ЕМИР — Единый Медицинский Интеллект России

Веб-сервис на основе RAG-архитектуры для поддержки врачебных решений и медицинского образования. Анализирует жалобы, анамнез, данные осмотра, находит релевантные фрагменты в векторной базе клинреков Минздрава РФ (22 нозологии) и через YandexGPT генерирует JSON с диагнозом, анализами, лечением. Точность 90–100%, ответ за 3–5 сек. Для студентов и преподавателей — ИИ-тренажёр для отработки навыков диагностики. Готов к пилоту в клиниках и колледжах.

5/5
0 скачиваний
3 отзыва
Файлы защищены
ЕМИР — Единый Медицинский Интеллект России
Подходит для задач:
Question Answering
Text Classification
Summarization
Feature Extraction
Text Generation
Sentence Similarity
Graph Machine Learning
Сферы:
Медицина
Фармацевтика
Государственный сектор
Наука и исследования
Образование
Языки:
Русский
Тэги:Гравитация 2026
#MedTech
#AI
#Healthcare
#LLM
#RAG
#ClinicalDecisionSupport
#CDSS
#Diagnosis
#RussianMedicine
#YandexGPT
#DigitalHealth
#EMIR
#EdTech
Ключевые слова:
#ИИ
#лечение
#YandexGPT
#медицина
#диагностика
#образование
#тренажёр
#RAG
#СППВР
#студенты
#врач
#рекомендации
#клинические
#анализы
#профилактика

Описание

ЕМИР — Единый Медицинский Интеллект России

1. Назначение и область применения

Платформа предназначена для автоматизации процесса ведения электронной медицинской карты и интеллектуальной поддержки принятия врачебных решений.

Область применения: медицина и здравоохранение (амбулаторно-поликлиническое звено, стационары, частные клиники, образовательный процесс в медицинских вузах).

2. Доступ к модели (внешний API)

Модель развёрнута как защищённый веб-сервис и доступна через внешний API. Никакого дополнительного деплоя не требуется.

API-эндпоинт:
https://my-medical-app-theta.vercel.app/api/get-recommendations

Метод: POST
Формат запроса: application/json
Авторизация: не требуется (публичный доступ для конкурса)

3. Технологическая архитектура

  • Фронтенд: HTML/CSS/JS (без фреймворков), адаптивный интерфейс.

  • Бэкенд: Firebase Authentication, Cloud Firestore, правила безопасности.

  • ИИ-ядро: серверлесс-функция Node.js, RAG-архитектура.

  • Векторная база: 22 клинические рекомендации Минздрава РФ преобразованы в эмбеддинги (Yandex Embeddings API).

  • Генерация: YandexGPT (модель yandexgpt/latest).

4. Алгоритм работы

  1. Врач вводит жалобы, анамнез, данные осмотра.

  2. Система формирует текстовое описание пациента и получает его эмбеддинг.

  3. Вычисляется косинусная близость между эмбеддингом запроса и эмбеддингами клинреков.

  4. Отбираются топ-5 наиболее релевантных рекомендаций.

  5. YandexGPT генерирует структурированный JSON-ответ с полями: analyses, studies, diagnosis, consultations, treatment.

5. Результаты апробации

  • Точность диагноза (совпадение с экспертной оценкой): 90–100% (по 5 нозологиям: миокардит, ХСН, ЖДА, цирроз печени, грипп).

  • Полнота рекомендаций: 80–95%.

  • Среднее время ответа: 3–5 секунд.

  • Автоматические расчёты: ИМТ, индекс курения, электрическая ось сердца с визуализацией на canvas.

6. Интеллектуальная собственность

Поданы заявки на государственную регистрацию программы для ЭВМ и базы данных в Роспатент. Режим коммерческой тайны (ноу-хау) в отношении исходного кода и алгоритмов.

7. Пример запроса и ответа

Запрос (POST) к API:
https://my-medical-app-theta.vercel.app/api/get-recommendations

Запрос (POST):

json

{
  "patient_data": {
    "complaints": "боль в груди, одышка при нагрузке, отёки ног",
    "clarifications": "боли усиливаются при ходьбе, проходят в покое",
    "bp": "140/90",
    "pulse": 88,
    "smoking": true,
    "yearsSmoked": 25,
    "familyHistory": ["отец — инфаркт в 55 лет"]
  }
}

Ответ:

json

{
  "recommendations": {
    "analyses": ["Общий анализ крови", "NT-proBNP", "Тропонин I", "Креатинин, СКФ", "Электролиты"],
    "studies": ["ЭКГ в 12 отведениях", "Эхокардиография", "МРТ сердца (по показаниям)"],
    "diagnosis": ["Хроническая сердечная недостаточность со сниженной ФВ (I50.0)"],
    "consultations": ["Кардиолог", "Кардиохирург (при рефрактерности)"],
    "treatment": ["иАПФ/АРНИ", "бета-адреноблокаторы", "антагонисты альдостерона", "диуретики", "ингибиторы SGLT2"]
  }
}

8. Бизнес-модель

  • Freemium: бесплатный базовый тариф для врачей (до 50 карт, 10 ИИ-запросов/мес).

  • Pro: 990 руб./мес (неограниченные карты, расширенные рекомендации).

  • Clinic: от 9 900 руб./мес (до 10 врачей + 500 руб./доп. врач).

  • Enterprise: индивидуально (on‑premise, кастомизация, интеграция с МИС).

9. Образовательный трек (ИИ-тренажёр для студентов и преподавателей)

Платформа «ЕМИР» может использоваться не только в клинической практике, но и в качестве учебного симулятора для студентов медицинских колледжей и вузов, а также для ординаторов.

Возможности для образования:

  • Для студентов: отработка навыков диагностики на виртуальных клинических случаях. Студент вводит жалобы и данные осмотра, система генерирует эталонный ответ (диагноз, анализы, лечение), который можно сравнить с собственным заключением.

  • Для преподавателей: инструмент для проведения практических занятий, создания клинических кейсов, оценки успеваемости. Возможность отслеживать типичные ошибки студентов.

  • Для колледжей и вузов: готовая цифровая платформа для симуляционного обучения, не требующая дорогостоящего оборудования. Бесплатный базовый доступ (Freemium) позволяет начать использовать без финансовых рисков.

Преимущества образовательного трека:

  • Соответствует актуальным клиническим рекомендациям Минздрава РФ.

  • Подходит для подготовки к демонстрационному экзамену по стандартам Ворлдскиллс.

  • Полностью российская технология (импортозамещение).

  • Простой веб-интерфейс, не требует установки дополнительного ПО.

10. Контактная информация

Автор: Борисов Константин Викторович
Email: KB-2020@MAIL.RU
Телефон: +7 (916) 034-65-76


© 2026, ЕМИР. Все права защищены. Исходный код и алгоритмы являются коммерческой тайной и не раскрываются.

Предпросмотр файлов

Файлы защищены автором

Автор ограничил доступ к файлам модели. Скачивание, просмотр и клонирование файлов недоступны. Для использования модели доступен инференс.

Просмотры

Скачивания

Похожие модели

Кейсы внедрения

Обсудите модель
с топами рынка в бизнес чате
Есть вопросы по модели?
Написать автору

Оценка

Детали модели

Автор: Константин
Объем: 250 Байт
Комментарии: 0
Просмотры: 166
Файлы: Защищённый контент
Лицензия: CC BY-NC-SA 4.0
Дата добавления: 16.04.2026

Автор

К

Константин

Разработчик

Профиль автора
Загрузка...
Загрузка комментариев...