурса ПРОФ-IT.2019.

Номинант на гран-при как «Стартап года» премии Digital Health Awards 2019
Номинант на гран-при как «Стартап года» премии Digital Health Awards 2019

СППВР Webiomed попала в число номинантов на гран-при премии Digital Health Awards как "Стартап года".

Партнерская программа

Подключайтесь к WEBIOMED бесплатно и без ограничений!

Обладателям качественных структурированных электронных медицинских данных предлагаем подключиться к партнерской программе. Мы включаем ваши наработки в наш продукт, взамен вы безвозмездно используете WEBIOMED в своей работе.

Связаться с нами Демо-версия

Блог

Искусственный интеллект в медицине

16 Ноя 2020  |   226

Нормативно-правовое регулирование искусственного интеллекта в здравоохранении России

Применение технологий искусственного интеллекта в здравоохранении нашей страны открывает действительно впечатляющие перспективы. Вместе с этим …

06 Окт 2020  |   755

Интерпретация результатов машинного обучения

Альберт Эйнштейн: «Если вы не можете объяснить что-то простым языком, вы этого не понимаете». Зачем …

23 Июл 2020  |   4 521

Обзор российских инвестиций в цифровое здравоохранение

Цифровизация медицины и здравоохранения является сейчас с одной стороны очень популярной и действительно быстро развивающейся …

21 Июл 2020  |   929

Реализация национальной стратегии искусственного интеллекта в сфере здравоохранения

Указом Президента России №490 от 10.10.2019 была утверждена национальная стратегия развития искусственного интеллекта (ИИ) в …

08 Июл 2020  |   3 049

Основные метрики задач классификации в машинном обучении

В каждой задаче машинного обучения ставится вопрос оценки результатов моделей. Без введенных критериев, невозможно будет …

01 Июл 2020  |   795

Сердечно-сосудистые заболевания и COVID-19

В марте этого года команда Webiomed получила заказ на добавление в систему возможностей оценивать группу …

05 Июн 2020  |   1 355

Применение NLP для извлечения информации из электронных медицинских карт

Электронные медицинские карты (ЭМК) представляют основу автоматизации медицинской организации. В последнее время они повсеместно внедряются …

28 Апр 2020  |   1 402

Зачем нам шкалы и решающие правила в «Webiomed»

В последнее время, особенно на фоне новости о регистрации СППВР «Webiomed» в качестве медицинского изделия, …

15 Апр 2020  |   1 894

Проблематика оплаты ИИ-сервисов через ОМС

Описание проблемы В настоящее время федеральным законодательством Российской федерации предусмотрена возможность оплаты медицинской помощи, оказанной …

20 Фев 2020  |   1 692

Обзор аналитических отчетов об искусственном интеллекте для медицины

В последнее время вышло сразу несколько интересных аналитических отчетов, затрагивающих тему искусственного интеллекта в медицине …

Все статьи в блоге

Новости

Развитие проекта в событиях

03 Дек 2020  |   64

Мы приняли участие в круглом столе «Пандемия как драйвер развития новых возможностей в здравоохранении»

Круглый стол  «Пандемия как драйвер развития новых возможностей в здравоохранении»  был организован газетой «Деловой Петербург». Мероприятие состоялось 30 ноября.  Участники обсудили возможности развития телемедицины, законодательные …

Продолжить чтение...
02 Дек 2020  |   89

Webiomed.DHRA включена в «Реестр российских программ»

Подробнее...

30 Ноя 2020  |   133

Мы приняли участие в Международном медицинском инвестиционном форуме

Подробнее...

27 Ноя 2020  |   271

Искусственный интеллект на страже репродуктивного здоровья

Подробнее...
Архив новостей

Подпишитесь на нашу рассылку

Хотите получать интересную и полезную информацию о цифровом здравоохранении и искусственном интеллекте для медицины?
Включайтесь в нашу рассылку!