Стажировка по проекту
Компания: «Саратовский государственный медицинский университет им. В. И. Разумовского»
Нейроконсультант
для паллиативных пациентов
для паллиативных пациентов
Суть проекта
Задача
Для чего
Вводные данные
Выходные данные
Создание нейроконсультанта для паллиативных пациентов, их родственников и лиц, осуществляющих уход
Создание инструмента для информирования о возможностях социальной и паллиативной поддержки со стороны государства и для отслеживания состояния здоровья паллиативного пациента
Нормативные документы, регулирующие оказание паллиативной помощи как федерального, так и регионального уровня
Телеграм-бот, отвечающий на вопросы пользователей по всем возможностям паллиативной помощи в рамках нормативных документов. Релевантность ответов - 98%
Нейроконсультант для паллиативных пациентов
Участники
команды проекта
команды проекта
- Осокин ЮрийТимлид проектаЮрий - руководитель группы разработчиков, отвечал за ведение проекта
- Марарескул ДмитрийНачальник отдела общесистемного проектирования космических комплексов и систем координатно-метрического назначения и разработки наземных и бортовых навигационных, измерительных и контрольно-измерительных систем
- Организация сбора, обработки исходных данных для формирования базы знаний
- Коррекция заголовков и уточнение разметки документов
- Мониторинг активности группы и стимулирование участников
- Тестирование и оптимизация базы знаний, включая разбиение длинных чанков
- Тестирование телеграм-бота
- Добавление расширенного блока метаданных для улучшения качества поиска
- Глазырина ТатьянаСпециалист отдела сопровождения СПС Гарант
- Подготовка базы знаний, добавление и обработка заголовков для разметки в формате Markdown
- Обработка части новой книги и доразметка источников для общей базы знаний
- Проведение тестирования работы чат-ботов на векторной базе
- Тестирование контрольных вопросов с занесением результатов в таблицу
- Исправление и тестирование ошибочных ответов в базе знаний
- Транскрибация видео с сайта propalliativ.ru, дополнение базы знаний необходимыми пояснениями
- Куцинс АндрисБизнес-девелопер
- Подготовка и структурирование информации в текстовой базе знаний
- Проведение всестороннего тестирования вопросов и ответов чат-ботов
- Внесение существенных улучшений в организацию данных, повышение эффективности работы с базой знаний
- Существенное улучшение качества и структуры базы знаний.
- Минкин АлександрПреподаватель
- Подготовка и оптимизация структуры базы знаний
- Разработка алгоритма гибридного поиска в векторной базе Qdrant и ранжирования результатов
- Подбор подходящих предобученных нейросетей для организации ранжирования результатов
- Отбор критериев и способов оценки качества ответов нейропомощника с помощью RAGAS, TrueLens и PromptFlow
- Построение автоматической системы оценки чат-бота с использованием ChatGPT
- Тестирование и оптимизация ответов нейропомощника до уровня 98% сходства с эталонными ответами с визуализацией с помощью Matplotlib
- Интеграция нейропомощника в телеграм-бот, разработанный как финальный интерфейс для паллиативных пациентовУпаковка финального решения телеграмм-бота в Docker-контейнеры.
- Коваленко ЕленаПреподаватель Саратовского медицинского университета, врач-кардиолог
- Согласование технических заданий с командой разработчиков
- Подбор и структурирование материалов для базы знаний
- Разработка и разметка базы знаний в формате Markdown
- Составление списка контрольных вопросов для тестирования
- Тестирование базы знаний, включая нормативные документы
- Экспертная оценка результатов тестирования
- Согласование интерфейса и функционала телеграм-бота
- Тестирование телеграм-бота
- Стреколовский МаксимРазработчик AI, AR, VR
- Создание своего варианта телеграмм-бота с использованием базы знаний
- Участие в подготовке базы знаний для телеграм-бота
- Внедрение функции суммаризации данных как способ расширения метаданных базы знаний
- Внедрение и настройка нейросетей для повышения интеллектуальности бота
- Кошкин ОлегСистемный инженер
- Переработка базы знаний, создание собственной реплики базы знаний
- Создание собственного варианта телеграм-бота на основе векторной базы знаний FAISS с использованием библиотеки AioGram
- Расширение функционала телеграм-бота за счет внедрения периодического анкетирования паллиативных пациентов о состоянии здоровья
- Тестирование телеграм-бота с использованием тестовых вопросов заказчика, с использованием RAGAS, TrueLens и PromptFlow
- Интеграция в проект легковесной базы данных SQLite для хранения информации о пациентах и пройденных опросах
- Вывод в телеграм-бот статистики по состоянию пациента на основе динамики состояния здоровья
- Сапрыкин ДмитрийТехнический лидер по внедрению ИИ и командный лидер по разработке ЛЛМ приложений / Tech Lead AI and Team Lead AI LLM Development
- Разработка интеллектуального нейроконсультанта с использованием технологии Retrieval-Augmented Generation (RAG) на базе Microsoft Azure
- Формирование развернутых промтов для нейроконсультанта, которые легли в основу финального решения
- Обновление базы знаний и добавление новых документов
- Добавление трех режимов работы бота: пациент, опекун, доктор
- Разработка и тестирование опросника для анкетирования паллиативных пациентов
- Докучаева СветланаПреподаватель
- Разметка первоисточников, структурирование данных для формирования базы знаний
- Формирование базы знаний телеграм-бота
- Участие в тестировании различных вариантов телеграм-ботов на базе знаний с заполнением таблицы тестирования
- Добавление расширенных метаданных в базу знаний для ряда разделов
Демонстрация проекта
Благодарность университетУ