О нас

Помощник здоровья Health Hero — ИИ-ассистент для расшифровки анализов и управления здоровьем. Команда опытных врачей, разработчиков передовых технологических компаний и научных деятелей объединила свои усилия, чтобы создать ИИ помощника Health Hero. Наш ИИ помощник — это передовой виртуальный ассистент для мониторинга здоровья.

Помощник Health Hero был обучен на базе научных исследований, клинических случаев и медицинских заключений, чтобы предоставлять точную интерпретацию данных и давать объективные рекомендации по укреплению здоровья. Загрузите анализы, симптомы и данные образа жизни — Health Hero объяснит показатели, покажет динамику и подскажет, на что стоит обратить внимание.

Описание технологического стека
Разработка программного обеспечения ведётся с использованием современных технологий, обеспечивающих надёжность, масштабируемость и производительность продуктов компании. Применяемый технологический стек позволяет компании эффективно разрабатывать и поддерживать собственные продукты, обеспечивая высокую надёжность, горизонтальную масштабируемость, безопасность обработки медицинских данных и удобство сопровождения кодовой базы.

Серверная часть (Backend) реализована на языках JavaScript и TypeScript с применением платформы Node.js и фреймворка NestJS, который обеспечивает модульную архитектуру, внедрение зависимостей и строгую типизацию кода. В качестве системы управления реляционными базами данных используется PostgreSQL. Контейнеризация серверных компонентов осуществляется средствами Docker, что гарантирует воспроизводимость среды исполнения и упрощает развёртывание.

Клиентская часть (Frontend) построена на базе JavaScript и TypeScript с использованием фреймворка Next.js и библиотеки React.js, обеспечивающих серверный рендеринг, оптимизацию производительности и компонентный подход к разработке пользовательского интерфейса. Клиентские компоненты также контейнеризируются с применением Docker.

Модуль искусственного интеллекта и машинного обучения включает локальную инфраструктуру вывода моделей на базе Ollama с использованием мультимодальной языковой модели Qwen3-VL. Для распознавания и извлечения текста из документов применяются библиотеки DocTR и EasyOCR, дообученные на собственных размеченных данных компании. Предобработка входных документов осуществляется с помощью DocPreprocessor на базе фреймворка PaddlePaddle. Для анализа медицинских данных и изображений используется модель MedGemma-27b, специализированная на задачах медицинской аналитики.