2. • Глобальная экосистема
аналитик - Data Broker
медицинских персональных
данных с применением AI,
Blockchain Ethereum, Ethereum
swarm.
• Персональная экосистема для
диагностики организма
человека в реальном времени и
выявления причин заболевания.
Партнеры
Партнеры
3. «Здоровье является состоянием полного
физического, душевного и социального
благополучия, а не только отсутствием
болезней и физических дефектов» Устав
ВОЗ
Платформа Hi:Health также добавляет к
этому списку и материальное
благополучие, позволяя людям
зарабатывать на мониторинге состояния
своего здоровья.*
*Health mining- обмен данных на токены, предоставляя возможность обучать AI,
выявлять закономерности и знания причин (источников) заболевания.
Партнеры
Партнеры
5. Вступление
Здоровье – один из основных факторов, влияющих на
качество жизни человека и на его экономическую
активность. Однако в последние годы ситуация в мире
ухудшается по многим заболеваниям, в том числе по
диабету, сердечно-сосудистым болезням и многим
другим. Об этом свидетельствуют отчеты Всемирной
организации здравоохранения (ВОЗ).
Эксперты говорят о множестве факторов, негативно
влияющих на состояние здоровья жителей нашей
планеты: это и ухудшение экологии, и увеличение
уровня стресса, и ухудшение качества питания из-за
использования в продуктах большого количества
сахара, гормонов и химических компонентов.
Профилактика и предотвращение заболеваний –
гораздо более дешевый и эффективный способ
поддержания хорошего состояния здоровья и
увеличения продолжительности жизни, нежели лечение
болезней. Однако далеко не всегда болезнь можно
спрогнозировать даже при регулярном проведении
медицинских обследований, и большинство людей
узнает о наступлении заболевания постфактум.
Отсутствие достоверных прогнозов усложняет и
удорожает лечение, а зачастую делает полное
излечение невозможным. В результате люди тратят
огромное количество денег на лекарства не ради
выздоровления, а ради поддержания жизни.
Коренным образом изменить ситуацию в этой сфере
способно синкретическое сочетание медицины и
искусственного интеллекта. Современные
самообучающийся системы могут с высокой степенью
точности проводить комплексную диагностику
организма в режиме реального времени, выявлять
неизвестные ранее закономерности между
показателями деятельности организма и риском
заболеваний, предупреждать о возможности
обострения хронических болезней. Использование
искусственного интеллекта позволит людям
стратегически управлять своим здоровьем:
достоверное знание о рисках поможет своевременно
принимать необходимые меры по профилактике
заболеваний. Именно это является основной задачей
проекта Hi Health.
Партнеры
Партнеры
6. Более эффективная сфера
здравоохранения
По оценкам, от 3 до 5 миллиардов физических лиц в развивающихся
странах, не имеющие время на здоровье, начинают пользоваться
медицинскими услугами онлайн, технология электронного здравоохранения
становится все более важной, чем когда-либо. Провайдеры, средства и
организации должны будут поддерживать потребность этих новых
потребителей и сосредоточиться на снижении затрат и повышение
эффективности.
Такая важная часть экономики, как отрасль здравоохранения, до сих пор
работает на неэффективной, устаревшей инфраструктуре. Основными
проблемными моментами являются поиски путей для сохранения
конфиденциальных сведений о пациенте и оптимизация системы.
К счастью, мы можем применять инновационные алгоритмы машинного
обучения (которые работают без людей) для обработки больших массивов
медицинских данных без нарушения договора о конфиденциальности. Кроме
того, мы можем использовать эти модели, чтобы лучше анализировать и
понимать диагнозы, факторы риска и коэффициенты причинно-следственных
связей.
Партнеры
Партнеры
7. Проблематика в области медициныПартнеры
Партнеры
Только в США и ЕС по причине неправильно поставленных диагнозов умирают сотни тысяч
пациентов каждый год. Экономические затраты, связанные с осложнениями, возникшими при
неправильном назначении лекарств, составляют более 100 млрд.$ в год.
Основные причины неправильных диагнозов:
• Врачи специализируются на отдельных органах или системах организма, и часто не видят
картину в целом.
• Отсутствие опыта и проблемы в знаниях врачей часто приводят к тому, что врач не
способен диагностировать редкие заболевания;
• Недостаточное количество времени врача на анализ анамнеза по причинам высокой
загрузки врача приемами и большого количества затрат времени на документирование;
• Сложность определения заболевания по рентгеновским, КТ, МРТ, гистологическим
исследованиям при нестандартном течении заболевания, а также высокая зависимость от
субъективного опыта специалиста.
Искусственный интеллект на основе нейронных сетей позволит кардинально изменить
ситуацию в области медицинской диагностики.
8. Нехватка квалифицированного медицинского
персонала в регионах мираПартнеры
Партнеры
Потребность в медицинской помощи в мире постоянно возрастает из-за ухудшения
состояния окружающей среды, использования химических веществ и гормонов для
производства продуктов питания, а также в результате воздействия многих других
факторов. Население планеты увеличивается, и все больше и больше людей
нуждается в оказании медицинской помощи. Уже сегодня во многих регионах мира
остро ощущается нехватка квалифицированных медицинских кадров. Если в
постсоветских странах перегруженность медучреждений рассматривается как
серьезная проблема, то во многих странах Азии, в том числе Японии, Китае и
Индии, ситуация является катастрофической - на одного врача там приходится
более 1000 пациентов. С учетом современных тенденций, среди которых
увеличение численности населения и роста заболеваемости, нехватка
медицинского персонала в среднесрочной и долгосрочной перспективе будет
возрастать.
В связи с этим в наиболее сложной ситуации оказываются самые многочисленные
и уязвимые группы потребителей медицинской помощи. Это люди старшего
возраста, а также люди, страдающие тяжелыми и хроническими заболеваниями,
нарушениями опорно-двигательного аппарата. Им физически сложно посещать
медучреждения для проведения регулярных обследований и выстаивать очереди в
ожидании диагностики. Переполненность медучреждений также обостряет риск
распространения вирусных и инфекционных заболеваний, особенно в периоды
эпидемий.
Немаловажным является и тот факт, что перегруженность медицинского
персонала увеличивает риск ошибки в постановке диагноза и назначении лечения:
это может привести к тяжелым, а иногда и фатальным для пациента последствиям.
сердца и артериальная гипертония с ее осложнениями — инфарктами миокарда и
инсультами.
9. Рост заболеваемости бронхиальной астмойПартнеры
Партнеры
Рост заболеваемости бронхиальной астмой
В настоящее время от астмы, согласно данным ВОЗ, в
мире страдает около 235 миллионов человек. Это самая
распространенная хроническая болезнь среди детей. В
2015 году астма стала причиной смерти 383 тысяч
человек. Причины возникновения данного заболевания до
конца не изучены, однако значительное количество
медиков связывают бронхиальную астму с аллергической
реакцией организма на ухудшение окружающей среды.
Это позволяет предположить, что в случае сохранения
нынешней экологической ситуации количество людей,
страдающих этим заболеванием, будет увеличиваться.
В большинстве случаев астма является неизлечимым
заболеванием, однако при грамотно оказанной
медицинской помощи и приеме правильно подобранных
препаратов ее можно контролировать и обеспечивать
хорошее качество жизни. В современном мире одной из
причин недостаточного лечения бронхиальной астмы
является плохая выявляемость заболевания по причине
низкого уровня доступности медицинской помощи.
10. Рост смертности в результате сердечно-
сосудистых заболеванийПартнеры
Партнеры
Ежегодно от сердечно-сосудистых заболеваний (ССЗ) в мире
умирают около 17,5 млн. человек, из них 7.4 млн человек умерли от
ишемической болезни сердца.
В США на нужды медицины расходуется 18% ВВП. По мнению
американских коллег, при сохранении таких темпов развития уже в
ближайшем будущем необходимо будет тратить на кардио хирургию
более 40% ВВП США. В целом, будущее кардиологии - это
профилактика заболеваний и их осложнений. Поэтому профилактика
сердечно-сосудистых заболеваний - одна из важнейших и
экономически не затратных методов сохранения здоровья населения.
По статистике болезни сердца лидируют среди всех прочих болезней
как причина летальных исходов. Именно поэтому заболевания сердца
находятся в зоне особого внимания, и важно, чтобы с особым
вниманием к этой проблеме относились не только медики и ученые,
но и само население. Из 100 тысяч человек только от инфаркта
миокарда ежегодно умирают 330 мужчин и 154 женщины, а от
инсультов - 204 мужчины и 151 женщина. Среди общей смертности в
России сердечно-сосудистые заболевания составляют 57 %. В год от
сердечно-сосудистых заболеваний в России умирают 1 млн 300 тысяч
человек – население крупного областного центра. Львиная доля
здесь принадлежит ишемической болезни сердца и артериальной
гипертонии с ее осложнениями — инфарктами миокарда и
инсультами.
11. Что такое Hi:Health
HI:Health – глобальная медицинская экосистема на базе
искусственного интеллекта для комплексной
персонализированной диагностики организма в режиме
реального времени.
Используя данные медицинских обследований большого числа
пациентов, а также показатели гаджетов по контролю
состояния здоровья, мы обучаем искусственный интеллект
проводить раннюю диагностику различных заболеваний и
выявлять не обнаруженные ранее причинно-следственные
связи между функционированием систем и органов организма
и возникновением заболеваний. AI сможет анализировать
минимальные, незаметные человеческому глазу, отклонения
показателей от нормы, а также получать более точные
результаты обследований (например, ЭКГ) в результате их
очистки от создаваемых приборами шумов. Также при помощи
AI можно будет в режиме реального времени отслеживать
эффективность лечения и корректировать назначения врача.
В первую очередь, HI:Health будет работать с ранней
диагностикой тех заболеваний, рост числа которых во всем
мире беспокоит ВОЗ и другие международные организации,
специализирующиеся на вопросах здравоохранения. Речь идет
о сердечно-сосудистых заболеваниях (в том числе
ишемической болезни сердца и гипертонии, которые являются
частыми причинами инфарктов и инсультов), астме. Для
создания полной диагностической картины мы будем
использовать гаджеты и мобильные приложения, для
проведения обследования, аналогичного ЭКГ, в режиме
реального времени.
Помимо этого, мы проводим сбор данных по анализам ДНК.
Это позволит проводить раннюю диагностику потенциальных
родителей, в том числе на предмет их совместимости, более
осознанно подходить к планированию беременности,
распознавать возможности проявления генетических и
наследственных заболеваний не во время внутриутробной
диагностики, а на этапе подготовки к зачатию.
Для верификации пользователей, обеспечения врачебной
тайны, безопасного хранения данных, передачи информации
между врачом и пациентом, а также для тестирования
подлинности диагностических гаджетов будет использован
Blockchain - Ethereum и децентрализованный файлообменник
Ethereum swarm
HIH токен – это Ethereum-токен, может быть принят в качестве
платежного средства при оплате медицинских услуг,
медицинского оборудования (гаджетов), подключенные к
HI:Health экосистеме. А так же заработать токены на своем
ЛИЧНОМ здоровьем. Все пользователи, входящие в HI:Health
экосистему, обязуются принимать HIH токен при расчете за
любые медицинские услуги, оказываемые врачами, при
покупке медицинского оборудования (гаджетов), на момент
обращения пациента.
Партнеры
Партнеры
12. Открывающиеся возможности нашей
платформой в области здравоохранения
• Заработок на продаже личных медицинских данных для
физических лиц
• Определение вероятности заболеваний без посещения врача
• Контроль здоровья пациентов в реальном времени
• Расшифровка ДНК на выявления предрасположенностей к
заболевания, для выбора наиболее подходящей диеты,
метода поддерживания себя в форме и т.д
• Повышение рентабельности для фармацевтических,
страховых, медицинских и других компаний. Анализ баз
данных компаний, экосистемой Hi:Health
Партнеры
Партнеры
13. Партнеры
Партнеры
Общая схема проекта и взаимодействие
компонентов
BLOCKCHAIN
DFS
ORACLIZE
M
CPI
AI
INTERNAL
SYSTEMS
Архитектура и взаимодействия
компонентов экосистемы
Из анализа исходных условий вытекает необходимость использования
следующих функциональных компонентов:
• BLOCKCHAIN — как доверенный реестр операций по сделке и среда
исполнения смарт-контрактов, обеспечивающих сделку
• ДЕЦЕНТРАЛИЗОВАННОЕ ФАЙЛОВОЕ ХРАНИЛИЩЕ (DFS) — как среда
хранения и обмена файлами, связанными со сделкой
• СЕРТИФИЦИРОВАННЫЕ (MCPI) — как средство обеспечения
дополнительного шифрования, юридически значимых электронных подписей
и защищенных временных меток. Кроме того, оно может быть использовано
для организации дополнительного виртуального слоя распределения
доступа к файлам, если DFS не поддерживает механизмов
многопользовательского доступа.
• ORACLIZE — для доступа к учетным системам клиник, страховых компаний,
аптек, фармацевтических компаний и источникам событий внешнего мира
(реестры и прочее)
• AI АНАЛИЗАТОР — для AI анализа представляемых сторонами данных
(документов) для подтверждения условий исполнения сделки.
Учитывая, что основные расчеты и AI анализ документов в реалиях сегодняшнего
дня выполняются вне смарт-контрактов, непосредственно в смарт-контракты
передаются только данные, которые те в состоянии обработать. Остальная
информация (обосновывающие и распорядительные документы) прикрепляется в
виде обычных (для ручной обработки) или формализованных (для
автоматической обработки) документов, подписанных усиленной
квалифицированной ЭЦП для обеспечения юридической значимости.
14. Партнеры
Партнеры
Общая схема проекта и взаимодействие
компонентов
При этом на внутреннюю логику смарт-контракта могут быть возложены следующие задачи:
• Обеспечение следования матрице статусов с учетом текущего статуса и инициатора
переключающей транзакции
• Контроль даты для ограничения периода, в рамках которого могут быть представлены документы
• Обработка наступления опорных событий, приходящих от Провайдеров внешних запросов
С каждым из пользователей платформы связываестся следующая регистрационная
информация:
• Уникальный идентификатор в системе
• Ethereum-адрес, с которого пользователь направляет транзакции
• Адрес смарт-контракта, используемого для ведения реестра принадлежащих или направленных
пользователю сделок (далее именуется Почтовый ящик
• Идентификатор сертификата усиленной квалифицированной ЭЦП и ее открытый ключ
16. ПартнерыПрактическая реализация
Партнеры
Software
Hi:Health Patient; Hi:Health Doctor; Hi:Health Business
Ethereum
swarm
Files
Encrypting
and signing
files
Ethereum
Smart-Contract
AI analysis of
documents
External
Request
Queue
Library of
medical
epicrisis
External
request
provider
ORACLIZE
Transactions
management SC
Creature SC
Files
Hash
Files
Encrypted and signed
files
Links to files
Transactions of SC management
by analysis results AI
Document request
WWW
Order AI analysis of
documents
Order monitoring
of external events
Transactions of SC
management by events
17. Партнеры
Партнеры
Практическая реализация
В процессе подготовки и исполнения сделки компоненты
платформы взаимодействуют следующим образом:
• Клиентское ПО (Hi:Health-пациент, Hi:Health-доктор, Hi:Health-
бизнес). Используется для ввода исходной информации по
сделке, создания необходимых смарт-контрактов и управления
состоянием смарт-контрактов на ручных этапах бизнес-
процесса. Следует отметить, что под ручными этапами бизнес-
процесса могут подразумеваться как те этапы, на которых
требуется реальные «личные» действия пользователя —
например, прикрепление к смарт-контракту документов, так и
вообще любые этапы, на которых изменение статуса смарт-
контракта производится без использования его внутренней
логики — за пределами Blockchain. К последнему случаю можно
отнести проверку прилагаемых к смарт-контракту документов
по учетным системам клиник, которая может происходить
автоматически, но снаружи Blockchain.
• Прикрепляемые к смарт-контракту файлы подписываются
усиленной квалифицированной EDS (electronic digital
signature)создателя для его (создателя) однозначной
юридически значимой идентификации. Далее файлы
шифруются с формированием крипто-пакета, доступного к
расшифровыванию только участниками сделки. Полученный в
итоге крипто-пакет помещается в DFS (Distributed File System),
при этом на контексте смарт-контракта сохраняется хэш
исходного файла, а также адрес (ссылка, манифест) объекта
хранения, отданный DFS (Distributed File System). Адрес объекта
хранения позволяет извлечь крипто-пакет из DFS (Distributed
File System), расшифровать его (участникам сделки) и
обработать надлежащим образом.
• При обработке транзакций смарт-контракт может пользоваться
информацией Broadcast oraclize, например, считывать
информацию с гаджетов, контролировать дату получения
транзакции по календарю, использовать курсы валют,
геолокацию, температуру окружающей среды и т.д.
• При переходе в определенный статус смарт-контракт может
направить на исполнение Провайдеру внешних запросов
определенный запрос на ожидаемое внешнее событие или
распоряжение на исполнение внешнего действия. При
наступлении «заказанных» смарт-контрактом внешних событий
Провайдер направляет на него транзакцию с информацией о
событии. По результатам обработки данной транзакции смарт-
контракт может переключится в новое состояние или остаться
в прежнем в ожидании наступления последующих событий.
• Аналогично внешним запросам, при прикреплении к смарт-
контракту определенных формализованных документов смарт-
контракт может направить их на анализ в Hi:Health AI с
последующим ожиданием транзакции с результатами анализа.
18. BLOCKCHAIN
• Блокчейн позволяет в обезличенном виде хранить и
передавать данные между несколькими
контрагентами и открывать временный доступ
верифицированным пользователям.
• Ethereum swarm позволяет хранить данные
защищено на носителях в распределенной сети
• База данных неизменны, транзакции прозрачны и
стабильны.
• Использование смарт-контрактов автоматизирует
работу и снимает издержки на функционирование
экосистемы
Партнеры
19. Токен HiH
Для продолжения разработки платформы, машинного
обучения нейросеть и выхода компании на самоокупаемость
команде потребуется дополнительное финансирование.
Необходимые средства планируется собрать при помощи
IСO. В ходе IСO HIHealth выпустит 1 000 000 000 HI
токенов, большая часть которых будет размещена на
продажу.
Токены HIH разработаны на Blockchain Ethereum и в
будущем будут необходимы для полноценного
использования платформы пользователями. В то время как
использование базовых функций сервисов, основанных на
платформе HIHealth, будет бесплатным, часть функционала
будет предоставляться на платной основе (в том числе и в
виде комиссий различных платежей), и в качестве оплаты
для расчетов с сервисами HiHealth будут приниматься
только HIH токены.
Увеличение спроса на HIH токены со стороны будущих
клиентов самой платформы HIHealth и сервисов,
основанных на ней, а также ограниченность предложения
на рынке (всего будет выпущено 1 000 000 000 HI, без
возможности дополнительной эмиссии) будут по законам
экономики повышать цену HIH токенов. В связи с этим
стоимость платных возможностей платформы HIHealth и
сервисов, основанных на ней, фиксируется в фиатных
валютах, и будет автоматически конвертироваться в HIH
эквивалент в соответствии с биржевой ценой. Данный
подход позволит нашим клиентам не ощущать на себе рост
стоимости токена HI, и осуществлять справедливую бизнес-
политику нашей компании.
Помимо расчетов с платформой HiHealth и основанных на
нем сервисов, HIH токены также могут быть использованы
для внутренних взаиморасчетов между покупателями и
продавцами медицинских услуг, покупки медицинского
оборудования (гаджетов), наряду с ведущими мировыми
криптовалютами.
Партнеры
Партнеры
20. Экономика токена HiHПартнеры
Партнеры
Залогом будущего роста стоимости токенов HIH является ограниченность их предложения: мы одноразово выпускаем 1 000 000 000 HIH токенов и в
дальнейшем не планируем проводить дополнительную эмиссию. В то же время спрос на токены HIH будет постоянно расти, так как они являются
средством платежа внутри экосистемы. Таким образом, согласно основному закону спроса и предложения, стоимость токенов будет расти, так как
спрос на них будет увеличиваться, а предложение - оставаться неизменным.
При расчете равновесной цены HIH использовалась следующая формула:
где:
● user - количество пользователь на момент расчета;
● check - средний ежемесячный чек одной пользователя при использовании возможностей платформы HiHealth и сервисов;
● tokens - сколько всего выпущено токенов (1 000 000 000 HIH);
● L - полный цикл оборота токенов в месяцах (берем равным 3 месяца);
● B - коэффициент предложения токенов на биржах (если за основу взять статистику торговли ETH, то равен 25%).
Таким образом, при планируемом количестве пользователей через 2 года в 1 000 000, а через 4 года в 5 000 000, при среднем ежемесячном чеке на
пользователя в 50 долларов, получаем равновесные цены за токены HIH в $0,2 через 2 года и $1 через 4 года.
Токены HIH будут размещены на популярных криптовалютных биржах в срок от одного месяца до трех месяцев после окончания ICO. Пользователи
платформы смогут купить токены HIH либо на наших партнерских биржах, либо непосредственно у HIHealth - для этого нужно будет составить запрос к
компании на покупку необходимого количества токенов. При получении запроса мы выкупаем указанное количество токенов HIH на криптовалютных
биржах и перепродаем их пользователю без комиссии, но уже в рамках платформы. В том случае, если на текущий момент на рынке нет достаточного
количество токенов HIH, мы даем пользователю возможность использовать платные функции платформы HiHealth и сервисов, которые разработаны
нами, за счет собственного резервного фонда, который первоначально будет состоять из HIH токенов, отходящих команде (15% - 150 000 000 HIH),
пока необходимое количество токенов не будет доступно для покупки на криптовалютных биржах.
Формула расчета равновесной цены:
(User*check*L)/(tokens*B) = Price
22. Трекер для сбора данных в реальном времени
• ЭКГ
• Сердечный ритм
• Уровень гемоглобина в
крови
• Температура тела
• Ритм дыхания
• Уровень физической
активности
• Уровень алкоголя в крови
Партнеры
Партнеры
24. Партнеры
Партнеры
Технология записи ЭКГ и
определения метаболизма
V1 V2 V3
V4
V5
V6
Lead 1
Lead 2
Lead 3
ECG from lead 1 Patented algorithms Level of metabolism
25. Возможности платформы для
человека
• Загрузка и анонимное хранение персональных медицинских данных
• Управление личными медицинскими данными
• Анонимная продажа своих данных за токены платформы
• Анализ данных при помощи AI для ранней диагностики болезней (онлайн)
• Телемедицина (видео, аудио консультации)
• База проверенных врачей со всего мира
• Запись на прохождения обследования
• Покупка и подключение проверенных устройств (гаджетов) для экспресс
диагностики организма
• Отслеживание тренировок с возможностью передавать данные личному
тренеру (онлайн)
• Поиск и покупка проверенных лекарственных средств
• Полный контроль плана лечения
Партнеры
Партнеры
27. Экосистема для доктора
• Онлайн консультации пациентов
• Обмен опытом с коллегами
• Совместное лечение пациентов
• Отслеживание правильности приема лекарств
пациентами
• Онлайн контроль процесса лечения пациентов
• При помощи AI нахождение более точного
источника заболевания
• Доступ к способностям нейросети на платной
основе
Партнеры
Партнеры
28. Экосистема для бизнеса
• Страховые компании получают более точный расчет вероятности возникновения
страхового случая. Увеличивают свою прибыль путем минимизации рисков выплаты
страховых вознаграждений. Продажа медицинской страховки через приложения
• Фармацевтические компании получают статистические отчеты по продажам лекарственных
средств, заболевания по регионам (городам) и результаты воздействия лекарственных
средств на человека. С целью персонализации лечения получают данные из база ДНК о
склонности к определенным заболеваниям по географическому проживанию человека.
• Клиники улучшают методику лечения и профилактики заболеваний человека.
• Исследовательские центры и разработчики могут использовать мощности Data Mining
(обнаружение званий в базах данных) с целью получения закономерностей. В текущих
условиях глобальной конкуренции именно найденые закономерности (знания) могут быть
источником дополнительного конкурентного преимущества.
Партнеры
29. Способности искусственного интеллекта при
помощи алгоритмов для анализа ИК излучения
• Алгоритмы искусственного интеллекта анализирует полученные данные,
основываясь на опыте тысяч врачей по всему миру и миллионов
исследований, определяя малейшую корреляцию изменения показателей
показателей гаджетов и анализов состояния человека.
• Выявляет источник заболевания
• Расшифровка ДНК на выявления предрасположенностей к заболевания,
для выбора наиболее подходящей диеты, метода поддерживания себя в
форме и т.д
• Искусственный интеллект выдает рекомендации по ведению образа
жизни исходя из вероятности возникновения заболевания.
• Создает индивидуальный план лечения и питания.
• Контролирует прием лекарственных препаратов
• Отслеживает процесс лечения
Партнеры
Партнеры
30. Что такое Data Mining
Data Mining - собирательное название, используемое для обозначения
совокупности методов обнаружения в данных ранее неизвестных, нетривиальных,
практически полезных и доступных интерпретации знаний, необходимых для
принятия решений в различных сферах человеческой деятельности.
Технологии Data Mining представляют собой мощный аппарат современной
бизнес-аналитики и исследования данных для обнаружения скрытых
закономерностей и построение предсказанных моделей. Data Mining или добыча
знаний основывается не на умозрительных рассуждениях, а на реальных данных.
Партнеры
Партнеры
31. Возможности Data Mining
В основе Data Mining лежат
эффективные методы и алгоритмы,
статистика, ИИ, распознавание
образов и т.д. Разработанные для
анализа неструктурированных данных
большого объема и размерности.
Ключевой момент состоит в том, что
данные большого объема и больший
размерности представляются
лишенными структуры и связей. Цель
технологии добычи данных - выявить
эти структуры и найти
закономерности там, где, на первый
взгляд царит хаос и произвол.
Партнеры
Партнеры
Машинное
обучение Алгоритмизация
Визуализация Статистика
ИИ
Другие
дисциплиныТеория БД
Распознавание
образов
Data
Mining
32. Задачи Data Mining
Классификация
Наиболее простая и распространенная задача DataMining. В результате решения
задачи классификации обнаруживаются признаки, которые характеризуют группы
объектов исследуемого набора данных - классы; по этим признакам новый объект
можно отнести к тому или иному классу.
Методы решения.
Для решения задачи классификации могут использоваться методы: ближайшего соседа
(NearestNeighbor); k-ближайшего соседа (k-NearestNeighbor); байесовские сети
(BayesianNetworks); индукция деревьев решений; нейронные сети (neuralnetworks).
Кластеризация
Кластеризация является логическим продолжением идеи классификации. Это задача
более сложная, особенность кластеризации заключается в том, что классы объектов
изначально не предопределены. Результатом кластеризации является разбиение
объектов на группы. Пример метода решения задачи кластеризации: обучение "без
учителя" особого вида нейронных сетей - самоорганизующихся карт Кохонена.
Партнеры
Партнеры
33. Задачи Data Mining
Ассоциация
В ходе решения задачи поиска ассоциативных правил отыскиваются закономерности между связанными
событиями в наборе данных. Отличие ассоциации от двух предыдущих задач DataMining: поиск закономерностей
осуществляется не на основе свойств анализируемого объекта, а между несколькими событиями, которые
происходят одновременно. Наиболее известный алгоритм решения задачи поиска ассоциативных правил -
алгоритм Apriori.
Последовательность или последовательная ассоциация (sequentialassociation)
Последовательность позволяет найти временные закономерности между транзакциями. Задача
последовательности подобна ассоциации, но ее целью является установление закономерностей не между
одновременно наступающими событиями, а между событиями, связанными во времени (т.е. происходящими с
некоторым определенным интервалом во времени). Другими словами, последовательность определяется
высокой вероятностью цепочки связанных во времени событий. Фактически, ассоциация является частным
случаем последовательности с временным лагом, равным нулю. Эту задачу DataMining также называют задачей
нахождения последовательных шаблонов (sequentialpattern). Правило последовательности: после события X
через определенное время произойдет событие Y. Пример. После покупки квартиры жильцы в 60% случаев в
течение двух недель приобретают холодильник, а в течение двух месяцев в 50% случаев приобретается
телевизор. Решение данной задачи широко применяется в маркетинге и менеджменте, например, при
управлении циклом работы с клиентом (CustomerLifecycleManagement).
Партнеры
Партнеры
34. Задачи Data Mining
Прогнозирование
В результате решения задачи прогнозирования на основе особенностей исторических данных
оцениваются пропущенные или же будущие значения целевых численных показателей. Для решения
таких задач широко применяются методы математической статистики, нейронные сети и др.
Определение отклонений или выбросов
анализ отклонений или выбросов Цель решения данной задачи - обнаружение и анализ данных,
наиболее отличающихся от общего множества данных, выявление так называемых нехарактерных
шаблонов.
Оценивание
Задача оценивания сводится к предсказанию непрерывных значений признака.
Анализ связей
Задача нахождения зависимостей в наборе данных.
Визуализация
В результате визуализации создается графический образ анализируемых данных. Для решения задачи
визуализации используются графические методы, показывающие наличие закономерностей в данных.
Пример методов визуализации - представление данных в 2-D и 3-D измерениях.
Партнеры
Партнеры
35. Сфера применения Data Mining
Сфера применения Data Mining ничем не ограничена — она везде, где имеются
какие-либо данные. Но в первую очередь методы Data Mining сегодня, мягко
говоря, заинтриговали коммерческие предприятия, развертывающие проекты на
основе информационных хранилищ данных . Опыт многих таких предприятий
показывает, что отдача от использования Data Mining может достигать 1000%.
Например, известны сообщения об экономическом эффекте, в 10–70 раз
превысившем первоначальные затраты от 350 до 750 тыс. дол. Известны
сведения о проекте в 20 млн. дол., который окупился всего за 4 месяца. Другой
пример — годовая экономия 700 тыс. дол. за счет внедрения Data Mining в сети
универсамов в Великобритании.
Data Mining представляют большую ценность для руководителей и аналитиков в
их повседневной деятельности. Деловые люди осознали, что с помощью
методов Data Mining они могут получить ощутимые преимущества в
конкурентной борьбе. Кратко охарактеризуем некоторые возможные бизнес-
приложения Data Mining.
Партнеры
Партнеры
36. Розничная торговля
Предприятия розничной торговли сегодня собирают подробную информацию о каждой отдельной
покупке, используя кредитные карточки с маркой магазина и компьютеризованные системы контроля.
Вот типичные задачи, которые можно решать с помощью Data Mining в сфере розничной торговли:
• анализ покупательской корзины (анализ сходства) предназначен для выявления товаров, которые
покупатели стремятся приобретать вместе. Знание покупательской корзины необходимо для
улучшения рекламы, выработки стратегии создания запасов товаров и способов их раскладки в
торговых залах.
• исследование временных шаблонов помогает торговым предприятиям принимать решения о
создании товарных запасов. Оно дает ответы на вопросы типа "Если сегодня покупатель
приобрел видеокамеру, то через какое время он вероятнее всего купит новые батарейки и
пленку?"
• создание прогнозирующих моделей дает возможность торговым предприятиям узнавать характер
потребностей различных категорий клиентов с определенным поведением, например,
покупающих товары известных дизайнеров или посещающих распродажи. Эти знания нужны для
разработки точно направленных, экономичных мероприятий по продвижению товаров.
Партнеры
Партнеры
Сфера применения Data Mining
37. Банковское дело
Достижения технологии Data Mining используются в банковском деле для
решения следующих распространенных задач:
•выявление мошенничества с кредитными карточками. Путем анализа
прошлых транзакций, которые впоследствии оказались мошенническими,
банк выявляет некоторые стереотипы такого мошенничества.
•сегментация клиентов. Разбивая клиентов на различные категории, банки
делают свою маркетинговую политику более целенаправленной и
результативной, предлагая различные виды услуг разным группам клиентов.
•прогнозирование изменений клиентуры. Data Mining помогает банкам
строить прогнозные модели ценности своих клиентов, и соответствующим
образом обслуживать каждую категорию.
Партнеры
Партнеры
Сфера применения Data Mining
38. Телекоммуникации
В области телекоммуникаций методы Data Mining помогают компаниям более
энергично продвигать свои программы маркетинга и ценообразования, чтобы
удерживать существующих клиентов и привлекать новых. Среди типичных
мероприятий отметим следующие:
• анализ записей о подробных характеристиках вызовов. Назначение такого
анализа — выявление категорий клиентов с похожими стереотипами
пользования их услугами и разработка привлекательных наборов цен и
услуг;
• выявление лояльности клиентов. Data Mining можно использовать для
определения характеристик клиентов, которые, один раз воспользовавшись
услугами данной компании, с большой долей вероятности останутся ей
верными. В итоге средства, выделяемые на маркетинг, можно тратить там,
где отдача больше всего.
Партнеры
Партнеры
Сфера применения Data Mining
39. Страховые компании в течение ряда лет накапливают большие объемы
данных. Здесь обширное поле деятельности для методов Data Mining:
• выявление мошенничества. Страховые компании могут снизить уровень
мошенничества, отыскивая определенные стереотипы в заявлениях о
выплате страхового возмещения, характеризующих взаимоотношения
между юристами, врачами и заявителями.
• анализ риска. Путем выявления сочетаний факторов, связанных с
оплаченными заявлениями, страховщики могут уменьшить свои потери
по обязательствам. Известен случай, когда в США крупная страховая
компания обнаружила, что суммы, выплаченные по заявлениям людей,
состоящих в браке, вдвое превышает суммы по заявлениям одиноких
людей. Компания отреагировала на это новое знание пересмотром своей
общей политики предоставления скидок семейным клиентам.
• Обзор рынка страхования, проблемы, решения на базе ИИ
• В 2016 году объём средств собранными страховыми компаниями всего
мира составил 4.3 трлн. США, увеличившись на 2,7 % по сравнению с
предшествующим годом.
• Мировой рынок страхования стоит на пороге глобальных изменений.
Искусственный Интеллект- обработка больших массивов данных
позволяет прогнозировать вещи, ранее казавшиеся чистой
случайностью.
• С помощью ИИ изменится суть страхования, вместо переплаты за
дорогостоящую медицинскую страховку которая защищает вас от
болезней и недугов, которых у вас никогда не будет, Нейросеть (ИИ) с
высокой точностью укажут вам на проблемные зоны вашего
организма ,которые находятся в зоне риска и нуждаются в страховании.
• Актуарии всегда работали с теорией вероятности, но ИИ дает нам новые
инструменты для прогнозирования с большей точностью.
Интеллектуальные системы позволяют автоматизировать поиск
закономерностей, основываясь на анализах и показаниях клиента,
выстраивать более сложные алгоритмы, которые позволят без ошибочно
прогнозировать проблемы и грядущие осложнения.
• Мы переходим от статистического подхода оценки вероятности к
прогнозированию в динамичной среде. Самообучающийся элемент
создает непрерывный цикл обратной связи и принятия решений.
• Наша платформа расширяет сферу компетенции страховых услуг: от
простого принятия риска до сферы оказания услуг по изменению образа
жизни и стратегическому управлению своим здоровьем. Страхование
всегда работало с негативными эмоциями – пора переходить к позитиву.
• ИИ совместно с Hi:Health платформой начинают работать на клиента
сразу после регистрации клиента в базе, а не по наступлению
критической ситуации, как это было принято страховыми компаниями.
Мы заинтересованы в предупреждении нашего клиента от страхового
случая.
• Если проводить аналогию с авто-страхованием, то, например, водитель
грузовика, который уснул за рулем, будет продолжать ехать, пока не
случится авария. С новыми возможностями грузовик выполнит
торможение, потому что у него есть технология предупреждения
столкновений.
Партнеры
Партнеры
Сфера применения Data Mining
40. Медицина
Известно много экспертных систем для постановки медицинских диагнозов. Они построены главным образом на основе правил, описывающих
сочетания различных симптомов различных заболеваний. С помощью таких правил узнают не только, чем болен пациент, но и как нужно его
лечить. Правила помогают выбирать средства медикаментозного воздействия, определять показания — противопоказания, ориентироваться в
лечебных процедурах, создавать условия наиболее эффективного лечения, предсказывать исходы назначенного курса лечения и т. п.
Технологии Data Mining позволяют обнаруживать в медицинских данных шаблоны, составляющие основу указанных правил.
Молекулярная генетика и генная инженерия
Пожалуй, наиболее остро и вместе с тем четко задача обнаружения закономерностей в экспериментальных данных стоит в молекулярной
генетике и генной инженерии. Здесь она формулируется как определение так называемых маркеров, под которыми понимают генетические
коды, контролирующие те или иные фенотипические признаки живого организма. Такие коды могут содержать сотни, тысячи и более связанных
элементов.
На развитие генетических исследований выделяются большие средства. В последнее время в данной области возник особый интерес к
применению методов Data Mining. Известно несколько крупных фирм, специализирующихся на применении этих методов для расшифровки
генома человека и растений.
Прикладная химия
Методы Data Mining находят широкое применение в прикладной химии. Здесь нередко возникает вопрос о выяснении особенностей
химического строения тех или иных соединений, определяющих их свойства. Особенно актуальна такая задача при анализе сложных
химических соединений, описание которых включает сотни и тысячи структурных элементов и их связей.
Можно привести еще много примеров различных областей знания, где методы Data Mining играют ведущую роль. Особенность этих областей
заключается в их сложной системной организации. Они относятся главным образом к над кибернетическому уровню организации систем ,
закономерности которого не могут быть достаточно точно описаны на языке статистических или иных аналитических математических моделей,
данные в указанных областях неоднородны, гетерогенны, не стационарны и часто отличаются высокой размерностью.
Партнеры
Партнеры
Сфера применения Data Mining
41. Прогназируюемый вклад проекта Hi:Health в
решение глобальных проблем в медицинеПартнеры
Партнеры
В рамках проекта Hi Health мы усовершенствуем
существующие сегодня в мире способы ранней диагностики
и будем отслеживать в режиме реального времени
эффективность применяемого лечения сердечно-
сосудистых заболеваний, бронхиальной астмы и других
болезней. Наша цель – обеспечить более высокое качество
жизни путем улучшения состояния здоровья людей и тем
самым способствовать увеличению продолжительности
жизни.
Реализация проекта позволит проводить значительное
количество обследований без посещения медицинских
учреждений благодаря использованию диагностических
гаджетов и мобильных приложений. Этим проект будет
способствовать решению проблем современного рынка
медицинских услуг: он позволит снизить нагрузку на
медучреждения, исключит риски, связанные с
человеческим фактором, и значительно облегчит жизнь
пациентов. Возможность потери данных медицинских
обследований и нарушения врачебной тайны будут сведены
к нулю благодаря использованию блокчейн-технологии.
В рамках проекта мы сможем в режиме реального времени
отслеживать состояние здоровья пациентов, страдающих
наиболее опасными и распространенными в мире
заболеваниями и входящими в группы риска по этим
заболеваниям. Это будет способствовать улучшению
качества их жизни путем своевременного предупреждения
о необходимости принять лекарство, увеличить или
уменьшить физическую нагрузку и т.д. Более того, ранняя
диагностика, которая будет проводиться Hi Health,
позволит применять профилактические меры и
возможность, избегать заболеваний.
42. Партнеры
Партнеры
ROADMAP
Июль - Сентябрь 2017
Изучение проблем в медицине и поиск решения по разработке
стратегической карты
Октябрь - Декабрь 2017
Написание Whitepaper, разработка смарт-контракта, создание
архитектуры и проработки прототипа платформы, подготовка
маркетинговой стратегии
Январь - Апрель 2018
Запуск Pre-ICO, предзаказ гаджета RocketBody, создание
юридической базы
Май - Август 2018
Запуск ICO, публикация Hi:Health v1.0 с функционалом для сбора
(покупки) данных пользователей, заключения партнерских
программ с клиниками и лабораториями СНГ
Август - Январь 2019
Покупка медицинских данных, обработка медицинских данных,
обучение искусственного интеллекта
Покупка медицинских данных, обработка медицинских данных,
обучение нейронов сети
Предсказание возможности инфаркта путем анализа множества
критериев (рост, возраст, показания ЭКГ/ЭХОКГ, показаний
анализов, наличие хронических заболеваний)
Диагностика распространенных нарушений и заболеваний на
основе биохимических анализов крови и симптомов пациентов
Февраль - Июль 2019
Выпуск версии Hi:Health v2.0 с персональным искусственно
интеллектуальным помощником, запуск дата брокера
Август 2019 - Медицинское
страхование
43. Капитализация компании
• Стоимость медицинских данных данных. База данных является активом компании
и постоянно пополняется.
• Обьем реализации проанализированной информации клиникам, страховым и
фармацевтическим компаниям постоянно увеличивается.
• Виражная капитализация (каждый пользователь оценивается в 10$, 1 миллион
пользователей равно 10 миллионов долларов капитализации компании).
• Мощности Data mining могут предоставляться для анализа сторонних баз данных
на наших алгоритмах. Экосистеме Hi:Health будут доступны результаты.
• Качество диагностики посредством использования AI так же является активом
компании.
Партнеры
Партнеры
