Учебные проекты ИСМед на 2026/2027 год

Проектная группа ИСМед — это место, где студенты вместе создают настоящие ИИ-продукты для медицины: от анализа медицинских снимков до систем, которые помогают и подсказывают врачам прямо на приёме. Некоторые наши проекты уже работают и тестируются в клиниках, а другие только стартуют. И везде нам нужны новые руки.

По любому из 13 проектов ниже можно писать курсовую, а по договорённости — и дипломную работу.

Как это устроено

• Все проекты групповые. Можно прийти своей командой, а можно присоединиться в одиночку и вести свою часть работы.
• Проекты для 2–4 курсов бакалавриата и для магистрантов.
• В одном проекте могут работать ребята с разных направлений (ПМИ, ПИ, КНАД и др.), и каждый найдёт роль по себе. Кому-то интереснее обучать модели, кому-то по душе «внутрянка» и архитектура, кому-то интерфейсы. Места есть для всех.
• Если у вас есть идея для своего проекта (личного/командного), вы всегда можете её предложить. Обсудим, согласуем. Это ок.

Кем можно быть в проекте

Чтобы было проще сориентироваться, вот основные типы работы, которые встречаются в проектах:

1. ML/обучение и дообучение моделей — работа с нейросетями: обучение, дообучение, оценка качества.
2. Бэкенд — серверная логика, API, работа с данными.
3. Фронтенд — интерфейсы, с которыми взаимодействует пользователь.
4. RAG, NLP и работа с LLM — поиск по базам знаний, анализ медицинских текстов, языковые модели, генерация текста.
5. Работа с изображениями, видео и звуком (CV/аудио) — обработка снимков, видеопотоков, распознавание речи.
6. Мобильная разработка — приложения для iOS и Android, с которыми работают пациенты и врачи.

Ниже у каждого проекта указано, какие роли нужны и сколько примерно человек.

Действующие продукты

Эти проекты уже работают, можно поучаствовать в развитии реального сервиса, который тестируется врачами.

1) EYAS · анализ снимков глазного дна

eyasopht.ru — действующий продукт

Веб-сервис, который с помощью ИИ анализирует снимки глазного дна: находит ключевые структуры глаза (диск зрительного нерва, макулу, сосуды), считает медицинские показатели и автоматически готовит черновик заключения для офтальмолога. Помогает врачу описывать снимок в разы быстрее и работает как «второе мнение».

Кого ищем: обучение и дообучение ML-моделей (~2 человека), бэкенд (2), фронтенд (1). Можно и больше.

2) NevoScan · скрининг рака кожи

nevoscan.ru — действующий продукт

Сервис скрининга рака кожи по фотографиям родинок: врач загружает дерматоскопический снимок и за секунды получает оценку по каждому образованию. Сейчас развивается версия NevoScan Pro — она не просто отвечает «рак/не рак», а объясняет свой вывод: распознаёт признаки по дерматоскопической шкале, считает балл подозрительности и показывает на снимке, куда «смотрела» модель. Идея: уйти от непрозрачного «чёрного ящика» к ИИ-ассистенту, который даёт интерпретируемое второе мнение.

Кого ищем: обучение и дообучение ML-моделей (~2 человека), бэкенд (2), фронтенд (1).

Проекты в разработке

Эти проекты в активной разработке. Отличная возможность построить продукт почти с нуля и увидеть, как он растёт. Ответвления крупных проектов идут под номером «родителя»: например, 2.1 — ответвление NevoScan.

2.1) NevoScan Oral · рак языка по фото со смартфона 

Ответвление NevoScan. Приложение, в котором человек сам фотографирует язык на фронтальную камеру смартфона, а ИИ проверяет снимок на признаки рака и предраковых изменений и подсказывает, нужно ли идти к врачу. Для врача есть веб-версия с разметкой очага и черновиком заключения. Цель: находить рак полости рта на ранних стадиях: сейчас больше 60% случаев выявляют поздно.

Кого ищем: обучение ML-моделей (~2 человека), бэкенд (1), фронтенд (1), мобильная разработка (1).

2.2) NevoScan OralDysp · дисплазия слизистой полости рта

Ответвление NevoScan для патологоанатомов. Система анализирует гистологические срезы, иммуногистохимию и фото очага, находит дисплазию слизистой полости рта, определяет её степень и оценивает риск перехода в рак. Врач видит не только итог, но и то, на что опиралась модель. Сейчас разные врачи часто оценивают один и тот же случай по-разному, а система должна сделать оценку воспроизводимой.

Кого ищем: обучение ML-моделей (~3 человека), бэкенд (1), фронтенд (1).

3) МедАгент (MedAgent) · ИИ-помощник для клиники

Автономный ИИ-агент, который работает внутри защищённого контура клиники и берёт на себя рутину врачей: работает с электронной медкартой, помогает с диагностикой, проверяет назначения, ищет информацию в базе знаний и понимает голосовые команды. 

Кого ищем: основная логика агента (1 человек), RAG (1), база знаний (1), разработка отдельных агентов (несколько человек).

4) MedScribe · протокол приёма из разговора

Система слушает приём врача и пациента и автоматически превращает разговор в структурированный медицинский протокол (стандарт SOAP). Понимает русскую медицинскую речь, убирает шум и предлагает коды МКБ-10. Цель: избавить врача от ручного заполнения карты.

Кого ищем: запись и предобработка звука (1 человек), дообучение модели на русскую медицинскую речь (1), сборка всего в единый контур (1), фронтенд, в том числе SaaS-версия (1–2).

5) SurgVisionAI (SVIP) · анализ видео операций

Платформа, которая анализирует видео во время операций: распознаёт этапы, отслеживает хирургические инструменты, помогает контролировать салфетки и иглы и готовит черновик протокола операции. Умеет работать с несколькими видеопотоками, включая эндоскопию.

Кого ищем: обучение моделей видеоанализа (1–2 человека), система инференса моделей + простой интерфейс (1).

6) VitalVision (MonitorAI) · оцифровка показаний мониторов

Настольное приложение, которое по видеопотоку с монитора пациента автоматически считывает показатели: пульс, ЧСС, SpO₂, давление, дыхание и др. Работает полностью офлайн, без передачи данных наружу, и запускается на Windows, Linux и macOS.

Кого ищем: 1–2 человека (ML-модель + разработка приложения). Уже есть рабочий прототип, поэтому следующий шаг — это переход на локальную модель.

7) SoundBook.AI · аудиокниги с ИИ

Единственный проект не про медицину — для тех, кто хочет поработать с TTS, LLM и генерацией изображений.

Платформа для создания и прослушивания аудиокниг: авторы озвучивают книги лицензированными ИИ-голосами актёров, актёры получают роялти, а слушатели получают каталог, семантический поиск и ИИ-чат по содержанию книг.

Кого ищем: фронтенд (1), бэкенд (1), система TTS и LLM (1), RAG (1), автоматическая генерация обложек (1). Всего на проект нужно около 5–7 человек.

8) ИИ-диагностика стероидного дерматита

Мультимодальная платформа, которая помогает врачу отличать синдром отмены топических стероидов (TSW) от похожих кожных состояний (по снимкам кожи, фотографиям и данным исследований). Это ниша, где почти нет готовых решений. Отличный шанс проявить себя.

Кого ищем: обучение ML-моделей (1–2 человека).

9) Модульная цифровая платформа для клиник и больниц

Единая цифровая платформа для клиники: ведение пациентов, запись и расписание, уведомления, дистанционный мониторинг, телемедицина, ИИ-помощники и интеграция с существующими медицинскими системами. Ядро платформы и основные модули (управление пользователями и ролями, структура клиники, запись, расписание, единая карта пациента, мониторинг) уже готовы, дальше проект растёт в сторону ИИ-агентов, RAG-системы и интеграций с МИС и госсистемами.

Кого ищем: проект ведёт магистр, в помощь нужны 1–2 человека (например, на бэкенд-модули или на ИИ-агентов и RAG).

9.1) CAR-T Triage · наблюдение за пациентами после CAR-T-терапии

Модуль цифровой платформы для клиник (проект 9), который мы делаем вместе с НМИЦ гематологии. После CAR-T-терапии пациент каждый день заполняет в приложении короткий опрос о самочувствии, а система оценивает, насколько всё срочно, и при тревожных симптомах сразу передаёт случай дежурному врачу. Если система не уверена, решение остаётся за человеком.

Кого ищем: NLP/ML (1–2 человека), анализ данных и валидация (1), бэкенд (1), мобильная и веб-разработка (1–2).

10) goGEN · фенотип пациента из текста врача-генетика

Система читает выписку или консультацию на русском языке и составляет список признаков пациента в международной онтологии HPO: что у пациента есть, чего нет и что встречается у родственников. Этот список можно сразу загрузить в инструменты, которые ищут генетическую причину заболевания. Проект делаем с Медико-генетическим научным центром им. Н.П. Бочкова, рабочий прототип уже есть.

Кого ищем: распознавание признаков в тексте и их контекста (1 человек), поиск и ранжирование терминов (1), сборка конвейера и интеграция (1).

11) АтероСкан · атеросклероз по УЗИ

Система анализирует УЗИ сонных артерий: находит стенки сосуда и бляшки, измеряет их и оценивает, насколько бляшка опасна. Затем объединяет это с анализами крови на липиды и готовит черновик заключения и оценку сердечно-сосудистого риска. Цель — чтобы результат меньше зависел от того, кто проводил УЗИ.

Кого ищем: обучение ML-моделей (~2 человека), бэкенд (2), фронтенд (1).

12) hyppopipe · фреймворк для медицинских ML-пайплайнов

github.com/hse-cs/hyppopipe — есть рабочая версия

Наш собственный фреймворк для сборки медицинских ML-пайплайнов, где одна модель обрабатывает результат другой: детекция, сегментация, классификация. В этом году мы его развиваем: добавляем новые форматы датасетов, проверку утечки данных между выборками, экспорт моделей в ONNX, интеграцию с MLflow, демо-интерфейс и встроенные архитектуры YOLO и RT-DETR. Проект подойдёт тем, кому интересно не только обучать модели, но и делать удобные инструменты для тех, кто их обучает. Запись доклада о фреймворке от 16 сентября есть в канале проектной группы.

Кого ищем: работа с датасетами (1 человек), экспорт и архитектуры моделей (1–2), инфраструктура и демо (1). 

13) RAG-ассистент по брошюре о CAR-T-терапии

Чат-бот для пациентов и их близких, который отвечает на вопросы о CAR-T-терапии строго по утверждённой брошюре и в каждом ответе показывает цитату с номером страницы. Если ответа в брошюре нет или вопрос касается личного лечения, бот честно отказывается и направляет к врачу. Главная задача — научить систему понимать, когда отвечать нельзя.

Кого ищем: поиск и генерация ответов (1 человек), классификаторы и калибровка (1), проверка ответов и оценка качества (1), бэкенд и интерфейс (1).

Как присоединиться

Напишите нам на почту по адресу: dryabtsev@hse.ru (Рябцев Дмитрий)

Если вас заинтересовал какой-то проект (а может, и несколько), но вы переживаете, что не справитесь, — не волнуйтесь! Мы поможем, подскажем и направим. Никто не оставит вас с проблемой один на один, всё решается совместно. Поэтому смело пишите нам и участвуйте в разработке медицинских ИИ-инструментов.

При желании и наличии времени можно взять на себя сразу несколько ролей (например, обучение ML-моделей и бэкенд), но грамотно рассчитывайте свои возможности.

По итогу, в конце текущего учебного года, вы получите: реальный продукт в портфолио, тему для курсовой или диплома (далее можно взять диплом как продолжение курсовой) и опыт работы в команде над медицинским ИИ. Если захотите продолжить работу над проектом, возможно официальное трудоустройство.

📎 Наш канал, где публикуются все анонсы, информация и мемы: ссылка