Личный опыт запуска ИИ-стартапов: от кредитного скоринга до медицинской диагностики

У финансовых и медицинских технологий больше общего, чем кажется на первый взгляд. Операционный директор Celsus Никита Николаев рассказывает о том, как он из финансового стартапа попал в компанию медицинского ИИ-сервиса, и что из этого вышло.

Так сложилось, что я и еще один учредитель компании Celsus были не понаслышке знакомы с рынком финансовых технологий. С 2016 года мы развиваем fintech-стартап Fscorelab, который занимается разработкой скоринговых моделей для кредитных учреждений, а также обогащает их данные за счет геоданных и других источников.

Fscorelab способен решать множество задач от распознавания клиентов организаций и контроля сотрудников, и до кредитного скоринга, прогнозирования затрат по категориям, расчета оптимальной суммы займа и прочих аспектов.

В медтех нас, как ни странно, привела случайная рабочая встреча, которую мы несколько лет назад проводили с Артемом Капнинским (в настоящий момент СЕО Цельса). Она никак не была связана с медициной, однако это не помешало в процессе «закрутиться» теме, касающейся искусственного интеллекта и его применения. В том числе мы обсуждали аспекты его работы в финансах и специфику computer vision. В это время как раз проводился конкурс по разработке наиболее эффективного решения для диагностики рака легких на Kaggle. Так, Артем предложил применить ИИ для создания решения, которое будет способно на ранней стадии распознавать рак груди.

Основной мотивацией было применить ИИ в действительно проблемной зоне, и, наверное, отчасти помочь спасению жизней. Мы пожали друг другу руки и договорились положить начало этой истории.Так появился Celsus – медицинский искусственный интеллект. На данный момент система умеет анализировать маммограммы, флюорограммы, КТ, гистологические исследования и определять наличие патологий.

Безусловно, разработка модели детекции и сегментации патологий на медицинских изображениях отличается от работы с огромным числом табличных данных в скоринге. Однако, каким бы парадоксальным вам это ни показалось, мы обнаружили множество схожих моментов в работе над этими проектами. Даже подходы к решению некоторых задач оказались весьма схожи. Рассмотрим некоторые из них:

Финтех: Идентификация клиента кредитного учреждения (биометрия по видеопотоку, распознавание документа удостоверяющего личность).

Медтех: Идентификация пациента, распознавание его документов.

Финтех: Распознавание речи сотрудников call-центра. Как правило, используется для улучшения качества скриптов и контроля следования им сотрудниками кредитной организации, выявление стоп-слов

Медтех: В первую очередь речь идет об обработке медицинского языка врача — для удобного заполнения рекомендаций, заключений и анамнеза

Финтех: Наличие сотрудника на рабочем месте, контроль выполнения работы и обслуживания клиентов розничной точки, управление очередью

Медтех: Наблюдение за пациентами (нужна помощь или нет), наличие сотрудника на посту, управление очередью

Финтех: Кредитный скоринг, прогнозирование затрат по категориям, расчет оптимальной суммы займа и др.

Медтех: Симптомчекеры (вывод наиболее вероятных заболеваний исходя из введенных пациентом симптомов), рекомендация оптимального лечения исходя из данных анализов и предыдущей истории болезни и назначений.

Аналогичная картина и с подходами к ценообразованию. Управляя такого вида стартапами, можно выбрать любую из трёх моделей монетизации: оплата за число обращений к ней за календарный период, абонентский платеж в месяц или же единовременный платеж за разработку — с развертыванием на мощностях клиента и с последующими платежами за обслуживание.

Конечно, не обходится без своих нюансов. Прежде всего стоит обратить внимание на гораздо более продолжительный цикл выхода медтех стартапа на самоокупаемость. Так, в медтехе от проверки гипотез до фактической оплаты может пройти год и более — в связи с тем, что медицина в РФ бюджетная, и есть определенная специфика бюджетирования. В финтехе же запуск пилотного проекта как правило, умещается в 3 месяца: от заключения NDA до боевой эксплуатации.

Еще один важный момент — в области медицинской диагностики крайне важен высокий уровень понимания данных и коммуникации с врачами для создания действительно эффективного решения. Да, в финтехе также необходим высокий уровень понимания специфики данных для процесса создания эффективных переменных. Однако если здесь в большинстве случаев все переговоры, вплоть до подписания контракта, можно провести дистанционно, в медтехе практически все переговоры проводятся в оффлайн-формате, здесь требуется множество личных встреч и переездов.

Глядя на такой уровень развития технологий и количество решений, начинаешь задаваться вопросами: почему будущее медицины, которое нам бесконечно рисуют, никак не наступит? Когда пациенты будут узнавать о необходимости попасть на прием, исходя из данных носимых датчиков, а смартфон сам будет учитывать данные и напоминать о необходимости диспансеризации? Будут ли данные из коммерческих и бюджетных больниц храниться в одном месте, а скорые помощи — выезжать только на «целевые» вызовы ввиду их автоматической идентификации? Сможем ли мы записываться на прием автоматически к нужному врачу, пройдя через симптомчекер на сайте поликлиники? Технически это возможно уже сейчас, но тому, почему немногое реально применяется и работает, есть здравое объяснение, об этом я расскажу в следующей статье.

#медтех #финтех #стартапы