Автоматизация расшифровки медицинских данных для HealthTech-проекта
Разработали алгоритм интерпретации медицинских анализов с интерфейсом персонализированной аналитики для пациентов.
Задача
К нам обратился клиент из сферы превентивной медицины с задачей создания нового цифрового продукта для B2C-рынка. Ключевой барьер для масштабирования его бизнеса заключался в ручной обработке и интерпретации медицинских анализов, которые поступали от клиентов в виде PDF-файлов и изображений. Этот процесс был медленным, дорогостоящим и создавал риск ошибок из-за человеческого фактора.
Задача проекта — автоматизировать приём и структурирование анализов, связать обработку файлов с личным кабинетом и показать пользователю динамику показателей.
Отрасль: Медицина
Решение
Разработали систему обработки анализов: Telegram-бот для загрузки файлов, бэкенд для распознавания и хранения данных и веб-интерфейс персональной аналитики.
Бэкенд и автоматизация процессов
Ядром системы стал интеллектуальный конвейер обработки данных, построенный на low-code платформе n8n. Мы спроектировали и внедрили следующий workflow:
- Получение данных: Система через API принимает файлы (PDF, JPG, PNG) из Telegram-бота.
- Интеллектуальное распознавание (OCR): Файлы направляются в OCR модель, которая с высокой точностью распознает и извлекает более 50 биомаркеров, а также метаданные (возраст, пол, дата).
- Структурирование и хранение: Извлеченная информация структурируется в формате JSON и в анонимном виде записывается в базу данных PostgreSQL.

Запустили бэкенд и Telegram-бота как единый маршрут загрузки и обработки файлов. Результаты передаются в пользовательский интерфейс без повторного ручного ввода.
Клиентское веб-приложение
Для конечных пользователей мы разработали аналитический дашборд на React. После обработки анализов клиент получает ссылку на защищенный личный кабинет, где ему доступны:
- Наглядная динамика показателей здоровья во времени.
- Автоматическая оценка рисков для ключевых систем организма.
- Расчет биологического возраста, основанный на комплексном анализе биомаркеров.
- Перечень персонализированных рекомендаций по улучшению показателей.

Технологии
GPT-4o · React · n8n · PostgreSQL
Результаты
- Создали цифровой продукт для работы с медицинскими анализами: от загрузки файла через Telegram до структурированных данных и личного кабинета пользователя.
- Автоматизировали обработку данных. Загрузка, распознавание и структурирование связаны в один процесс. Время обработки одного анализа сократилось с нескольких часов до 2–3 минут.
- Убрали повторный ввод показателей. Данные из файлов записываются в PostgreSQL и используются в аналитическом интерфейсе.
- Связали обработку и аналитику. Пользователь получает доступ к динамике показателей в личном кабинете, а команда — единую структуру данных для развития сервиса.
Начнём с вашей задачи.
Расскажите, что хотите изменить в работе компании. Обсудим, где помогут обучение, внедрение или диагностика.