DFS

AI-дневник здоровья и распознавание PDF-анализов

Для сервисов и магазинов здорового питания, где клиент приносит результаты анализов и хочет понятный следующий шаг. DFS распознаёт бланки лабораторий в структурированные показатели и собирает историю здоровья в приложении — с информационными рекомендациями, которые не заменяют врача.

OCR-распознавание
AI-дневник здоровья
Медицинские данные

PDF-анализ становится данными

Результаты анализов приходят отдельными PDF-файлами от разных лабораторий — со своими форматами, порядком строк и единицами измерения. Сравнивать показатели по таким файлам почти невозможно, а искать прошлый результат приходится в почте и мессенджерах.

В DFS работает OCR-парсинг: распознавание извлекает из бланка названия показателей и значения, приводит их к единому виду и сохраняет в структуре приложения. Дальше это уже не вложение, а данные, с которыми можно работать.

Загрузка PDF с результатами
Распознавание показателей через OCR
Приведение значений к единому виду
Структурированные данные в приложении

Распознавание PDF-анализа в структурированные показатели

История здоровья в одном месте

Вторая часть решения — нейросетевой дневник состояния. Пользователь фиксирует самочувствие, а приложение связывает записи с показателями из распознанных анализов и показывает динамику, а не отдельные цифры.

Так история становится частью продукта: к ней можно вернуться, её можно сравнить с прошлым периодом. Вместо папки с вложениями — последовательная картина, к которой привязаны персональные подсказки.

Нейросетевой дневник состояния
История показателей вместо вложений
Динамика, а не отдельные значения
Персональные подсказки

Как приложение распознаёт анализы и ведёт дневник здоровья

Медицинские данные приходят в PDF и на бумаге, а решения о здоровье хочется принимать по картине, а не по одному бланку. Разбираем, как устроено распознавание анализов и зачем продукту дневник.

Почему PDF-анализ — плохой формат данных

Бланк лаборатории рассчитан на человека, а не на программу. Название показателя может быть сокращено, единицы измерения отличаются, референсные значения стоят рядом со результатом, а сам документ приходит картинкой внутри PDF.

Пока данные остаются файлом, их невозможно сравнить между собой. Пользователь видит набор цифр и не понимает, что изменилось с прошлого раза. Отсюда и типичный сценарий: результаты лежат в почте, к врачу человек приходит с пачкой бумаг или пересказом.

Распознавание — это не только OCR

OCR переводит изображение в текст, но для работы с анализами этого мало. Дальше начинается самое сложное: понять, какая строка — это показатель, какое число рядом с ней — результат, а какое — граница нормы, и к какому показателю относится значение.

Поэтому в проекте распознавание сочетается со словарём показателей и правилами нормализации: разные написания одного и того же показателя сводятся к одной сущности, значения приводятся к сопоставимым единицам. Результат попадает в структуру, где у каждого показателя есть дата, значение и связь с предыдущими измерениями.

Отдельная задача — устойчивость к разнообразию бланков. Лаборатории меняют формы, и модель распознавания приходится дообучать на новых примерах, а спорные случаи — оставлять пользователю на проверку и правку.

Зачем дневнику нейросеть

Анализы сдают редко, а самочувствие меняется постоянно. Дневник фиксирует то, что между анализами: сон, активность, самочувствие, приём добавок. Сам по себе дневник — это просто записи; ценность появляется, когда записи сопоставляются с показателями и между собой.

Здесь и работает нейросетевой слой: он находит закономерности в истории и формулирует подсказки человеческим языком. Важно, что такие подсказки остаются справочными. Продукт не ставит диагноз и не назначает лечение — он помогает заметить изменения и подготовить вопросы для врача.

Что учесть, если делаете похожее

Первое — определите границы продукта до начала разработки. Формулировка «сервис не заменяет врача» должна быть не только в интерфейсе, но и в логике: какие формулировки допустимы в рекомендациях, что показывать при отклонениях от нормы, как объяснять пользователю, что означает та или иная подсказка.

Второе — не обещайте идеальное распознавание. Всегда будут редкие бланки и нестандартные сокращения, поэтому нужен путь для ручной правки: пользователь должен иметь возможность исправить значение, не начиная загрузку заново.

Третье — продумайте хранение медицинских данных. Это чувствительная информация, и вопросы доступа, шифрования и удаления нужно решать на этапе архитектуры, а не после запуска.

Такое же распознавание — для клиник, лабораторий и страховых

Механика повторяется всюду, где есть документы со структурированными значениями и человек, которому нужна динамика, а не отдельная бумага.

Медицинские центрыПациент загружает бланк, а врач видит историю показателей и динамику до начала приёма.
Фитнес и wellnessТренер сопоставляет результаты анализов с нагрузкой и дневником клиента, а не только с весом и замерами.
Страхование и ДМСДокументы клиента распознаются автоматически, а данные попадают в дело без ручного ввода оператором.
Логистика документовНакладные и акты со значениями и таблицами превращаются в данные, пригодные для сверки и учёта.

Рассказать о своей задаче

Частые вопросы

Как работает распознавание анализов?

Пользователь загружает PDF или фото бланка, система извлекает названия показателей и значения, приводит их к единому виду и сохраняет в структуре приложения. Дальше эти данные можно сравнивать между собой по датам.

Заменяют ли рекомендации врача?

Нет. Рекомендации по БАДам носят информационный характер и не заменяют консультацию специалиста. Продукт помогает разобраться в показателях и подготовиться к разговору с врачом, но не ставит диагнозы и не назначает лечение.

Зачем дневник, если есть анализы?

Анализы показывают состояние в конкретный день, а дневник — что происходило между ними: сон, активность, самочувствие, приём добавок. Вместе они дают динамику, а не отдельные цифры.

Что делать, если бланк распознан с ошибкой?

Значение можно проверить и исправить вручную. Это обязательная часть сценария: бланки разных лабораторий отличаются, и полностью исключить редкие форматы невозможно.

Можно ли распознавать не только анализы?

Подход работает для любых документов со структурированными значениями: заключений, выписок, накладных, актов. Меняется словарь полей и правила нормализации, а сама схема «документ — данные — история» остаётся.

Насколько это безопасно для медицинских данных?

Медицинские данные требуют отдельного внимания: разграничение доступа, шифрование хранения и понятный сценарий удаления закладываются на этапе архитектуры. Это часть проектирования продукта, а не настройка после запуска.