TGViewer
Channel Public Channel
Биомедтех с Аллой Панченко | SechenovTech

Биомедтех с Аллой Панченко | SechenovTech

@sechtech

Техпред в биомедтехе: университеты, стартапы, венчур

Я — биомедтех‑энтузиаст, MPH, к.и.н, выпускница МШУ. Работаю с командами на стыке науки и рынка и осмысляю как меняется человек и институты, когда исследования становятся решениями для людей

@alloalla
Subscribers
4.4K
Photos
894
Videos
77
Links
847

Showing posts older than #1654 · Back to latest

Older Posts 15 shown
Post #1651 656
Как мы учились считать причиненное добро в IRR и портфелях LP

Апрель внезапно оказался месяцем, когда пришлось поменять статус с «дайте денег на стартап» на «дайте денег на фонд». Формулировка другая, базовый глагол тот же, уровень абстракции — заметно выше.

Учёба в Академии РВК оказалась хорошим стресс‑тестом для всех моих представлений о госвенчуре. До этого момента конструкция «государство как инвестор» в биомедтехе казалась чем‑то вроде большого, инерционного, но всё же грантодающего организма. В апреле пришлось признать факт: если говорить о ранних стадиях биомедтеха и мединженерии, то либо у нас появляется госвенчур в этом направлении, либо у нас не появляется почти ничего.

В привычных отраслях пустоту на pre‑seed и seed закрывают бизнес‑ангелы. В биомеде на ранних стадиях ангелы — это в основном либо редкие энтузиасты, либо те же самые институции, только в чуть менее формальной упаковке. Научно‑клинический риск скучный, долгий и плохо объяснимый, особенно если ты не проводишь вечера в клинике или лаборатории. Чем больше я смотрю на воронку биомедтех‑проектов, тем честнее выглядит вывод: первую милю здесь, скорее всего, придётся оплачивать окологосударственным деньгам. И вопрос уже не в том, будет ли государство «комитетом по распределению добра», а в том, как оно будет считать это добро языком портфелей, возвратов и стоимости риска, а не только в штуках выданных грантов.

С этой точки зрения Академия РВК полезно ломает удобную для фаундера картинку «стартап всегда прав, а инвесторы ничего не понимают». Когда управляющие показывают структуру портфеля, ограничения по мандату, требования LP, календарь собственного фандрайзинга и статистику выживаемости сделок, сложнее изображать удивление, почему чек не подписывается за две встречи и один питч. Оказывается, по ту сторону стола тоже есть риск‑менеджмент, а не только недостаток эмпатии к пациентам)))

Для меня лично это был довольно яркий сдвиг оптики. Я много лет приходила в эту индустрию с просьбой «вот конкретная технология, конкретная клиническая задача, дайте денег этому стартапу». Сейчас мне приходится учиться другой конструкции: «вот как выглядит эта воронка на уровне портфеля, вот как распределяется риск, вот откуда вообще может взяться IRR и почему здесь есть шанс на нормальный upside». То есть объяснять уже не только, почему конкретной команде нужны деньги, но и почему вся эта история в принципе имеет право нравиться потенциальным LP, которые тоже считают свои деньги.

При этом главный вывод про госвенчур за этот месяц у меня довольно простой и не особенно романтичный. Если мы в России действительно хотим, чтобы биомедтех ранних стадий выходил из лабораторий и клиник в реальный мир, нам нужен слой фондов, которые:
⏺ готовы заходить раньше, чем большинство частных игроков,
⏺ умеют работать не только с Excel‑моделью, но и с клинической и технологической неопределённостью,
⏺ измеряют успех не только объёмом освоенных средств, но и числом компаний, дошедших до следующего раунда и до реальной практики.

И да, скорее всего первые такие структуры будут так или иначе связаны с государством.

Апрель для меня стал хорошей тренировкой на эту тему: днём — биомедтех‑проекты, вечером — лекции про waterfalls, carry, follow‑on и то, как выглядит IRR, если несколько лет подряд инвестируешь в красивые, но не дожившие до клиники истории. В какой‑то момент стало понятно, что «медицинская технология» и «инвестпригодный актив» — это не просто разные слова, а два разных состояния одной и той же штуки. А путь между ними всегда будет проходить через разговор с тем самым госвенчуром, как с полноправным участником рынка, с которым нужно говорить на одном языке.

👻 Биомедтех в MAX
  • ❤ 9
  • 🔥 6
  • 👏 3
Post #1650 817
Баг или фича? Как ИИ-хирургия учится на пациентах

В феврале 2026-го Reuters опубликовал расследование: система ИИ-навигации TruDi (Acclarent/J&J) при операциях на носовых пазухах после добавления AI-модуля получила более 100 жалоб в FDA — от протечек спинномозговой жидкости через нос до перфорации основания черепа. Двое пациентов перенесли инсульты. До внедрения AI у той же системы было 7 жалоб за три года. После — 100 за четыре. Два иска в Техасе. Один из них утверждает буквально: «продукт был безопаснее до того, как в него добавили интеллект».

Нынешний владелец TruDi ответил в духе «корреляция не есть причинность».

Звучит очень по-пелевински: «одна смерть — не повод останавливать машину прогресса». К сожалению.
Вероятно, правда.

Но факт остаётся: мы живём в момент, когда AI в операционной — это уже не будущее. Это настоящее, в котором ещё не написаны правила игры. И именно поэтому сейчас так важно следить за тем, кто задаёт эти правила.

Что происходит на фронте ИИ-хирургии прямо сейчас — 5 трендов

Medtronic врывается в монополию Intuitive Surgical
В феврале 2026 Medtronic провёл первые операции с системой Hugo RAS в США — после того как в декабре 2025 получил FDA clearance в урологии. До этого Hugo работал в 35+ странах, но американский рынок — это другой разговор. Следующая цель — гинекология и общая хирургия. Впервые за многие годы у da Vinci появился крупный американский конкурент.

Стартапы занимают ниши, куда Intuitive не идёт
Два уровня компаний: одни целятся в альтернативу da Vinci в мягких тканях, другие уходят в хирургию позвоночника, микронейрохирургию, офтальмологию, сосудистую хирургию — туда, где большой робот просто не помещается. Логика правильная: не воевать с лидером на его поле, а создавать своё.

AI как «слой» поверх существующих роботов
Новый тренд — не строить целого нового робота, а делать vendor-neutral AI-модули, которые вешаются на уже стоящие системы: компьютерное зрение для наложения или оценке швов, автономная навигация при доступе, голосовое управление манипуляторами. Стартап SurgeOmniQ-X презентует AI-платформу именно для самого опасного момента лапароскопии — введения троакаров и пневмоперитонеума. 30-50% меньше осложнений, совместимость с любой установленной системой.

Телехирургия становится клинической реальностью
В марте 2026 хирург из Лондона удалил рак простаты пациенту в Гибралтаре — через систему Toumai на расстоянии 1500 миль. Первое рандомизированное исследование телехирургии (Китай, BMJ) показало: результаты не хуже локальной роботической операции на расстояниях от 1000 до 2800 км. Телехирургия больше не «концепт», это растущий рынок с понятной регуляторной рамкой.

Автономная хирургия: от симулятора к операционной
Команда Johns Hopkins обучила робота SRT-H на видео реальных операций — как ChatGPT обучается на текстах. Результат: автономное удаление желчного пузыря с точностью 100% на реалистичных манекенах, с адаптацией в реальном времени и реакцией на голосовые команды («захвати шейку», «сдвинь руку на сантиметр влево»). Пока — манекен. Но логика та же, что в self-driving: сначала полигон, потом дорога.

Что за этим стоит

Мы находимся в точке, когда AI в хирургии уже одобряется регулятором быстрее, чем появляются стандарты для обучения хирургов, мониторинга ошибок и аудита обновлений ПО. FDA одобрило более 1357 AI-устройств — вдвое больше, чем в 2022-м. Но история с TruDi показывает: без системного post-market surveillance AI-апдейты в медизделиях — это фактически клинические испытания на реальных пациентах без их ведома.

Для тех, кто строит AI-хирургические стартапы: самый важный актив сейчас — не алгоритм, а доказанная культура безопасности и прозрачная система отчётности. Те, кто выстроят это первыми, получат доверие больниц, страховщиков и регуляторов. А остальные будут фигурировать в следующем расследовании Reuters.

👻 Биомедтех в MAX
  • 🔥 3
  • ❤ 1
  • 👍 1
  • 😢 1
Post #1649 655
Perplexity Health и российский рынок: окно возможностей или упущенный шанс?

Глобальные инвестиционные тренды в healthcare AI понятны (см. предыдущий пост). Но как эта логика работает в условиях фрагментированной инфраструктуры и отсутствия развитой экосистемы медданных? Разбираем российскую специфику.

Специфика для России и развивающихся рынков

Здесь ситуация двоякая.

С одной стороны: отсутствие развитой инфраструктуры агрегации данных означает, что мы не можем повторить модель Perplexity быстро. У нас нет b.well с доступом к 1.7 млн медучреждений. ЕМК фрагментирована, интеграции слабые, FHIR не стандарт.

С другой стороны: это создает окно возможностей для построения такой инфраструктуры "с нуля" с учетом AI-first подхода. Вместо того чтобы строить классическую EHR, можно сразу строить AI-native health data platform.

Инвестиционно это означает:
⏺ Краткосрочно: инвестиции должны идти в health data infrastructure — платформы, которые решают вопросы интеграции медданных
⏺ Среднесрочно: появление локальных AI health agents, но они будут сильно зависеть от доступа к данным

Проблема в том, что пока российские системы здравоохранения бодаются за протоколы доступа к данным, технологические компании могут просто обойти их, собирая данные напрямую от пациентов (как Perplexity делает через Apple Health, Fitbit и т.д.).

Практические выводы для инвесторов и сочувствующих

На что обращать внимание:
Health data aggregation — есть ли доступ к разнородным источникам медданных?
Distribution vs. technology — компании с трафиком добавят health AI быстрее
Cash-pay readiness — монетизация напрямую от пациента
AI-native architecture — построено с ИИ с первого дня или пытается прикрутить ИИ сверху к legacy-продукту?
Regulatory moat — как строить compliant AI-системы

Заключение

Perplexity Health — это не просто продуктовый анонс. Это демонстрация того, что точка создания стоимости в digital health сместилась от владения инфраструктурой к качеству интерпретации данных и удобству интерфейса.

Краткосрочно это означает переоценку инфраструктурного слоя — агрегаторы данных станут горячими M&A-целями. Среднесрочно — формирование новой категории AI health navigation agents и давление на традиционные модели EMR/EHR.

Для инвесторов это сигнал пересмотреть тезисы: вертикальные consumer health apps теряют привлекательность, инфраструктурные платформы и AI-native решения — выигрывают.

А для российского рынка это еще один напоминание: пока мы обсуждаем, кто и как получит доступ к данным, рынок формируется без нашего участия.

👻 Биомедтех в MAX
  • 🔥 5
  • 👍 1
  • 👌 1
Post #1648 586
Perplexity Health как сигнал смены инвестиционного ландшафта

В продолжение нашего обсуждения в понедельник, есть еще одна мысль, которую хочется артикулировать. Появление Perplexity Health — это не просто запуск очередной функции в продукте. Это индикатор того, куда сместилась точка создания стоимости в цифровом здравоохранении. И если читать этот сигнал правильно, он многое говорит о том, куда пойдут деньги на краткосрочном и среднесрочном горизонте.

Что изменилось фундаментально

Классическая схема медицинского стартапа: строишь вертикальное решение, собираешь данные, выстраиваешь отношения с пациентами и провайдерами, монетизируешь.

Perplexity пошли другим путем: взяли готовый агрегатор данных (b.well, который только что закрыл $40M Series C и имеет доступ к 1.7 млн медучреждений США), добавили интеграции с носимыми устройствами и наложили ИИ-слой в продукт, где люди уже проводят время.

Стоимость создана не на уровне сбора данных, а на уровне интерпретации и интерфейса взаимодействия.

Что нас ждет: краткосрочно (6-18 месяцев) – переоценка инфраструктуры

Тезис 1: Взрывной рост инвестиций в агрегаторы медданных

b.well — партнер Perplexity — это FHIR-платформа, унифицирующая доступ к данным. Именно такие компании становятся критической инфраструктурой.

Ожидаю:
Рост инвестиций в health data aggregation platforms (Particle Health, 1upHealth)
Активные M&A — Epic, Oracle, Microsoft будут покупать агрегаторов
Рост оценок компаний с широким доступом к медданным

Цифры это подтверждают: в 2025 году $18 млрд венчурного капитала пошло в healthcare AI — 46% всех инвестиций в healthcare. Доля AI-enabled компаний выросла с 37% до 54%.

Тезис 2: Давление на вертикальные health-приложения

Если Perplexity может интегрировать те же данные и дать консолидированный опыт, зачем отдельное приложение для диабета или фитнеса?

Вертикальные решения должны быть либо исключительно глубокими клинически, либо B2B-ориентированными, либо частью экосистемы. Инвестиции в standalone consumer health apps будут под вопросом.

Что нас ждет: среднесрочно (18-36 месяцев) – бум AI-агентов навигации

Тезис 3: Рост категории AI health navigation agents

Perplexity Health — это персонализированный помощник в навигации по системе здравоохранения. Не диагностический инструмент, а помощник в навигации по системе здравоохранения с доступом к вашим данным.

На среднесрочном горизонте ожидаю формирование новой инвестиционной категории: AI health agents — системы, которые:
⏺ Агрегируют данные из множества источников
⏺ Дают персонализированные рекомендации (не диагнозы)
⏺ Помогают пациенту взаимодействовать с системой здравоохранения эффективнее
⏺ Монетизируются через подписки или cash-pay модель

По данным Bessemer Venture Partners (State of Health AI 2026), cash-pay consumers будут ускорять принятие клинического ИИ быстрее, чем коды возмещения. Критично: не нужно ждать страховщиков — пациент платит за удобство.

Тезис 4: Новая категория Health AI data infrastructure

BVP прогнозирует расцвет инфраструктурных компаний, которые обеспечивают качество медданных для обучения моделей, создают стандартизированные пайплайны, решают вопросы приватности.

Речь о компаниях, которые:
⏺ Обеспечивают качество и структурирование медицинских данных для обучения моделей
⏺ Создают standardized health data pipelines
⏺ Решают вопросы приватности и compliance на уровне инфраструктуры

Тезис 5: Давление на МИС-системы

Если агрегаторы + ИИ-интерфейсы дают лучший опыт, Epic и Cerner теряют монополию на точку контакта с пациентом. Ожидаю агрессивное развитие собственных AI-возможностей или M&A.
Отсутствие развитой инфраструктуры агрегации данных — барьер для быстрого повторения модели Perplexity. Но это создает окно для построения AI-native health data platform "с нуля".

Выводы

Perplexity Health показывает: точка создания стоимости сместилась от владения инфраструктурой к качеству интерпретации данных и удобству интерфейса.

Краткосрочно — переоценка агрегаторов данных. Среднесрочно — новая категория AI health agents и давление на EMR/EHR.

👻 Биомедтех в MAX
Bessemer Venture Partners State of Health AI 2026 Bessemer’s analysis explores how healthcare innovation is evolving beyond the hype, revealing the unique promise of Health Tech 2.0 through private market signals and the emerging power of the “Health AI X factor.”
  • 🔥 3
  • 👌 1
  • 💯 1
Post #1644 671
Снимок экрана 2026-04-28 в 15.36.23.png1.5 MB Снимок экрана 2026-04-28 в 15.34.24.png1.4 MB Снимок экрана 2026-04-28 в 15.28.05.png1.5 MB Снимок экрана 2026-04-28 в 15.27.13.png1.5 MB
Мягкая фиксация того, как сейчас в стране видят будущее ИИ, прозвучала сегодня в НЦ «Россия» в докладе Максима Орешкина.

Если отбросить общую повестку про мегатренды, то интересно посмотреть на несколько конкретных слайдов — они довольно честно показывают, куда всё едет в науке и медицине.

1. Консилиум ИИ‑агентов вместо врача‑одиночки

На слайде концепция цифрового консилиума ИИ‑агентов, натренированных на данных реальных врачей.

Смысл: ИИ не заменяет врача, а создаёт постоянный консилиум «в фоне», который снижает вероятность грубых ошибок и помогает переходить от угадывания к системному разбору случая.

2. График роста возможностей моделей

Другой слайд — длинный график с кривыми разных бенчмарков. На нём хорошо видно, как за несколько лет ИИ ушёл далеко от образа «умного автодополнения»:

⏺ оранжевая линия — MMLU (энциклопедические знания). Сейчас модели стабильно выходят на >90% правильных ответов — ни один отдельный человек такой объём знаний не «держит»;

⏺ другая кривая — тесты на научные рассуждения, и там заметен скачок в районе 2025–2026 годов: модели начинают не только вспоминать выученное, но и строить связные цепочки аргументов;

⏺ ещё одна линия — Humanity’s Last Exam, набор самых сложных междисциплинарных задач. По нему модели уже подходят к тому, что решают значимую долю задач, недоступных человеку сразу по всем областям.

Это аккуратная, но довольно жёсткая картинка: по ряду когнитивных задач модели уже стабильно выше среднего человека, и разрыв продолжает расти.

3. Стоимость применения ИИ

Ещё один слайд про самое приземлённое — деньги.

На графике — цена за миллион токенов для разных сильных моделей с конца 2024‑го до конца 2025‑го. Линия идёт почти отвесно вниз:
⏺ сначала — десятки долларов;
⏺ через год — копейки за тот же объём вычислений.

Переводя на бытовой: ИИ из дорогой игрушки превращается в обычную инфраструктуру. Его уже можно не только показывать на пилотах, а закладывать в рутину — в том числе в медицинские ИС, системы поддержки врачебных решений, исследовательские пайплайны.

4. ИИ как автор научной статьи

И, наконец, слайд, который хорошо иллюстрирует происходящее в науке.

На экране — разворот научной статьи и подпись, что AI Scientist‑v2 от Sakana AI сам провёл исследование и написал текст, который прошёл слепое рецензирование и был принят на конференцию уровня A*.
То есть рецензенты, не зная, что автор — ИИ, посчитали работу достаточно качественной для публикации.

Вывод из этого не про «заменит/не заменит», а про другое:

⏺ учёный или врач без ИИ‑инструментов очень быстро становится менее конкурентоспособным;

⏺ реальная игра дальше будет идти в формате «человек + ИИ», где человек задаёт вопросы, принимает решения и несёт ответственность, а машина берёт на себя рутину, поиск, аналитику и часть рассуждений.

Вот такая фиксация от зам. руководителя Администрации Президента РФ!

👻 Биомедтех в MAX
  • 🔥 12
  • 👍 3
  • ❤ 2
  • 👏 2
  • 💯 1
Post #1643 472
Дневник соблазнов как продукт: digital‑терапия по‑пелевински

Если перевести прошлый пост на язык CBT и нейронауки, здесь легко узнаются: управление триггерами и response prevention, mindfulness как наблюдение за потоком опыта, и изменение value function в терминах обучения с подкреплением.

То есть, оставаясь в буддийско‑иронической позиции, Пелевин довольно точно описывает поведенческую архитектуру соблазна: его сила не в содержании (что именно ты делаешь), а в зацикленном паттерне времени, внимания и вознаграждения.

Цифровой паттерн: дневник соблазнов как продукт

Из этого легко вытягивается цифровой паттерн — дневник борьбы с внутренними «алгоритмами»:

Что могло бы делать такое приложение/бот:

Фиксировать триггеры.
Мини‑лог: «когда/где/с кем/в каком состоянии» запускается сценарий (усталость, одиночество, скука, тревога).

Ловить коридор ожидания.
Не только «совершил/не совершил действие», а:
• сколько времени прошло между импульсом и решением,
• сколько раз за этот период ты возвращался к фантазии.

Переключать внимание на форму.
В момент триггера дневник задаёт 2–3 быстрых вопроса:
• что сейчас происходит с телом,
• какие первые оправдания пришли в голову,
• как меняется интенсивность желания по шкале 0–10.

Поддерживать альтернативный ритуал.
Пользователь заранее задаёт «анти‑сценарий» (движение, дыхание, звонок, смена контекста), а система в нужный момент предлагает именно его, а не просто «держись».

Работать с наградой.
Отмечать не только «я не сорвался», но и то, что человек получил взамен: ясность, спокойствие, чувство контроля.
То есть усиливать альтернативную value function, а не просто считать streak’и (сколько дней подряд ты делал привычку без пропусков).

Визуализировать паттерны.
Показать, что соблазн — не хаос, а довольно стабильный алгоритм, который можно картировать: привычные часы, ситуации, «любимые» оправдания.

В терминах нашей биомедтех‑оптики это уже почти заготовка цифровой терапии низкой интенсивности (low‑intensity digital CBT) для повседневных аддиктивных паттернов — от прокрастинации и думскроллинга до мягких поведенческих зависимостей.

И это хороший пример того, как художественный текст про Эпштейна и квантовые прыжки внезапно превращается в методичку по дизайну систем работы с вниманием и привычками.

Если смотреть на рынок, то трекеры привычек и mood‑journals уже давно живут в этом поле, но большинство продуктов фиксируют только верхушку айсберга — факт действия и streak’и.

Кстати, интересно, что одним из самых заметных «игроков» в популяризации самонаблюдения у нас является не коуч и не психолог, а Варвара Веденеева @varya_daily — создатель «Периодики» и одновременно апологет трекеров привычек и календарей всего на свете. Она последовательно нормализует идею, что свою жизнь можно рассматривать как набор наблюдаемых паттернов, а не как хаос.

На этом фоне идея дневника именно коридоров соблазна и триггеров выглядит естественным следующим шагом: не просто считать, сколько дней ты что‑то делал, а понимать, как именно твоё желание разворачивается во времени и где в этот алгоритм можно встроить интервенцию.

Сбор именно коридора ожидания, триггеров и телесных/когнитивных паттернов — до сих пор слабо покрытая ниша, особенно в формате научно вменяемой, но лёгкой digital‑терапии.

Гоу делать стартап для борьбы с зависимостями?))

👻 Биомедтех в MAX
  • ❤ 5
  • 🔥 5
  • 👍 1
Post #1642 470
За выходные прочитать не получилось, но за выходные +1 день - вполне.

ВНИМАНИЕ: дальше сплошные спойлеры!

Соблазн как алгоритм: Пелевин, CBT и архитектура привыче

У Пелевина вышло «Возвращение Синей Бороды» — роман про Эпштейна, элиты и квантовые прыжки в прошлое. На поверхности это очередная конспирология, но интереснее другое: как автор использует эту историю, чтобы показать власть и зависимость не как политологические термины, а как опыт, который проживается телами и нервными системами.

Власть как повторяющийся сценарий

В романе один и тот же паттерн власти проигрывается через столетия. Меняются интерфейсы — неизменной остаётся структура: доступ к чужим телам, лицензия на насилие и ощущение полной безнаказанности.

Финал аккуратно вписывается в старый пелевинский мотив: никакого «главного заговорщика» нет.
Есть повторяющаяся форма желания и эксплуатации, которая переживает любые идеологии: сегодня это Эпштейн и офшорные джеты, завтра — другой бренд, но тот же паттерн.

Тематически это близко к раннему Пелевину, где мир — симулякр, а власть — спектакль, но эмоционально уже чисто поздний тон: минимум надежды на индивидуальный прорыв, максимум понимания, что герой может сыграть только свою маленькую частную партию и не в силах переписать матрицу.

Никакой «хорошей развязки» не обещают: читателю последовательно демонтируют надежду, что можно один раз всё объяснить, наказать, исправить, — и подводят к выводу, что единственный реальный шаг наружу лежит не через историю и политику, а через внутренний отказ участвовать в игре власти и соблазна.

Почему это интересно техно/биомедтех‑людям

Биомедтеха в лоб в книге нет. Зато есть очень аккуратный разбор ментального здоровья вокруг соблазнов и зависимостей. И здесь роман неожиданно сближается с когнитивно‑поведенческой терапией и digital health.

У Пелевина соблазн и привычка не побеждаются героической силой воли «сверху».

Они разбираются как алгоритм: триггер → внутренний монолог → действие → вознаграждение.

Каждый прогон усиливает проложенный маршрут в психике.

Ключевые мысли:
Соблазн живёт во времени ожидания. Пока ты предвкушаешь, фантазия раздувает импульс до мифа, и «борьба лоб в лоб» почти обречена.
Устойчивая привычка — это оформленный сценарий, а не «твой характер».
Работать нужно не с самим желанием, а с коридором времени и вниманием вокруг него — с условиями, в которых оно разрастается.

Отсюда рождается почти технологический протокол:

Шаг 1. Увидеть соблазн как внешний сценарий, а не «подлинное я».
Желание подаётся как алгоритм, который хочет энергии внимания и эмоций.
Пока ты с ним отождествлён — ты внутри кода, а не снаружи.

Шаг 2. Сократить и «обрубить» коридор ожидания.
Чем меньше времени между триггером и решением, тем меньше шансов у желания стать мифом.
Быстрое «да/нет» или мгновенный выход из ситуации (смена контекста, действия, общения) работают лучше, чем долгие уговоры себя.

Шаг 3. Перенастроить внимание с содержания на форму.
Вместо бесконечной прокрутки награды (сигарета, мессенджер, еда…) смотрим на процесс разгона: мысли, телесные ощущения, оправдания.
Когда внимание смещается на динамику желания, сценарий теряет «магнитность» — ты становишься исследователем, а не актёром.

Шаг 4. Не бороться в лоб, а перестать подкармливать.
Каждый вход в старый сценарий — новое подкрепление.
Стратегия — не разовый подвиг, а снижение числа «запусков»: менять маршруты, окружение и ритуалы, из которых привычка обычно вырастает.

Шаг 5. Переопределить вознаграждение.
Проблема не в наличии желаний, а в том, как мы калибруем «награду».
Пока наградой остаётся короткий дофаминовый всплеск, мозг будет возвращать тебя к старому паттерну; если ценность смещается на свободу, ясность, контроль, у старого сценария появляется конкурент.

А с какими желаниями вам приходилось спорить в последнее время? Чувствуете, что такая архитектура работы с соблазнами могла бы вам помочь?

В следующем посте попробую собрать из этого полноценный скелет для продукта — идею цифрового дневника соблазнов с довольно подробным to‑do листом для стартапа
Telegram Биомедтех с Аллой Панченко | SechenovTech В этом году Пелевин решил сломать даже собственную традицию — и выкатил новый роман вообще вне привычного осеннего ритуала. никакого «сентябрьского релиза», просто — внезапно. «Возвращение Синей Бороды» Так что мои планы на выходные предельно понятны:…
  • 👍 2
  • 🔥 2
  • 👌 1
Post #1641 387

Forwarded from Врачебные ошибки с экспертом Веселкиной

Ошибки в медицине и ошибки при использовании ИИ в медицинской практике. Ч.2

Насколько вообще корректно ставить знак равенства между ошибками врачей и "ошибками" ИИ-систем в таком сравнительном анализе? Может, я вообще не так рассуждаю, и эти метрики несопоставимы?


Те ИИ-модели которые мне известны в медицине не совсем корректно соотносить с работой обычного врача. Чаще всего это скорее вопросы диагностики, где основную роль играет насмотренность.

В медицинской практике есть к примеру рентгенологи, которые работают в институте туберкулёза и болезней лёгких - понятно, что их насмотренность в такой патологии существенная.

Или патологоанатомы, которые диагностируют опухоли. Тут важно, что патолог работает в крупном онкоцентре, где частота какого то определенного рака выше, настолько что он уже может не просто поставить диагноз, но и видеть какие то более глубокие особенности опухоли.

В то время как рентгенолог или патологоанатом где то в ЦРБ "сидит" совсем на другом материале и может допустить ошибку. Потому и принято ездить со стеклами в крупный центр.

Другой очень удачной моделью является ИИ в колоноскопии, система анализирует видеозапись в реальном времени и подсвечивает врачу участки, которые стоит проверить ещё раз. Особенно хорошие результаты эта модель показала себя в исследовании усталости врачей. С утра доктор свеж и бодр и способен сам почти все увидеть. А через 5 часов, ситуация сильно меняется и ошибок становится больше.

Когда мы сравниваем врача и модель ИИ для медицинских нужд, мы вероятно допускаем не совсем корректное "кто лучше". Одно дело врач, принимающий решение и оценивающий данные в совокупности. Другое дело его ИИ помощник. Мы же представляем себе как компьютер ставит нам диагноз и выдает назначения без человека вообще, а это не совсем пока верно.

Приведу примитивный пример с навигатором. Все мы используем в машине навигатор. Он строит маршруты. Когда ездишь из дома на работу и хорошо знаешь дорогу, видишь огрехи работы этого ИИ помощника, он может порой завести в дебри. Но если ты в незнакомом городе, то такой проводник это лучший вариант достичь цели, пусть и допустив два-три поворота не туда. Ну и все таки, машину (пока) ведёт водитель, а не навигатор))

Какой уровень ошибок ИИ-инструмента был бы для вас, как для эксперта по врачебным ошибкам, приемлемым для использования в качестве вспомогательного инструмента (именно вспомогательного, не заменяющего врача)? Есть ли вообще такой порог, или любое использование ИИ в медицинском контексте на текущем этапе преждевременно?


Есть о чем подумать. Не предъявляем ли мы к ИИ модели больше требований чем к человеку. В том смысле, что человек имеет право на ошибку, а ИИ модель нет, она должна быть точна на 99,99%? И ошибка ИИ кажется нам более неприемлемой чем ошибка человека? Это конечно вопрос психологии, философии и всех прекрасных наук, где мы думаем почему человек делает и думает так.

Основой для ошибки, при добросовестном поведении врача (имею в виду отсутствие пренебрежения правилами, стандартами, забывчивость, несовершенство организации) как у живого врача, так и у ИИ модели является набор данных, получаемых от пациента. Учитывая, что мы о человеке знаем много, но ничтожно мало, этот набор данных нельзя назвать идеальным и достаточным в каждом случае. Одни только варианты сценариев "атипичность", "бессимптомность", "коморбидность" чего стоят.

У обоих моделей (человек и ИИ) есть свои сильные и слабые стороны. К примеру ИИ не может пропустить часть алгоритма, тогда как человек (особенно с русским характером) вполне. Иногда именно жесткое соблюдение протокола даёт те самые изменения, инициирующие следующеий диагностический поиск и, достижение правильного диагноза.

Думаю, что вопрос преждевременности использования ИИ в медицине уже не стоит. Это не будущее, а скорее то настоящее, которое за окном. Вопрос лишь лучших практик использования такого помощника, настройки модели и креативности в разработке новых направлений в его использовании.
  • 👍 2
  • 🔥 2
  • ❤ 1
Post #1640 402

Forwarded from Врачебные ошибки с экспертом Веселкиной

Ошибки в медицине и ошибки при использовании ИИ в медицинской практике

Любопытная и как обычно инновационная дискуссия поднята в канале Биомедтех с Аллой Панченко| SechenovTech.

Вопрос о том, насколько часто врачи ошибаются и каков приемлемый уровень медицинских ошибок? И как это увязывается с ИИ? У ИИ инструментов этот уровень выше или ниже?
Отвечаю на вопросы автора поста.

Совпадают ли эти цифры (11% средний уровень диагностических ошибок, 7% вредных ошибок) с тем, что обсуждалось, например, на недавнем конгрессе по судмедэкспертизе в МОНИКИ? Или российская статистика показывает другие значения?


Ответ на этот вопрос, к сожалению, не в пользу российской статистики медицинских ошибок, потому что такой статистики попросту нет. Все данные, которыми мы оперируем - из личных исследований, отдельных отраслей медицинской науки в регионах (к примеру когда заведующий отделением экспертизы по материалам дела Бюро судебно-медицинской экспертизы публикует статистику своего отдела). Раньше такая статистика позволяла увидеть регион в цифрах. Теперь нет, так как экстерриториальность назначения экспертизы набрала чрезвычайно высокие обороты.

Но если брать те публикации которые уже есть, то на материале судебно-медицинских экспертиз объем ошибок всегда (и в советское время и сейчас) был более 50%, а многими исследователями отмечалась цифра порядка 75%.
Стоит правда понимать особенности выборки случаев в судебно-медицинской практике - у нас Клондайк неблагоприятных исходов. К примеру в рутинной практике лидокаин для анестезии используется миллионами случаев в год. А судмедэксперт же видит отравления от перепутывания 1-2% лидокаина и 10%. Либо случаи анафилаксии (аллергических реакций).

Некоторую статистику могли бы дать страховые компании по итогам экспертизы качества, ведь масштаб их работы намного больше чем у СМЭ. Они проверяют 1% амбулаторных карт и 10% стационарных. Если у СМЭ в мегаполисе речь идёт о 500-700 экспертизах в год. То эти ребята делают тысячи, если не десятки тысяч ежегодно в том же городе.
И снова та же история, только отдельные активисты.

И так далее по каждому, кто контактирует с медицинскими ошибками. И о Росздравнадзоре, куда поступают жалобы граждан. И о введенном везде внутреннем контроле качества, который должен регистрировать неблагоприятные события.
Никто не собирает статистику, потому что на федеральном уровне это не востребовано.

Хорошо, скажете вы, давайте соберём то что есть, пусть это будет пазл, но мы попробуем угадать картинку, которая в нем расшифрована. И снова не получится, потому как столкнемся с проблемой N2 под названием отсутствие общего понятийного аппарата и классификации ошибок.

Здесь во всей красе предстоит перед нами Вавилон медицинских ошибок. Где все участники, анализирующие ошибки используют свои термины, вкладывают в них свой смысл, разрабатывают и используют для анализа свои классификации медицинских ошибок.

Из простого: у СМЭ недавно убита дискуссия недостаток/дефект медицинской помощи. У экспертов же качества другой термин для описания того же самого - нарушения при оказании медпомощи.
И вроде бы виды недостатков медицинской помощи примерно у всех похожи (диагностические, лечебные, организационные ошибки и т.п.), а смыслы внутри них разные.

Вспоминается доклад д.м.н. Л.А. Шмарова на конгрессе СМЭ, который сказал то, о чем я теперь не могу перестать думать, потому что использую иной подход.
Неправильно поставленный диагноз - это не недостаток диагностики, объяснял докладчик, потому что это последствие. К этому последствию привело нарушение диагностического протокола (что то не выполнили, где то получили ошибочные результаты).
Я же, ошибочный диагноз отношу к недостатку диагностики.

Так что короткий ответ на вопрос - никто не знает, потому что проблема эта волнует только отдельных энтузиастов. И потому все мы пользуемся исследованиями зарубежных коллег, которые копят этот массив big data в сфере медицинских ошибок.
Telegram Биомедтех с Аллой Панченко | SechenovTech ИИ vs врач: считаем "допустимый уровень ошибок" у Perplexity Под постом про Perplexity Health мне написали: "нужно подождать данных реальной практики, насколько это окажется безопасным при использовании в широкой популяции". Справедливое замечание, которое…
  • ❤ 3
  • 👍 2
  • 🔥 2
Post #1639 498
Так сколько ошибок допустимо для ИИ в медицине?

Разница принципиальная: специализированные системы обучены на медицинских данных, используют клинические протоколы и структурированный подход. Общие LLM — это болтуны, которые могут быть опасны.

Какой уровень ошибок был бы приемлемым?

Если мы хотим, чтобы ИИ-инструмент "не бросался в глаза" на фоне существующей практики, можно выделить три порога:

Либеральный порог: ≤ 11.1% — средний уровень диагностических ошибок. Если ИИ ошибается меньше или столько же, как средний врач, это уже не хуже существующего стандарта.

Умеренный порог: ≤ 7% — уровень вредных диагностических ошибок и предотвратимых неблагоприятных событий. Здесь планка выше, но всё ещё реалистичная.

Консервативный порог: ≤ 5% — уровень, который был бы значительно лучше текущей практики.

По этим критериям:
Специализированные ИИ-системы (8-15% ошибок) находятся в коридоре между либеральным и умеренным порогом — сопоставимы с врачебной практикой
⏺ ChatGPT и общие медицинские чатботы (40-50% проблемных ответов) в 4-6 раз хуже любого приемлемого стандарта

Что это значит для Perplexity Health?

Ключевой вопрос: что именно под капотом? Если Perplexity использует специализированные медицинские модели, интегрирует клинические гайдлайны и структурирует данные — можно ожидать уровень ошибок 8-15%, что вполне сопоставимо с врачебной практикой.

Если это просто GPT с доступом к вашим анализам — ждите 40-50% ошибок, что катастрофически плохо.

И здесь важно понимать позиционирование: Perplexity Health — это не замена врача, а инструмент для информированного диалога. Персонализированный саммари перед визитом, агрегация данных из разных источников, интерпретация трендов. В этой парадигме даже 15% ошибок не фатальны — финальное решение всё равно за врачом.

Главный тезис, который меня беспокоит

Фраза "нужно подождать данных реальной практики" звучит разумно, но упускает ключевое: мы УЖЕ ждем данных реальной практики от существующей медицины, которая показывает 11% диагностических ошибок.

Вопрос не в том, "безопасно ли это абсолютно", а в том, "безопаснее ли это того, что есть сейчас". И если специализированный ИИ ошибается в 8-10% случаев против 11% у врачей (или 27% базовой точности) — это уже конкурентоспособный уровень.

Системы здравоохранения проиграют эту гонку не потому, что ИИ-инструменты опасны или недостаточно протестированы. Они проиграют, потому что они удобны. Пациент получает ценность здесь и сейчас — не через три недели ожидания записи к терапевту, не после хождения по кабинетам за анализами, которые никто не сводит в единую картину.

Риск в том, что пока мы будем выстраивать идеальные протоколы безопасности и ждать долгосрочных исследований, рынок персонализированной медицинской аналитики сформируется без участия классических систем здравоохранения. И мы снова окажемся на обочине.

P.S. Вопрос к Олесе Валерьевне
@medical_error_by_Veselkina

Несколько вопросов к вам от меня и, думаю, от многих коллег:

Во-первых, совпадают ли эти цифры (11% средний уровень диагностических ошибок, 7% вредных ошибок) с тем, что обсуждалось, например, на недавнем конгрессе по судмедэкспертизе в МОНИКИ? Или российская статистика показывает другие значения?

Во-вторых, насколько вообще корректно ставить знак равенства между ошибками врачей и "ошибками" ИИ-систем в таком сравнительном анализе? Может, я вообще не так рассуждаю, и эти метрики несопоставимы?

И в-третьих — какой уровень ошибок ИИ-инструмента был бы для вас, как для эксперта по врачебным ошибкам, приемлемым для использования в качестве вспомогательного инструмента (именно вспомогательного, не заменяющего врача)? Есть ли вообще такой порог, или любое использование ИИ в медицинском контексте на текущем этапе преждевременно?

Будем крайне признательны за экспертное мнение!

👻 Биомедтех в MAX
  • 🔥 6
  • 👍 4
  • 💯 2
  • 👌 1
Post #1638 574
ИИ vs врач: считаем "допустимый уровень ошибок" у Perplexity

Под постом про Perplexity Health мне написали: "нужно подождать данных реальной практики, насколько это окажется безопасным при использовании в широкой популяции". Справедливое замечание, которое заставило меня задуматься о том, как вообще оценивать "приемлемость" ошибок ИИ-систем в медицине.

Мы почему-то требуем от технологий идеальности, хотя сама медицина далека от нее. Так какой уровень ошибок был бы "нормальным" для ИИ-инструмента, чтобы он не бросался в глаза на фоне текущей медицинской практики?

Давайте попробуем это посчитать по открытым источникам, а потом попросим глубоко уважаемую мной коллегу прокомментировать это с позиции отечественной судмедэкспертизы Олеся Валерьевна, оч прошу! @medical_error_by_Veselkina

Baseline: сколько ошибаются врачи

Если опираться на исследования, опубликованные в последние годы, картина получается интересная.

Согласно данным крупного исследования, опубликованного в Harvard Medical School в 2024 году, средний уровень диагностических ошибок составляет 11.1%. Но это средняя температура по больнице — разброс огромный: от 1.5% для инфаркта миокарда до 62% для спинального абсцесса. То есть для некоторых состояний вероятность ошибочного диагноза превышает 50%.

Johns Hopkins Medicine в своем отчете 2023 года указывает, что 7% госпитализированных пациентов сталкиваются с вредными диагностическими ошибками — теми, которые приводят к реальным негативным последствиям. Ещё более тревожная цифра: среди критических пациентов в реанимации или умерших доля диагностических ошибок достигает 23%.

Метаисследование, опубликованное в BMJ, показывает, что каждый 14-й госпитализированный пациент сталкивается с вредной диагностической ошибкой. А NBC News в 2023 году опубликовал данные, согласно которым почти каждый четвертый госпитализированный пациент (23.6%) сталкивается с каким-либо неблагоприятным событием, из которых 7% — предотвратимые.

Это не обвинение врачей. Это объективная сложность медицины как дисциплины: неполные данные, атипичные проявления болезней, человеческая усталость, временные ограничения на прием.

А что с ИИ?

Здесь картина сильно зависит от того, о какой именно системе мы говорим.

Специализированные ИИ-системы диагностики показывают точность 85-92%, то есть уровень ошибок 8-15%. Это данные из нескольких независимых исследований, опубликованных в NIH PMC и других источниках. Например, Microsoft AI Diagnostic Orchestrator показал 85% точности на сложных клинических случаях из NEJM, тогда как врачи без помощи ИИ давали правильный ответ только в 20% случаев. TIME в 2025 году опубликовал материал об этом исследовании с говорящим заголовком "Microsoft's AI Is Better Than Doctors at Diagnosing Disease".

ChatGPT-4, протестированный на медицинских экзаменационных вопросах, набрал 92 балла против 74-76 у врачей. Российский Diagnocat в стоматологической диагностике показал 4.86% ошибок против 7.29% у врачей, работая при этом в 6 раз быстрее.

Базовая точность врачей в исследованиях оценивается в 73% — то есть 27% ошибок.

Но есть важный нюанс: медицинские чатботы общего назначения — совсем другая история. CIDRAP опубликовал в апреле 2026 года исследование, показавшее, что такие чатботы дают проблемные ответы в 49.6% случаев. ChatGPT на медицинских вопросах дает корректные ответы только в 57.8% случаев. При неполных входных данных уровень ошибок превышает 80%.

👻 Биомедтех в MAX
Harvard Gazette Research assesses rates, causes of diagnostic errors — Harvard Gazette In an analysis of electronic health records researchers found errors in assessing patients, or errors in ordering and interpreting diagnostic tests.
  • 🤔 4
  • ❤ 3
Post #1637 3.94K
Perplexity Health: сбылось то, о чем мы думали

Помните наши разговоры про то, что системы здравоохранения потеряют контроль над медицинскими данными? Что стартапы просто придут и заберут их напрямую у пациентов? Ну вот, случилось.

Пока институциональные игроки бесконечно бодаются за доступ к данным их МИСов, обсуждают, дать ли кому-то данные или нет, выстраивают бюрократические протоколы доступа — технологические компании реализовали самый очевидный сценарий. Анархистский подход к организации медданных победил: данные идут туда, где есть удобный интерфейс и понятная ценность для человека.

И чуть жаль, что мы в этой революции участвуем только как пользователи. Классические системы здравоохранения остаются на обочине нового рынка, а ценность создается совсем в другом месте.

Что сделал Perplexity:

В марте запустили Health — полноценную интеграционную платформу, не очередной чат-бот с медицинской базой знаний:

⏺ Доступ к медицинским записям из 1,7 млн учреждений США через партнера b.well (анализы, рецепты, визиты к врачам)
⏺ Подключение носимых устройств и health-трекеров: Apple Health, Fitbit, Ultrahuman, Withings, Google Fit (ŌURA и Function — в планах)
⏺ Единая панель с трендами биомаркеров и активности
⏺ ИИ-анализ на основе всего массива данных одновременно

Ключевое отличие — Perplexity Computer:
Не просто ответы на вопросы, а создание персонализированных инструментов:
⏺ Протоколы подготовки к спортивным событиям на основе фитнес-данных
⏺ Автоматические саммари перед визитами к специалистам
⏺ Персонализированные планы питания с учетом биомаркеров
⏺ Поиск релевантных специалистов

Качество информации:
Источники — клинические гайдлайны и рецензированные журналы, не SEO-контент из WebMD. Прозрачное цитирование. Четкие рекомендации, когда необходима консультация врача.

Технические детали приватности:
E2E шифрование при передаче и хранении, гранулярный контроль источников данных, данные не используются для обучения моделей и не передаются третьим сторонам.

Доступность:
⏺ Pro/Max подписчики в США, постепенный роллаут.
⏺ Web: perplexity.ai/health | iOS: поиск "Health"

Почему это важно:

Это практическая реализация того, о чем мы говорим последние годы — пациентоцентричность через технологии. Данные в руках пациента + инструменты для их осмысления. Не замена врача, а средство для информированного диалога.

Стратегия гениально проста: не строить очередной медицинский портал, а встроить функционал туда, где люди уже задают вопросы о здоровье. Пациент получает ценность здесь и сейчас, а данные естественным образом агрегируются в платформе.

Географически пока только США, но модель масштабируема. Оч жду релиз на Европу, чтобы оттестировать

👻 Биомедтех в MAX
  • 🔥 12
  • ❤ 7
  • 👍 4
  • 👏 1
  • 💯 1
Post #1636 1.03K
В этом году Пелевин решил сломать даже собственную традицию — и выкатил новый роман вообще вне привычного осеннего ритуала. никакого «сентябрьского релиза», просто — внезапно.

«Возвращение Синей Бороды»

Так что мои планы на выходные предельно понятны: читаю в режиме «оперативного реагирования». А вам пока предлагаю чуть разогреться и вспомнить мой прошлый пост про Пелевина и биомедтех.

Там была простая, но, кажется, полезная мысль: Пелевин — это не только сатира, но и довольно точная карта будущих технологических направлений, если уметь ее читать.

Я разбирала несколько линий, которые он «нащупал» задолго до их мейнстримности:

⏺ управление сознанием → нейроинтерфейсы, психоделическая терапия, BCI
⏺ бессмертие → крионика, digital immortality, сенолитики
⏺ биодизайн и неравенство → CRISPR, эпигенетика, биопечать
⏺ виртуальные миры → VR как терапия и новая «реальность»
⏺ постчеловек → киборгизация, ИИ-компаньоны, трансгуманизм

Но главный вывод был даже не в этом.

Пелевин ценен не как предсказатель технологий, а как симулятор последствий. Он довольно точно показывает, во что превращается человеческая психика, когда эти технологии становятся повседневностью.

А это, если честно, для биомедтеха иногда важнее, чем сами технологии.

Если вы ищете идеи или углы зрения для проектов — его тексты вполне можно использовать как странный, но рабочий инструмент.

В общем, если тоже возьметесь за новый роман — будет интересно потом сравнить заметки

👻 Биомедтех в MAX
Telegram Биомедтех с Аллой Панченко | SechenovTech Какие еще сентябрьские скрепы у нас есть кроме шуток про 3 сентября и ежегодного релиза айфона? Правильный ответ - очередной роман Пелевина. И 8-часовой перелет до Камчатки повод его прочитать! Одна из лекций, которую мне часто приходится читать, это различные…
  • 🥰 4
  • 🤔 3
  • ❤ 2
  • 👍 2
  • 😎 2
  • 🔥 1
Post #1635 838
«Или вши победят социализм, или социализм победит вшей!»

— очень неожиданный слоган для разговора про биомедтех в день рождения Владимира Ильича.

И в этом смысле Ленин — не только отец русской революции, но и довольно неожиданный отец русского биомедтеха: человек, который поставил здоровье в разряд базовой инфраструктуры, без которой никакой большой проект не взлетит. От этой почти мемной фразы очень удобно идти дальше. За ней стоит не только эпоха эпидемий, тифа и санитарных кордонов, но и простой тезис: здоровье — это не “социальный бонус”, а базовая инфраструктура для любой большой политической и экономической конструкции.

В этой логике Ленин неожиданно превращается в человека, который помыслил здравоохранение как единую систему: профилактика важнее латания дыр, санитария и просвещение — не менее важны, чем больничные койки, а материнство, детство и борьба с социальными причинами болезней — в центре внимания. По сегодняшним меркам это уже почти public health и value‑based healthcare, просто на языке начала XX века. На такой платформе довольно естественно выросли массовые истории про вакцинацию, диагностику, большие программы по борьбе с инфекциями — а дальше уже и биомедтех, который закрывает всё более тонкие и сложные задачи.

Второй слой — абсолютно сюрреальный: политический культ тела Ленина породил, по сути, один из самых длинных биомедицинских R&D‑проектов XX века. Лаборатория, технологии консервирования тканей, микроинъекции, оборудование, эксперименты с растворами — целая биомедицинская инженерия ради того, чтобы одно тело выглядело “правильно”. Побочные эффекты этой странной задачи потом вышли в нормальную медицину: к трансплантологии, к диагностике, к прикладным биомедицинским решениям. Иногда идеология формулирует задачу настолько невозможную, что ради её решения приходится изобретать технологии будущего.

И третий момент — ленинско‑семашковская модель здравоохранения как «операционная система» для медтех‑инноваций. Централизованная, профилактическая, заточенная под массовый доступ, с сильной связкой науки и практики — на ней десятилетиями запускались новые технологии: от рентген‑кабинетов и прививочных кампаний до сложной высокотехнологичной помощи и сегодняшних цифровых сервисов.

Если биомедтех — это устройства, софт и сложные интервенции, то 22 апреля — хороший повод вспомнить, что без политических решений про “вшей, тиф и санитаров” никакие красивые девайсы не становятся частью жизни, а остаются лабораторной экзотикой.

И вот тут мне особенно интересно дать вам повод порассуждать в комментариях: если считать Ленина «отцом русского биомедтеха», то это больше комплимент или приговор системе — с её централизацией, культом профилактики и очень специфической связкой идеологии и науки?

👻 Биомедтех в MAX
  • 🔥 9
  • 👏 4
  • 😁 2
  • ❤ 1
  • 👎 1
Post #1634 744

Forwarded from Виленский | Медтех по делу

Медтех-стартапы: новое поколение

За последние годы я провёл десятки часов на различных питчах: как ментор Кластера биомедицинских технологий Сколково, как эксперт, как член жюри на конкурсах. И наблюдаю такую тенденцию: проектов стало больше, но главное - они стали другими.

Сейчас приходят реально другие команды. Если пять-семь лет назад типичный медтех-стартап - это один инженер с прототипом и лишь надеждой на грант, то сейчас всё чаще я вижу другую картину: инженер с врачом и регуляторщиком, в компании с кем-то, кто понимает бизнес. Команды научились формироваться правильно, а это уже половина успеха.

Кроме того, идеи стали ближе к пациенту, то есть стало меньше проектов типа «сделаем Uber для медицины» (да-да, я в курсе, что это уже почти мем😄). Сейчас стало существенно больше команд, которые находят конкретную проблему и предлагают ее решение. Когда стартап начинается с реальной боли пациента, а не с технологии, которая есть, но пока нет идей зачем она и куда ее можно «приткнуть», то шансы на успех кратно выше.

Еще важное наблюдение - экосистема наконец заработала. На новый уровень вышла система поддержки и развития проектов в Сколково, появились крутые акселераторы (в том числе в рамках Платформы НТИ), университетские программы - каких-то пять лет назад этого просто не было в таком виде. Отдельно отмечу SechenovTech - за восемь завершённых сезонов их выпускники привлекли более 500 млн рублей, 42 команды стали резидентами Сколково. Это уже не акселератор-эксперимент, а работающая инфраструктура, и держится она на конкретных людях: таких энтузиастах, как Алла Панченко (@alloalla). Отдельный респект! 👍

А вот что я постоянно повторяю стартапам на каждой защите и на каждом менторском разборе:

1️⃣ Регуляторику важно закладывать ДО первой строчки кода. Почти половина медтех-стартапов называют регуляторные сложности ключевым барьером. Регистрация инновационного медизделия занимает в среднем полтора-два года. MVP можно сделать за полгода, а вот на регистрацию придется выделить еще два. Для команды из пяти человек без капитала это часто означает конец истории.

2️⃣ Между прототипом и продуктом не должно быть «долины смерти». Доклинические исследования могут стоить 20-30 млн рублей, это слишком много для грантов, но одновременно слишком мало для крупных инвесторов. Обычно тут и ломается большинство проектов. Не из-за плохой технологии, а банально из-за кассового разрыва. Я часто видел, как команды с отличной разработкой уходили с рынка просто потому, что не смогли собрать эти 25 миллионов в нужный момент.

3️⃣ Врач в команде - не опция, а важный элемент. Медтех-стартап без практикующего врача в команде - это уже угадывание, а не разработка. Все сильные проекты, которые я видел, всегда начинались с клинической экспертизы, а не с инженерной идеи.

🚀 Российский медтех взрослеет, что меня сильно радует. Команды стали собраннее, идеи - ближе к рынку, а инфраструктура - плотнее и эффективнее. Теперь, когда я слушаю очередной питч, всё реже думаю «ну пусть попробуют», и всё чаще верю в их успех.
  • ❤ 10
  • 👍 3
  • 🥰 2
  • 🔥 1
  • 💔 1
Older posts →
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →