1-st round case from ImprovY team.

1. Команда « »
Шакбасаров Ринат
Алексеев Михаил
Сопов Станислав
Фединчук Александра

2. В России низкий уровень развития здравоохранения
0
5
10
15
20
Россия Австрия Германия Израиль Сингапур
Смертность на 1000 человек
60
65
70
75
80
85
Япония Франция Германия Иран Россия
Средняя продолжительность
жизни
• Долгая обработка анализов и их результатов
• Низкая квалификация врачей
Проблема доступности
медицинской помощи
• В среднем, по статистике, люди проводят в очереди 50 минут
• Высокая стоимость обследования и лекарственных средств
Низкое качество
медицинских услуг
• Смертность в России на 98% выше, чем в Канаде
• Уровень смертности в России вдвое превышает средний по странам ОЭСР
• Огромное региональное неравенство доступности медицинских услуг
• Неспособность системы здравоохранения оказать своевременную и качественную помощь
Высокая смертность в
России
Неэффективное лечение при
устранимых болезнях
5000
6000
7000
8000
9000
10000
2004 2005 2006 2007 2008 2009
Число больничных учреждений
66
Причины
госпитализации в
России
Инфекционные болезни
Система кровообращения
Органы дыхания
Косномышечная ткань
Беременность

3. Недостатки существующей
регистратуры
Отсутствие картины по
фактическому пациентопотоку
Отсутствие картины конечного
фонда
Отсутствие наглядного
представления в рамках
целостного лечения
Задержки актуализации в
расписании лечебно-
профилактических учреждений
Среднее количество посещений
в ЛПУ – 5 раз в год
Сложность проведения программ
профилактики заболеваний из-за
ограниченных возможностей анализа
Специфика данных в медицине
Высокая скорость роста данных
Сложность структуры и
неоднородность данных
Постановка диагноза и выбор
лечения коррелирует с историей
болезни пациента
При поиске правильного решения
требуется мгновенный доступ к
данным и быстрый вариативный
анализ
Увеличение
информированности
пациентов об услугах
Сокращение времени поиска,
ожидания необходимого
документа при обращении в
то или иное учреждение
Оцифровка и структурированное хранение данных
позволит улучшить качество медицинских услуг
Единая электронная запись
пациентов
Управляемый пациентопоток
Снижение
административной
нагрузки
Уменьшение случаев
неправильного лечения
Преимущества оцифровки
0
500
1000
2013 2014 2015 2016
Рост данных
количество данных в Тб

4. SAP HANA станет основой внедрения информационных
технологий в медицину
Пациент Врач
Компьютер
Симптомы
Симптомы
Диагноз
Лечение
Доп. Обследование
Рекомендуемые
препараты
Конечный
диагноз
История
болезни
Противопоказания
Электронная
медицинская карта
Ведение единой электронной регистратуры.
Запись пациента на прием
Интеллектуальная система в
режиме реального времени
помогает врачу с постановкой
диагноза
Персонифицированный подход к
лечению с использованием
вариативного анализа
Амбулаторная служба сможет
получить мгновенный доступ к
истории болезни пациента в
любой точке мира
Полный анализ расписания работы
врачей и процедурных кабинетов
позволит автоматизировать
составление графиков лечения
пациента
SAP HANA – DATABASEВ случае природных катастроф быстрый
анализ койко-мест поможет оптимально
распределить пострадавших
CLOUD

5. SAP HANA Cloud Appliance
Производительность SAP HANA позволит использовать единое
облачное решение для всех лечебно-профилактических учреждений
SAP ERP
SAP HR
Другие
приложения
SAP
Фармацевтические
адаптеры
Системы в
амбулаторных
учреждениях
Системы в
стационарах
ИнтеграцияприложенийSAP
Процесс совместного лечения
Портал
пациента
Портал
здравоохранения
HL7адаптер
REAL-TIME
Replication
Services
SAP HANA DATA BASE
Врачи Пациенты Больницы Запись
SAP NW BW

6. Мгновенный доступ и быстрый вариативный анализ позволят
создать рекомендательную real-time систему для врачей
При приеме пациентов врачи смогут в
режиме реального времени
использовать рекомендательную
систему для уточнения диагноза и
выбора персонифицированного
лечения
150
часов
2,5 минуты
До SAP
HANA После
SAP HANA
Запрос по случаям
лечения диабета
540 млн. записей
Быстрее
в 3600
раз
Лечение рака
Задача
• Концепция по исследованию
оптимального лечения пациентов
Причины
• Более 500 000 показателей на пациента
• Анализ 300 млн. записей
Результаты
• Экономия времени
• Более релевантный отбор
Анализ генома
Ускорение в
408 000 раз
Результат анализа
ДНК в 216 раз
быстрее
Интеллектуальная система с использованием технологии SAP HANA
Data mining - классификация
Постановка
диагноза
Рекомендация
препаратов
Время лечения
Regression
Зависимость между
препаратом и
временем лечения
Time series
analysis
Позволяет
отслеживать
заболеваемость
пациентов
Visualization
Графическое
представление в
режиме real-time

7. WOW-effect
После внедрения
технологий можно
увеличить среднюю
продолжительность
жизни на 7 - 12 % в
ближайшие 10 лет
Развитие культуры
профилактики
здоровье через
своевременное
информирование
Возможность у
государства в
режиме реального
времени наблюдать
за общей картины
здоровья населения
Повышение
скорости и
качество
разработки
антивирусов
Повышение качество
оказания медицинских
услуг в регионах за счет
доступа врачей к
мощной
интеллектуальной
системе на базе SAP
HANA
Предотвращение
выписывания
несоответствующих
препаратов и
мошенничества
сотрудников

8. Сопов Станислав Игоревич
СПбГУ, ф-т Прикладной Математики – Процессов
Управления, спец.: Прикладная математика и
информатика – 4 курс
Призер и победитель олимпиад
по математике и физике
Фединчук Александра Андреевна
СПГГИ (ТУ), ф-т Экономический
спец.: бухгалтерский учет, анализ и аудит
4 курс
ООО «Caterpillar» - бухгалтер – 2012 – н. вр.
«Skymodels» - модель для показов – 2011 – 2012
«СПО» - менеджер по продажам – 2010 - 2011
Алексеев Михаил Александрович
СПбГУ, ф-т Прикладной Математики – Процессов
Управления, спец.: Информационные технологии
4 курс
Интернет-проект ImprovY, Winty
Стартап школа ГРАФЕН, SUMIT
Студент открытого университета Сколково
Шакбасаров Ринат Наилевич
СПбГУ, ф-т Прикладной Математики – Процессов
Управления, спец.:Информационные технологии, 4
Интернет-проект ImprovY, Winty
Стартап школа ГРАФЕН, SUMIT
Школа лидерства СПБГУ
Окончил ФЗФТШ при МФТИ
Freelance, создание сайтов
C#, С++, PHP, HTML-CSS, JavaScript(ajax, jquery),
SQL
Описание команды