проектная школа × digital health

ПРОЕКТЫ

цифровая проектная школа

Место, где запускаются проекты

Сеченовский университет

Цифровая проектная школа Сеченовского УниверситетаЛокус — точка, где задача находит решение

Кейсы и проекты

ИИ-ассистенты и автоматизация медицинских процессов

  • Разработка оптимизированных промптов и интерактивных сценариев взаимодействия с ИИ-ассистентом в составе диалогового помощника DocAI.

    AI

  • ИИ-агенты автоматизируют анализ регистрационных досье лекарственных препаратов и помогают проверять документы на полноту и соответствие требованиям.

    AI

  • Голосовой ИИ-ассистент распознаёт речь хирургической команды и автоматически заполняет медицинские чек-листы во время операции.

    AI

  • TELEMED

Нейротехнологии и анализ биосигналов

  • Персонализированная медитация адаптируется в реальном времени по ЭЭГ и другим биосигналам пользователя.

    NeuroTech

  • Система ИИ-агентов анализирует ЭЭГ и другие нейробиологические данные, чтобы выявлять функциональные состояния мозга.

    NeuroTech

  • Алгоритмы анализируют данные носимых устройств и физиологические сигналы для поиска признаков состояний, пригодных для неинвазивной диагностики.

    NeuroTech

  • SMART-MED

Дистанционный мониторинг и цифровая забота

  • Телемедицинская система автоматически собирает и контролирует анализы после операции, снижая нагрузку на врача и риск пропустить ухудшение.

    CareTech

  • Цифровой сервис помогает семьям дистанционно следить за состоянием пожилых родственников, поддерживать связь и вовремя замечать тревожные сигналы.

    CareTech

  • Система распознаёт детский плач и уведомляет родителей с нарушениями слуха о состоянии и потребностях ребёнка.

    CareTech

  • MONITORING

Медицинская визуализация и компьютерное зрение

  • Мобильный прототип для обучения: AR накладывает 3D-модели на анатомические фантомы.

    AR

  • Открытый C++-модуль обрабатывает сырые RF-сигналы УЗИ и формирует B-mode и допплеровские изображения для исследований и разработки алгоритмов.

    MedVision

  • Система компьютерного зрения количественно анализирует цифровые гистологические препараты и выделяет морфометрические показатели для врача.

    MedVision

  • HEALTH-APP

Биомедицинские данные и медицинские знания

  • Платформа систематизирует данные о различиях эффекта лекарств между группами пациентов и помогает учитывать их при выборе терапии.

    BioTech

  • Анализ микробиомных данных выявляет устойчивые сигнатуры, связанные с дисбиозами и различиями между популяциями.

    BioTech

  • ИИ распознаёт лекарственный препарат по фотографии упаковки и выдаёт пользователю структурированную информацию о нём.

    BioTech

  • CARE-PATH

AI · ИИ-ассистенты и автоматизация медицинских процессов

DocAI: ассистент молодого врача

Разработка оптимизированных промптов и интерактивных сценариев взаимодействия с ИИ-ассистентом в составе диалогового помощника DocAI.

Проблема

Перегрузка информацией, дефицит релевантных данных и шаблонность программ дистанционного обучения — главные барьеры в системе непрерывного медицинского образования для студентов, ординаторов и молодых врачей.

Решение

Оптимизированные промпты и сценарии диалога.

Результат

Результаты тестирования прототипа DocAI: структурированный графовый датасет и алгоритм автозаполнения базы знаний.

Стек

  • SQL
  • Python
  • LLM
  • React / Streamlit
  • DevOps-специалист
  • Системный аналитик
  • Тестировщик
  • ML-специалист

AR · Медицинская визуализация и компьютерное зрение

AR-визуализация анатомии

Мобильный прототип для обучения: AR накладывает 3D-модели на анатомические фантомы.

Проблема

Пространственную анатомию и интерпретацию медицинских срезов сложно осваивать по двумерным изображениям в учебниках: традиционные методы не дают объёмного восприятия и не связывают анатомию с реальными КТ/МРТ-срезами.

Решение

AR накладывает 3D-модели на фантомы.

Результат

Мобильный прототип для обучения.

Стек

  • React
  • API
  • Git
  • Backend-разработчик
  • Mobile-разработчик
  • DevOps-специалист
  • Системный аналитик
  • Тестировщик

BioTech · Биомедицинские данные и медицинские знания

Персонализация эффекта лекарств

Платформа систематизирует данные о различиях эффекта лекарств между группами пациентов и помогает учитывать их при выборе терапии.

Проблема

Усреднённые результаты РКИ скрывают гетерогенность эффекта лекарств, а данные об индивидуальных эффектах разрознены в научной литературе, что не позволяет врачу учитывать фенотип пациента при выборе терапии.

Решение

Платформа систематизирует HTE и ITE.

Результат

B2B-платформа, API и мета-анализ.

Стек

  • R
  • ML
  • Git
  • Backend-разработчик
  • DevOps-специалист
  • Системный аналитик
  • Тестировщик

AI · ИИ-ассистенты и автоматизация медицинских процессов

ИИ-агенты для регистрационного досье

ИИ-агенты автоматизируют анализ регистрационных досье лекарственных препаратов и помогают проверять документы на полноту и соответствие требованиям.

Проблема

Формирование и экспертиза регистрационного досье — преимущественно ручной процесс, требующий обработки больших объёмов разнородных документов. Отсутствие инструментов автоматизированного анализа и проверки на соответствие регуляторным нормам ведёт к высоким рискам ошибок, длительным срокам подготовки и рискам отказа в регистрации.

Решение

Платформа ИИ-агентов «ФарМозг» на базе LangChain и LLM проверяет досье на соответствие требованиям ЕАЭС, выявляет несогласованности между разделами и формирует отчёт о регуляторных рисках. Решение спроектировано с учётом требований GxP и информационной безопасности.

Результат

Готовый к пилотному внедрению прототип с комплектом сопроводительной документации: описание бизнес-процесса, сценарии и протоколы тестирования, презентационные материалы для стейкхолдеров.

Стек

  • SQL
  • LLM
  • ML
  • Backend-разработчик
  • DevOps-специалист
  • Системный аналитик
  • Тестировщик

CareTech · Дистанционный мониторинг и цифровая забота

Удалённый контроль анализов

Телемедицинская система автоматически собирает и контролирует анализы после операции, снижая нагрузку на врача и риск пропустить ухудшение.

Проблема

Врач не справляется с нагрузкой по контролю пациентов после операции: порядка 5–6 анализов раз в полгода на одного пациента, поступающих регулярно в течение длительного срока.

Решение

Телемедицинская платформа удалённого автоматизированного контроля показателей анализов онкологических больных после операции. Приложение пациента: загрузка анализов, их расшифровка, передача данных врачу, обратная связь от врача. Интерфейс врача: агрегирование данных, подача тревожных сигналов, связь с пациентом.

Результат

Снижение нагрузки на врачей за счёт автоматизированного контроля анализов, своевременное выявление отклонений и минимизация рисков для пациентов.

Стек

  • JS
  • Git
  • API
  • Backend-разработчик
  • Frontend-разработчик
  • DevOps-специалист
  • ML-специалист

NeuroTech · Нейротехнологии и анализ биосигналов

Адаптивная медитация по биосигналам

Персонализированная медитация адаптируется в реальном времени по ЭЭГ и другим биосигналам пользователя.

Проблема

Отсутствуют открытые мультимодальные датасеты и готовые инструменты для исследований персонализированной медитации с биологической обратной связью, а стандартные неадаптивные медитации могут усиливать тревогу у отдельных пациентов.

Решение

ЭЭГ и пульс адаптируют аудиосценарий.

Результат

Прототип и эксперимент на 60 участниках.

Стек

  • Keras
  • Python
  • ML
  • Backend-разработчик
  • DevOps-специалист
  • Системный аналитик
  • Тестировщик

CareTech · Дистанционный мониторинг и цифровая забота

МАЯК: мониторинг пожилых родственников

Цифровой сервис помогает семьям дистанционно следить за состоянием пожилых родственников, поддерживать связь и вовремя замечать тревожные сигналы.

Проблема

У семей нет удобного решения между обычными звонками и профессиональным уходом: близкие либо постоянно уточняют, всё ли в порядке, либо узнают о проблемах поздно. Старший родственник воспринимает частые проверки как контроль и отказывается от сложных приложений с неестественной манерой общения.

Решение

Голосовой сервис поддерживает ежедневный контакт.

Результат

Семейная сводка и сценарии сервиса.

Стек

  • Transformers
  • ML
  • LLM
  • Backend-разработчик
  • DevOps-специалист
  • Тестировщик
  • Системный аналитик

NeuroTech · Нейротехнологии и анализ биосигналов

ИИ-агенты для анализа ЭЭГ

Система ИИ-агентов анализирует ЭЭГ и другие нейробиологические данные, чтобы выявлять функциональные состояния мозга.

Проблема

Отсутствует технология комплексного анализа работы мозга.

Решение

ML-pipeline и агенты анализируют биомаркеры.

Результат

Прототип агентов и проверка гипотезы.

Стек

  • ML
  • Keras
  • Pyhton
  • Системный аналитик
  • ML-специалист
  • Data Scientist

MedVision · Медицинская визуализация и компьютерное зрение

Обработка RF-сигналов УЗИ

Открытый C++-модуль обрабатывает сырые RF-сигналы УЗИ и формирует B-mode и допплеровские изображения для исследований и разработки алгоритмов.

Проблема

Нет доступных открытых инструментов для обработки реальных RF-данных в ультразвуковой диагностике: Field II и k-Wave работают только с синтетическими данными, а коммерческие платформы (Verasonics) закрыты и дороги.

Решение

C++ строит B-mode и допплеровские параметры.

Результат

Открытый MIT-модуль с GUI.

Стек

  • C++
  • JS
  • API
  • Backend-разработчик
  • DevOps-специалист
  • Системный аналитик
  • Тестировщик

AI · ИИ-ассистенты и автоматизация медицинских процессов

Голосовой чек-лист в хирургии

Голосовой ИИ-ассистент распознаёт речь хирургической команды и автоматически заполняет медицинские чек-листы во время операции.

Проблема

Ручное заполнение чек-листов отвлекает хирургическую бригаду от пациента. Человеческий фактор приводит к пропуску пунктов и ошибкам документации

Решение

Разрабатывается ИИ-система голосового распознавания для автоматического заполнения авторских валидированных чек-листов «Удаление зуба» и «Дентальная имплантация» без касания устройств, с интеграцией в медицинскую карту.

Результат

Рабочий прототип с точностью распознавания более 92%, сокращение времени заполнения чек-листов на 20% и устранение нарушений стерильности, а также публикации в журналах и интеграция с экосистемой Сеченова.

Стек

  • Python
  • Docker
  • React
  • ML-специалист
  • Data Scientist
  • Backend-разработчик
  • Системный аналитик

NeuroTech · Нейротехнологии и анализ биосигналов

Неинвазивная диагностика по биосигналам

Алгоритмы анализируют данные носимых устройств и физиологические сигналы для поиска признаков состояний, пригодных для неинвазивной диагностики.

Проблема

Данные с носимых устройств не используются для ранней диагностики сердечно-сосудистых заболеваний, так как нет инструментов автоматического анализа ФПГ, ЭКГ и ЭЭГ, а ручная обработка требует высокой квалификации и не выявляет скрытые риски.

Решение

Разрабатывается пайплайн фильтрации, выделения признаков и классификации физиологических сигналов для автоматического выявления аритмий, ишемии и предгипертензии с интерпретируемыми результатами.

Результат

Jupyter Notebook с кодом, аналитический отчёт и презентация — прототип системы скрининга сердечно-сосудистых рисков по данным носимых устройств.

Стек

  • NumPy / SciPy / Pandas
  • Git
  • ML-специалист
  • Data Scientist

CareTech · Дистанционный мониторинг и цифровая забота

Распознавание детского плача

Система распознаёт детский плач и уведомляет родителей с нарушениями слуха о состоянии и потребностях ребёнка.

Проблема

Глухие и слабослышащие родители не слышат плача своего ребенка, что создает серьезные риски для его здоровья и безопасности, при этом зарубежные аналоги не адаптированы для российских пользователей, а отечественные решения отсутствуют.

Решение

Разрабатывается интеллектуальная система на основе машинного обучения, которая в реальном времени анализирует акустические сигналы, распознает детский плач и отправляет родителям оповещения через веб-интерфейс с push-уведомлениями на устройства.

Результат

Размеченный датасет аудиозаписей плача, обученная ИИ-модель классификации, прототип веб-интерфейса с функцией оповещения (вибрация, свет, push), аналитический отчет и научные публикации по результатам исследования.

Стек

  • IDEF
  • ML
  • Python
  • Backend-разработчик
  • Frontend-разработчик
  • ML-специалист

BioTech · Биомедицинские данные и медицинские знания

Сигнатуры микробиома

Анализ микробиомных данных выявляет устойчивые сигнатуры, связанные с дисбиозами и различиями между популяциями.

Проблема

Межпопуляционная вариабельность микробиома мешает выявлению универсальных маркеров заболеваний (диабет 2 типа, ожирение, болезнь Крона, рак) и переносу результатов между странами.

Решение

Анализ таксономических и функциональных профилей микробиома из Human Microbiome Compendium через ML-модели для поиска сигнатур, различающих популяции с высокой и низкой заболеваемостью.

Результат

Набор обученных моделей, список значимых таксонов и функций, валидированный датасет и отчёт с воспроизводимым кодом.ч

Стек

  • NumPy
  • Python
  • API
  • ML-специалист
  • Data Scientist

BioTech · Биомедицинские данные и медицинские знания

ИИ-справочник препаратов по фото

ИИ распознаёт лекарственный препарат по фотографии упаковки и выдаёт пользователю структурированную информацию о нём.

Проблема

Поиск информации о лекарствах требует ручного ввода данных и сложных запросов, что затрудняет пользователей и разработчиков.

Решение

Создание веб-приложения с ИИ-распознаванием, позволяющего по фото упаковки или назначения врача мгновенно получать ключевую информацию о препарате и его взаимодействиях.

Результат

MVP веб-интерфейса с функцией распознавания и выдачи релевантной информации о препаратах.

Стек

  • CV
  • ML
  • Python
  • Backend-разработчик
  • Frontend-разработчик
  • ML-специалист

MedVision · Медицинская визуализация и компьютерное зрение

Количественная морфометрия гистологии

Система компьютерного зрения количественно анализирует цифровые гистологические препараты и выделяет морфометрические показатели для врача.

Проблема

Огромные массивы цифровых гистологических данных остаются неиспользованными из-за отсутствия инструментов автоматического предиктивного анализа, что сохраняет субъективность и вариабельность диагнозов между разными врачами.

Решение

Разработка модуля поддержки принятия врачебных решений на основе компьютерного зрения и машинного обучения для преобразования субъективной визуальной оценки в объективные количественные метрики.

Результат

Прототип СППВР, интегрированный в тестовую среду лаборатории, повышающий точность дифференциальной диагностики и снижающий расхождения в заключениях специалистов.

Стек

  • Python
  • ML
  • Transformers
  • Backend-разработчик
  • Frontend-разработчик
  • Data Scientist
  • ML-специалист

TELEMED · ИИ-ассистенты и автоматизация медицинских процессов

Разработка идеи цифрового продукта в медицинской специальности

Проблема

В разных медицинских специальностях сохраняются задачи, для которых пока не существует удобных цифровых инструментов, учитывающих особенности работы врача и потребности пациента.

Решение

Под руководством экспертов СберЗдоровья участник определит актуальную проблему в одной из областей — терапии, педиатрии, гинекологии, эндокринологии, дерматологии, кардиологии, неврологии, диетологии или другой специальности — и сформирует идею цифрового медицинского продукта для ее решения.

Результат

Проектное предложение с описанием медицинской проблемы, целевой аудитории, сценария использования и предполагаемой ценности цифрового продукта для врача и пациента.

MONITORING · Дистанционный мониторинг и цифровая забота

Разработка инструмента для оптимизации работы врача в телемедицине

Проблема

Во время телемедицинской консультации врач сталкивается с высокой рутинной и административной нагрузкой, что сокращает время на анализ состояния пациента и принятие клинических решений.

Решение

Под руководством экспертов СберЗдоровья участник исследует особенности работы врача в одной из девяти медицинских областей — от терапии и педиатрии до кардиологии, неврологии и диетологии — и определит, какой цифровой инструмент или функциональная возможность могут сделать этот процесс эффективнее.

Результат

Проектное предложение с описанием профессиональной задачи, сценария работы врача, предполагаемого инструмента и его пользы для медицинской практики.

SMART-MED · Нейротехнологии и анализ биосигналов

Разработка идеи умного устройства для дистанционных консультаций

Проблема

При дистанционном обращении врач не всегда располагает объективными данными, необходимыми для оценки состояния пациента и принятия обоснованного решения.

Решение

Вместе с экспертами СберЗдоровья участник определит проблему в одной из медицинских областей — терапии, педиатрии, гинекологии, эндокринологии, дерматологии, кардиологии, неврологии, диетологии или другой специальности — и рассмотрит, какое умное устройство или диагностический комплекс может помочь получить необходимые данные на расстоянии.

Результат

Проектное предложение с описанием медицинской задачи, сценария дистанционной консультации, функций предполагаемого устройства и его пользы для врача и пациента.

CARE-PATH · Биомедицинские данные и медицинские знания

Разработка концепции дистанционного мониторинга пациента

Проблема

После консультации или выписки из медицинской организации состояние пациента часто остается без системного наблюдения, из-за чего изменения и возможные осложнения выявляются несвоевременно.

Решение

Под руководством экспертов СберЗдоровья участник исследует потребности пациентов и врачей в одной из девяти медицинских областей и определит, какие показатели, данные и сценарии взаимодействия необходимы для организации дистанционного мониторинга.

Результат

Проектное предложение с описанием наблюдаемого состояния, состава необходимых данных, сценария взаимодействия «пациент — врач» и предполагаемой модели дистанционного мониторинга.

HEALTH-APP · Медицинская визуализация и компьютерное зрение

Проектное предложение по ведению сложных пациентов с дистанционными технологиями

Проблема

Ведение пациентов со сложными, хроническими или сочетанными состояниями требует постоянного взаимодействия между пациентом и медицинской командой, однако этот процесс часто остается разрозненным и недостаточно системным.

Решение

Вместе с экспертами СберЗдоровья участник определит проблему ведения пациентов в одной из медицинских областей — терапии, педиатрии, гинекологии, эндокринологии, дерматологии, кардиологии, неврологии, диетологии или другой специальности — и подберет подходящие дистанционные технологии для ее решения.

Результат

Проектное предложение с описанием клинической ситуации, потребностей пациента и врача, модели дистанционного сопровождения и предполагаемой пользы цифрового решения.

Собери свой трек

Что тебе хочется создавать?

Выбрано 0 из 8

По твоим ответам ниже соберутся трек, проекты и профессииОтвечено: 0 из 3

Данные и модели

Устройства и среды

Пациент и сервисы

Какие задачи хочешь решать в проекте?

Выбери основное направление, в котором хочешь развиваться. Если пока не уверен — выбирай то, что хотелось бы попробовать.

По твоим ответам ниже соберутся трек, проекты и профессииОтвечено: 0 из 3

Уровень опыта

По твоим ответам ниже соберутся трек, проекты и профессииОтвечено: 0 из 3

ТРЕК 01

01. Инженерия цифровых продуктов и интеллектуальных систем

Инженер перед голографическими панелями с интерфейсами и графиками

О треке

В треке ты работаешь над реальным проектом в сфере digital health в команде до 15 человек. За каждым участником закрепляется своя роль и задачи в Kanban-доске, а опытный ментор из индустрии проводит еженедельные синки и помогает разбирать рабочие вопросы. Параллельно ты обучаешься выбранному направлению: backend, frontend, mobile-разработке, ML, AI, аналитике данных, DevOps, VR. Учебные материалы и практические задания подобраны под роль участника и сразу применяются к задачам проекта.

Для кого подойдёт

  • Разработчикам и аналитикам, которые хотят применить свои навыки в реальном проекте и перейти в сферу digital health.
  • Медикам, которым интересны программирование, ML, DevOps и инженерная разработка.
  • Тем, кто хочет работать на стыке медицины, технологий и искусственного интеллекта.

Навыки, которые получит студент

  • Работать с задачами в Kanban
  • Анализировать данные и строить ML-модели
  • Создавать веб и мобильные приложения
  • Проектировать базы данных и API
  • Настраивать CI/CD и деплой
  • Тестировать цифровые сервисы

{ participant.pipeline }

Как проходит участие

Восемь шагов от первой заявки до защиты: прозрачный маршрут, где каждый этап — новая версия проекта.

participant.pipeline  /  8 stages  /  status: readyLIVE

  1. /applyПодача заявкиРассказываешь о себе, интересах и опыте.INPUT
  2. /selectОтбор участниковСверяем мотивацию и готовность к проектной работе.FILTER
  3. /team-upФормирование командСобираем междисциплинарный состав и распределяем роли.ASSEMBLE
  4. /choose-projectВыбор проектаФиксируем задачу, контекст и ожидаемый результат.SCOPE
  5. /mentor.syncРабота с менторомПолучаем регулярную обратную связь и снимаем блокеры.ITERATE
  6. /learn.modulesРабота с учебными материаламиБерём точечные модули под задачу и роль в команде.UPSKILL
  7. /project.buildПрактика в реальном проектеРаботаешь над своей частью продукта, участвуешь в командных синках и получаешь опыт настоящей проектной разработки.WORK
  8. /demoЗащита проектаПоказываем результат экспертам и намечаем следующий релиз.OUTPUT

На выходе — проектный результат, который можно показать будущему работодателю

ТРЕК 02

02. Специалист по ИИ и анализу данных в медицине

Цифровая модель головы и мозга среди медицинских снимков и графиков

О треке

Трек реализуется совместно со СберЗдоровьем. В команде до 15 человек ты выбираешь медицинскую специальность и проектный кластер, исследуешь выбранный контекст, находишь проблему и сам формулируешь идею цифрового решения. Ментор помогает проверить гипотезу, развить её и подготовить результат к защите. Параллельно ты проходишь обучение по цифровой медицине, телемедицине, медицинским данным, AI, умным устройствам, клиническому мышлению онлайн, коммуникации с цифровым пациентом, этике и регулированию. Полученные знания сразу применяются в работе над собственным проектом.

Для кого подойдёт

  • Студентам-медикам, ординаторам и аспирантам, которые хотят применять AI и цифровые технологии в своей специальности.
  • Тем, кто хочет превратить медицинскую идею или проблему в цифровое решение.
  • Тем, кому интересны телемедицина, медицинские данные и новые способы помощи пациентам.

Навыки, которые получит студент

  • Проектировать путь пациента
  • Оптимизация врачебных процессов
  • Формулировать продуктовые гипотезы
  • Применять AI к медицинским задачам
  • Презентовать проектное решение

{ participant.pipeline }

Как проходит участие

Восемь шагов от первой заявки до защиты: прозрачный маршрут, где каждый этап — новая версия проекта.

participant.pipeline  /  8 stages  /  status: readyLIVE

  1. /applyПодача заявкиРассказываешь о себе, интересах и опыте.INPUT
  2. /selectОтбор участниковСверяем мотивацию и готовность к проектной работе.FILTER
  3. /team-upВыбор направленияВыбираем индивидуальный медицинский трекASSEMBLE
  4. /choose-projectВыбор IT-кластера навыкаВыбираем индивидуальный технический стекSCOPE
  5. /choose-projectВыбор проектаФиксируем задачу, контекст и ожидаемый результат.SCOPE
  6. /mentor.syncРабота с менторомПолучаем регулярную обратную связь и снимаем блокеры.ITERATE
  7. /learn.modulesРабота с учебными материаламиБерём точечные модули под задачу и роль в команде.UPSKILL
  8. /demoЗащита проектаПоказываем результат экспертам и намечаем следующий релиз.OUTPUT

На выходе — возможность попасть в кадровый резерв СбераЗдоровья.

Последний шаг

Форма подачи заявки

Вуза нет в списке — впишите название целиком, заявка всё равно дойдёт.

Код и название по ОКСО. Начните вводить цифры кода или название направления.

персональных данных

Мы проверим её на соответствие требованиям программы и направим результат на электронную почту, указанную в заявке.

ПОСЛЕДНИЙ ШАГ

Заявка с индивидуальным планом

Укажите контакты и выберите трек — ответы из конструктора подставятся сюда автоматически.

Мы свяжемся с вами

персональных данных