Systemy AI w medycynie generują wyniki bez możliwości weryfikacji — lekarze im nie ufają, regulatorzy odrzucają.
⏱️
Wolna analiza
Tradycyjne systemy (GE MUSE, Philips DXL) potrzebują 4–6 sekund na analizę. Przy masowym screeningu to wąskie gardło.
🔒
Czarna skrzynka
Istniejące rozwiązania AI nie pokazują dlaczego postawiły diagnozę. FDA i EU MDR wymagają wyjaśnialności.
⚠️
Halucynacje AI
Modele LLM mogą „wymyślać" wyniki kliniczne. W kardiologii fałszywa diagnoza = zagrożenie życia.
2 / 13Rozwiązanie
Ansamblowa platforma AI z gwarancją fizycznego uziemienia
7 niezależnych algorytmów analizuje każde EKG jednocześnie. Wynik jest akceptowany tylko gdy da się prześledzić łańcuch dowodów od diagnozy do pomiaru fizycznego.
🛡️
HGAM — Anti-Hallucination Framework
Hierarchiczny model weryfikacji: każda etykieta kliniczna (np. „STEMI") musi mieć ślad od diagnozy (W4) przez pomiar (W3), kalibrację (W2), detekcję sygnału (W1) do czystego kontekstu (W0). Bez pełnego śladu = odrzucone.
🔬
7-ścieżkowy ansambel
Vision AI + Siatka Semantyczna + Klasyczny DSP + Vision Transformer + PyHealth + BLIP-2 + Visual Grid. Redundancja jak w awionice — awaria jednej ścieżki nie wpływa na wynik.
🏷️ W4: Diagnoza — „STEMI w odprowadzeniu V2"
↑ musi mieć dowód ↑
📏 W3: Pomiar — ST = 2.3mm powyżej linii izoelektrycznej
↑ musi mieć kalibrację ↑
📐 W2: Kalibracja — 10px/mm, 25mm/s zweryfikowane
↑ musi mieć sygnał ↑
👁️ W1: Obserwacja — Sygnał EKG wykryty w obrazie
↑ czysty kontekst ↑
🧹 W0: Reset — Brak kontaminacji z poprzednich skanów
3 / 13Architektura
Jak to działa
Obraz EKG (zdjęcie, skan, PDF) wchodzi do systemu → 7 algorytmów analizuje równolegle → fuzja wyników z walidacją HGAM → raport kliniczny z łańcuchem dowodów.
Unikalne IP tworzące defensywną fosę — trudną do skopiowania przez konkurencję.
🛡️
HGAM Framework (do opatentowania)
Hierarchiczny Model Uziemionej Uwagi — jedyny system na rynku weryfikujący fizyczne podstawy każdej diagnozy AI. Eliminuje halucynacje na poziomie architektury, nie post-hoc.
📊
Siatka Semantyczna (do opatentowania)
Adresowanie Excel-style (A1-E5) umożliwia precyzyjną lokalizację zmian na EKG. System dual-scale: makro (per beat) + mikro (1mm fizyczny).
🧠
Lekarz-AI Pipeline
17-krokowy algorytm modelujący tok myślenia kardiologa. 26 reguł klinicznych zgodnych z wytycznymi ACC/AHA. Trade secret.
Bariera wejścia dla konkurencji
HGAM Anti-HallucinationBardzo wysoka
7-path EnsembleWysoka
Semantic Grid SystemWysoka
Lekarz-AI 17 krokówWysoka
BeatVector FAISSŚrednia
Dataset 7,700+ EKGWysoka
8 / 13Zespół
Ludzie stojący za technologią
Lekarz-programista z doświadczeniem klinicznym i technicznym, budujący zespół pod fazę komercjalizacji.
K
lek. Krystian
Founder & CEO · Lekarz
Lekarz z doświadczeniem klinicznym — specjalista chorób wewnętrznych i gastroenterolog. Certyfikaty z echokardiografii, USG i endoskopii. Łączy praktykę lekarską z inżynierią oprogramowania — sam zaprojektował i zbudował całą platformę: od algorytmów detekcji QRS przez framework HGAM po deployment produkcyjny. 180K+ linii kodu w 18 miesięcy.
Choroby wewnętrzneGastroenterologiaEcho / USGEndoskopiaPython / AIFull-stack
Plan rekrutacji (finansowany z rundy)
Kardiolog / Clinical AdvisorQ2 2026
Walidacja kliniczna, protokół badania, FDA advisory
ML EngineerQ2 2026
Rozszerzenie modeli, nowe patologie, optymalizacja inference
Regulatory Affairs SpecialistQ3 2026
FDA 510(k) submission, CE marking, QMS documentation
Business DevelopmentQ3 2026
Piloty kliniczne, partnerships z producentami urządzeń
9 / 13Model biznesowy
Trzy strumienie przychodów
Skalowalny model SaaS z opcją white-label i enterprise on-premise.
☁️
SaaS API (B2B)
$0.10 – $1.00 / analiza
Cel: platformy telemedyczne, sieci klinik, firmy ubezpieczeniowe.