Биомедтех с Аллой Панченко | SechenovTech

Perplexity Health и российский рынок: окно возможностей или упущенный шанс? Глобальные инвестиционные тренды в healthcare AI понятны (см. предыдущий пост). Но как эта логика работает в условиях фрагментированной инфраструктуры и отсутствия развитой экосистемы медданных? Разбираем российскую специфику. Специфика для России и развивающихся рынков Здесь ситуация двоякая. С одной стороны: отсутствие развитой инфраструктуры агрегации данных означает, что мы не можем повторить модель Perplexity быстро. У нас нет b.well с доступом к 1.7 млн медучреждений. ЕМК фрагментирована, интеграции слабые, FHIR не стандарт. С другой стороны: это создает окно возможностей для построения такой инфраструктуры "с нуля" с учетом AI-first подхода. Вместо того чтобы строить классическую EHR, можно сразу строить AI-native health data platform. Инвестиционно это означает: ⏺ Краткосрочно: инвестиции должны идти в health data infrastructure — платформы, которые решают вопросы интеграции медданных ⏺ Среднесрочно: появление локальных AI health agents, но они будут сильно зависеть от доступа к данным Проблема в том, что пока российские системы здравоохранения бодаются за протоколы доступа к данным, технологические компании могут просто обойти их, собирая данные напрямую от пациентов (как Perplexity делает через Apple Health, Fitbit и т.д.). Практические выводы для инвесторов и сочувствующих На что обращать внимание: ⏺ Health data aggregation — есть ли доступ к разнородным источникам медданных? ⏺ Distribution vs. technology — компании с трафиком добавят health AI быстрее ⏺ Cash-pay readiness — монетизация напрямую от пациента ⏺ AI-native architecture — построено с ИИ с первого дня или пытается прикрутить ИИ сверху к legacy-продукту? ⏺ Regulatory moat — как строить compliant AI-системы Заключение Perplexity Health — это не просто продуктовый анонс. Это демонстрация того, что точка создания стоимости в digital health сместилась от владения инфраструктурой к качеству интерпретации данных и удобству интерфейса. Краткосрочно это означает переоценку инфраструктурного слоя — агрегаторы данных станут горячими M&A-целями. Среднесрочно — формирование новой категории AI health navigation agents и давление на традиционные модели EMR/EHR. Для инвесторов это сигнал пересмотреть тезисы: вертикальные consumer health apps теряют привлекательность, инфраструктурные платформы и AI-native решения — выигрывают. А для российского рынка это еще один напоминание: пока мы обсуждаем, кто и как получит доступ к данным, рынок формируется без нашего участия.

Perplexity Health как сигнал смены инвестиционного ландшафта В продолжение нашего обсуждения в понедельник, есть еще одна мысль, которую хочется артикулировать. Появление Perplexity Health — это не просто запуск очередной функции в продукте. Это индикатор того, куда сместилась точка создания стоимости в цифровом здравоохранении. И если читать этот сигнал правильно, он многое говорит о том, куда пойдут деньги на краткосрочном и среднесрочном горизонте. Что изменилось фундаментально Классическая схема медицинского стартапа: строишь вертикальное решение, собираешь данные, выстраиваешь отношения с пациентами и провайдерами, монетизируешь. Perplexity пошли другим путем: взяли готовый агрегатор данных (b.well, который только что закрыл $40M Series C и имеет доступ к 1.7 млн медучреждений США), добавили интеграции с носимыми устройствами и наложили ИИ-слой в продукт, где люди уже проводят время. Стоимость создана не на уровне сбора данных, а на уровне интерпретации и интерфейса взаимодействия. Что нас ждет: краткосрочно (6-18 месяцев) – переоценка инфраструктуры Тезис 1: Взрывной рост инвестиций в агрегаторы медданных b.well — партнер Perplexity — это FHIR-платформа, унифицирующая доступ к данным. Именно такие компании становятся критической инфраструктурой. Ожидаю: ⏺ Рост инвестиций в health data aggregation platforms (Particle Health, 1upHealth) ⏺ Активные M&A — Epic, Oracle, Microsoft будут покупать агрегаторов ⏺ Рост оценок компаний с широким доступом к медданным Цифры это подтверждают: в 2025 году $18 млрд венчурного капитала пошло в healthcare AI — 46% всех инвестиций в healthcare. Доля AI-enabled компаний выросла с 37% до 54%. Тезис 2: Давление на вертикальные health-приложения Если Perplexity может интегрировать те же данные и дать консолидированный опыт, зачем отдельное приложение для диабета или фитнеса? Вертикальные решения должны быть либо исключительно глубокими клинически, либо B2B-ориентированными, либо частью экосистемы. Инвестиции в standalone consumer health apps будут под вопросом, если они не могут четко объяснить, почему пользователь не переключится на универсальную платформу. Что нас ждет: среднесрочно (18-36 месяцев) – бум AI-агентов навигации Тезис 3: Рост категории AI health navigation agents Perplexity Health — это персонализированный помощник в навигации по системе здравоохранения. Не диагностический инструмент, а помощник в навигации по системе здравоохранения с доступом к вашим данным. На среднесрочном горизонте ожидаю формирование новой инвестиционной категории: AI health agents — системы, которые: ⏺ Агрегируют данные из множества источников ⏺ Дают персонализированные рекомендации (не диагнозы) ⏺ Помогают пациенту взаимодействовать с системой здравоохранения эффективнее ⏺ Монетизируются через подписки или cash-pay модель По данным Bessemer Venture Partners (State of Health AI 2026), cash-pay consumers будут ускорять принятие клинического ИИ быстрее, чем коды возмещения. Критично: не нужно ждать страховщиков — пациент платит за удобство. Тезис 4: Новая категория Health AI data infrastructure BVP прогнозирует расцвет инфраструктурных компаний, которые обеспечивают качество медданных для обучения моделей, создают стандартизированные пайплайны, решают вопросы приватности. Речь о компаниях, которые: ⏺ Обеспечивают качество и структурирование медицинских данных для обучения моделей ⏺ Создают standardized health data pipelines ⏺ Решают вопросы приватности и compliance на уровне инфраструктуры Тезис 5: Давление на МИС-системы Если агрегаторы + ИИ-интерфейсы дают лучший опыт, Epic и Cerner теряют монополию на точку контакта с пациентом. Ожидаю агрессивное развитие собственных AI-возможностей или M&A. Для России и развивающихся рынков Отсутствие развитой инфраструктуры агрегации данных — барьер для быстрого повторения модели Perplexity. Но это создает окно для построения AI-native health data platform "с нуля". Проблема: пока мы бодаемся за протоколы доступа к данным, техкомпании обходят систему, собирая данные напрямую от пациентов (Apple Health, Fitbit).

Дневник соблазнов как продукт: digital‑терапия по‑пелевински Если перевести прошлый пост на язык CBT и нейронауки, здесь легко узнаются: управление триггерами и response prevention, mindfulness как наблюдение за потоком опыта, и изменение value function в терминах обучения с подкреплением. То есть, оставаясь в буддийско‑иронической позиции, Пелевин довольно точно описывает поведенческую архитектуру соблазна: его сила не в содержании (что именно ты делаешь), а в зацикленном паттерне времени, внимания и вознаграждения. Цифровой паттерн: дневник соблазнов как продукт Из этого легко вытягивается цифровой паттерн — дневник борьбы с внутренними «алгоритмами»: Что могло бы делать такое приложение/бот: Фиксировать триггеры. ⏺ Мини‑лог: «когда/где/с кем/в каком состоянии» запускается сценарий (усталость, одиночество, скука, тревога). Ловить коридор ожидания. ⏺ Не только «совершил/не совершил действие», а: • сколько времени прошло между импульсом и решением, • сколько раз за этот период ты возвращался к фантазии. Переключать внимание на форму. ⏺ В момент триггера дневник задаёт 2–3 быстрых вопроса: • что сейчас происходит с телом, • какие первые оправдания пришли в голову, • как меняется интенсивность желания по шкале 0–10. Поддерживать альтернативный ритуал. ⏺ Пользователь заранее задаёт «анти‑сценарий» (движение, дыхание, звонок, смена контекста), а система в нужный момент предлагает именно его, а не просто «держись». Работать с наградой. ⏺ Отмечать не только «я не сорвался», но и то, что человек получил взамен: ясность, спокойствие, чувство контроля. ⏺ То есть усиливать альтернативную value function, а не просто считать streak’и (сколько дней подряд ты делал привычку без пропусков). Визуализировать паттерны. ⏺ Показать, что соблазн — не хаос, а довольно стабильный алгоритм, который можно картировать: привычные часы, ситуации, «любимые» оправдания. В терминах нашей биомедтех‑оптики это уже почти заготовка цифровой терапии низкой интенсивности (low‑intensity digital CBT) для повседневных аддиктивных паттернов — от прокрастинации и думскроллинга до мягких поведенческих зависимостей. И это хороший пример того, как художественный текст про Эпштейна и квантовые прыжки внезапно превращается в методичку по дизайну систем работы с вниманием и привычками. Если смотреть на рынок, то трекеры привычек и mood‑journals уже давно живут в этом поле, но большинство продуктов фиксируют только верхушку айсберга — факт действия и streak’и. Кстати, интересно, что одним из самых заметных «игроков» в популяризации самонаблюдения у нас является не коуч и не психолог, а Варвара Веденеева @varya_daily — создатель «Периодики» и одновременно апологет трекеров привычек и календарей всего на свете. Она последовательно нормализует идею, что свою жизнь можно рассматривать как набор наблюдаемых паттернов, а не как хаос. На этом фоне идея дневника именно коридоров соблазна и триггеров выглядит естественным следующим шагом: не просто считать, сколько дней ты что‑то делал, а понимать, как именно твоё желание разворачивается во времени и где в этот алгоритм можно встроить интервенцию. Сбор именно коридора ожидания, триггеров и телесных/когнитивных паттернов — до сих пор слабо покрытая ниша, особенно в формате научно вменяемой, но лёгкой digital‑терапии. Гоу делать стартап для борьбы с зависимостями?))

За выходные прочитать не получилось, но за выходные +1 день - вполне. ВНИМАНИЕ: дальше сплошные спойлеры! Соблазн как алгоритм: Пелевин, CBT и архитектура привыче У Пелевина вышло «Возвращение Синей Бороды» — роман про Эпштейна, элиты и квантовые прыжки в прошлое. На поверхности это очередная конспирология, но интереснее другое: как автор использует эту историю, чтобы показать власть и зависимость не как политологические термины, а как опыт, который проживается телами и нервными системами. Власть как повторяющийся сценарий В романе один и тот же паттерн власти проигрывается через столетия. Меняются интерфейсы — неизменной остаётся структура: доступ к чужим телам, лицензия на насилие и ощущение полной безнаказанности. Финал аккуратно вписывается в старый пелевинский мотив: никакого «главного заговорщика» нет. Есть повторяющаяся форма желания и эксплуатации, которая переживает любые идеологии: сегодня это Эпштейн и офшорные джеты, завтра — другой бренд, но тот же паттерн. Тематически это близко к раннему Пелевину, где мир — симулякр, а власть — спектакль, но эмоционально уже чисто поздний тон: минимум надежды на индивидуальный прорыв, максимум понимания, что герой может сыграть только свою маленькую частную партию и не в силах переписать матрицу. Никакой «хорошей развязки» не обещают: читателю последовательно демонтируют надежду, что можно один раз всё объяснить, наказать, исправить, — и подводят к выводу, что единственный реальный шаг наружу лежит не через историю и политику, а через внутренний отказ участвовать в игре власти и соблазна. Почему это интересно техно/биомедтех‑людям Биомедтеха в лоб в книге нет. Зато есть очень аккуратный разбор ментального здоровья вокруг соблазнов и зависимостей. И здесь роман неожиданно сближается с когнитивно‑поведенческой терапией и digital health. У Пелевина соблазн и привычка не побеждаются героической силой воли «сверху». Они разбираются как алгоритм: триггер → внутренний монолог → действие → вознаграждение. Каждый прогон усиливает проложенный маршрут в психике. Ключевые мысли: ⏺ Соблазн живёт во времени ожидания. Пока ты предвкушаешь, фантазия раздувает импульс до мифа, и «борьба лоб в лоб» почти обречена. ⏺ Устойчивая привычка — это оформленный сценарий, а не «твой характер». ⏺ Работать нужно не с самим желанием, а с коридором времени и вниманием вокруг него — с условиями, в которых оно разрастается. Отсюда рождается почти технологический протокол: Шаг 1. Увидеть соблазн как внешний сценарий, а не «подлинное я». ⏺ Желание подаётся как алгоритм, который хочет энергии внимания и эмоций. ⏺ Пока ты с ним отождествлён — ты внутри кода, а не снаружи. Шаг 2. Сократить и «обрубить» коридор ожидания. ⏺ Чем меньше времени между триггером и решением, тем меньше шансов у желания стать мифом. ⏺ Быстрое «да/нет» или мгновенный выход из ситуации (смена контекста, действия, общения) работают лучше, чем долгие уговоры себя. Шаг 3. Перенастроить внимание с содержания на форму. ⏺ Вместо бесконечной прокрутки награды (сигарета, мессенджер, еда…) смотрим на процесс разгона: мысли, телесные ощущения, оправдания. ⏺ Когда внимание смещается на динамику желания, сценарий теряет «магнитность» — ты становишься исследователем, а не актёром. Шаг 4. Не бороться в лоб, а перестать подкармливать. ⏺ Каждый вход в старый сценарий — новое подкрепление. ⏺ Стратегия — не разовый подвиг, а снижение числа «запусков»: менять маршруты, окружение и ритуалы, из которых привычка обычно вырастает. Шаг 5. Переопределить вознаграждение. ⏺ Проблема не в наличии желаний, а в том, как мы калибруем «награду». ⏺ Пока наградой остаётся короткий дофаминовый всплеск, мозг будет возвращать тебя к старому паттерну; если ценность смещается на свободу, ясность, контроль, у старого сценария появляется конкурент. А с какими желаниями вам приходилось спорить в последнее время? Чувствуете, что такая архитектура работы с соблазнами могла бы вам помочь? В следующем посте попробую собрать из этого полноценный скелет для продукта — идею цифрового дневника соблазнов с довольно подробным to‑do листом для стартапа

Ошибки в медицине и ошибки при использовании ИИ в медицинской практике. Ч.2

Насколько вообще корректно ставить знак равенства между ошибками врачей и "ошибками" ИИ-систем в таком сравнительном анализе? Может, я вообще не так рассуждаю, и эти метрики несопоставимы?

Те ИИ-модели которые мне известны в медицине не совсем корректно соотносить с работой обычного врача. Чаще всего это скорее вопросы диагностики, где основную роль играет насмотренность. В медицинской практике есть к примеру рентгенологи, которые работают в институте туберкулёза и болезней лёгких - понятно, что их насмотренность в такой патологии существенная. Или патологоанатомы, которые диагностируют опухоли. Тут важно, что патолог работает в крупном онкоцентре, где частота какого то определенного рака выше, настолько что он уже может не просто поставить диагноз, но и видеть какие то более глубокие особенности опухоли. В то время как рентгенолог или патологоанатом где то в ЦРБ "сидит" совсем на другом материале и может допустить ошибку. Потому и принято ездить со стеклами в крупный центр. Другой очень удачной моделью является ИИ в колоноскопии, система анализирует видеозапись в реальном времени и подсвечивает врачу участки, которые стоит проверить ещё раз. Особенно хорошие результаты эта модель показала себя в исследовании усталости врачей. С утра доктор свеж и бодр и способен сам почти все увидеть. А через 5 часов, ситуация сильно меняется и ошибок становится больше. Когда мы сравниваем врача и модель ИИ для медицинских нужд, мы вероятно допускаем не совсем корректное "кто лучше". Одно дело врач, принимающий решение и оценивающий данные в совокупности. Другое дело его ИИ помощник. Мы же представляем себе как компьютер ставит нам диагноз и выдает назначения без человека вообще, а это не совсем пока верно. Приведу примитивный пример с навигатором. Все мы используем в машине навигатор. Он строит маршруты. Когда ездишь из дома на работу и хорошо знаешь дорогу, видишь огрехи работы этого ИИ помощника, он может порой завести в дебри. Но если ты в незнакомом городе, то такой проводник это лучший вариант достичь цели, пусть и допустив два-три поворота не туда. Ну и все таки, машину (пока) ведёт водитель, а не навигатор))

Какой уровень ошибок ИИ-инструмента был бы для вас, как для эксперта по врачебным ошибкам, приемлемым для использования в качестве вспомогательного инструмента (именно вспомогательного, не заменяющего врача)? Есть ли вообще такой порог, или любое использование ИИ в медицинском контексте на текущем этапе преждевременно?

Есть о чем подумать. Не предъявляем ли мы к ИИ модели больше требований чем к человеку. В том смысле, что человек имеет право на ошибку, а ИИ модель нет, она должна быть точна на 99,99%? И ошибка ИИ кажется нам более неприемлемой чем ошибка человека? Это конечно вопрос психологии, философии и всех прекрасных наук, где мы думаем почему человек делает и думает так. Основой для ошибки, при добросовестном поведении врача (имею в виду отсутствие пренебрежения правилами, стандартами, забывчивость, несовершенство организации) как у живого врача, так и у ИИ модели является набор данных, получаемых от пациента. Учитывая, что мы о человеке знаем много, но ничтожно мало, этот набор данных нельзя назвать идеальным и достаточным в каждом случае. Одни только варианты сценариев "атипичность", "бессимптомность", "коморбидность" чего стоят. У обоих моделей (человек и ИИ) есть свои сильные и слабые стороны. К примеру ИИ не может пропустить часть алгоритма, тогда как человек (особенно с русским характером) вполне. Иногда именно жесткое соблюдение протокола даёт те самые изменения, инициирующие следующеий диагностический поиск и, достижение правильного диагноза. Думаю, что вопрос преждевременности использования ИИ в медицине уже не стоит. Это не будущее, а скорее то настоящее, которое за окном. Вопрос лишь лучших практик использования такого помощника, настройки модели и креативности в разработке новых направлений в его использовании.

Ошибки в медицине и ошибки при использовании ИИ в медицинской практике Любопытная и как обычно инновационная дискуссия поднята в канале Биомедтех с Аллой Панченко| SechenovTech. Вопрос о том, насколько часто врачи ошибаются и каков приемлемый уровень медицинских ошибок? И как это увязывается с ИИ? У ИИ инструментов этот уровень выше или ниже? Отвечаю на вопросы автора поста.

Совпадают ли эти цифры (11% средний уровень диагностических ошибок, 7% вредных ошибок) с тем, что обсуждалось, например, на недавнем конгрессе по судмедэкспертизе в МОНИКИ? Или российская статистика показывает другие значения?

Ответ на этот вопрос, к сожалению, не в пользу российской статистики медицинских ошибок, потому что такой статистики попросту нет. Все данные, которыми мы оперируем - из личных исследований, отдельных отраслей медицинской науки в регионах (к примеру когда заведующий отделением экспертизы по материалам дела Бюро судебно-медицинской экспертизы публикует статистику своего отдела). Раньше такая статистика позволяла увидеть регион в цифрах. Теперь нет, так как экстерриториальность назначения экспертизы набрала чрезвычайно высокие обороты. Но если брать те публикации которые уже есть, то на материале судебно-медицинских экспертиз объем ошибок всегда (и в советское время и сейчас) был более 50%, а многими исследователями отмечалась цифра порядка 75%. Стоит правда понимать особенности выборки случаев в судебно-медицинской практике - у нас Клондайк неблагоприятных исходов. К примеру в рутинной практике лидокаин для анестезии используется миллионами случаев в год. А судмедэксперт же видит отравления от перепутывания 1-2% лидокаина и 10%. Либо случаи анафилаксии (аллергических реакций). Некоторую статистику могли бы дать страховые компании по итогам экспертизы качества, ведь масштаб их работы намного больше чем у СМЭ. Они проверяют 1% амбулаторных карт и 10% стационарных. Если у СМЭ в мегаполисе речь идёт о 500-700 экспертизах в год. То эти ребята делают тысячи, если не десятки тысяч ежегодно в том же городе. И снова та же история, только отдельные активисты. И так далее по каждому, кто контактирует с медицинскими ошибками. И о Росздравнадзоре, куда поступают жалобы граждан. И о введенном везде внутреннем контроле качества, который должен регистрировать неблагоприятные события. Никто не собирает статистику, потому что на федеральном уровне это не востребовано. Хорошо, скажете вы, давайте соберём то что есть, пусть это будет пазл, но мы попробуем угадать картинку, которая в нем расшифрована. И снова не получится, потому как столкнемся с проблемой N2 под названием отсутствие общего понятийного аппарата и классификации ошибок. Здесь во всей красе предстоит перед нами Вавилон медицинских ошибок. Где все участники, анализирующие ошибки используют свои термины, вкладывают в них свой смысл, разрабатывают и используют для анализа свои классификации медицинских ошибок. Из простого: у СМЭ недавно убита дискуссия недостаток/дефект медицинской помощи. У экспертов же качества другой термин для описания того же самого - нарушения при оказании медпомощи. И вроде бы виды недостатков медицинской помощи примерно у всех похожи (диагностические, лечебные, организационные ошибки и т.п.), а смыслы внутри них разные. Вспоминается доклад д.м.н. Л.А. Шмарова на конгрессе СМЭ, который сказал то, о чем я теперь не могу перестать думать, потому что использую иной подход. Неправильно поставленный диагноз - это не недостаток диагностики, объяснял докладчик, потому что это последствие. К этому последствию привело нарушение диагностического протокола (что то не выполнили, где то получили ошибочные результаты). Я же, ошибочный диагноз отношу к недостатку диагностики. Так что короткий ответ на вопрос - никто не знает, потому что проблема эта волнует только отдельных энтузиастов. И потому все мы пользуемся исследованиями зарубежных коллег, которые копят этот массив big data в сфере медицинских ошибок.

Так сколько ошибок допустимо для ИИ в медицине? Разница принципиальная: специализированные системы обучены на медицинских данных, используют клинические протоколы и структурированный подход. Общие LLM — это болтуны, которые могут быть опасны. Какой уровень ошибок был бы приемлемым? Если мы хотим, чтобы ИИ-инструмент "не бросался в глаза" на фоне существующей практики, можно выделить три порога: Либеральный порог: ≤ 11.1% — средний уровень диагностических ошибок. Если ИИ ошибается меньше или столько же, как средний врач, это уже не хуже существующего стандарта. Умеренный порог: ≤ 7% — уровень вредных диагностических ошибок и предотвратимых неблагоприятных событий. Здесь планка выше, но всё ещё реалистичная. Консервативный порог: ≤ 5% — уровень, который был бы значительно лучше текущей практики. По этим критериям: ⏺ Специализированные ИИ-системы (8-15% ошибок) находятся в коридоре между либеральным и умеренным порогом — сопоставимы с врачебной практикой ⏺ ChatGPT и общие медицинские чатботы (40-50% проблемных ответов) в 4-6 раз хуже любого приемлемого стандарта Что это значит для Perplexity Health? Ключевой вопрос: что именно под капотом? Если Perplexity использует специализированные медицинские модели, интегрирует клинические гайдлайны и структурирует данные — можно ожидать уровень ошибок 8-15%, что вполне сопоставимо с врачебной практикой. Если это просто GPT с доступом к вашим анализам — ждите 40-50% ошибок, что катастрофически плохо. И здесь важно понимать позиционирование: Perplexity Health — это не замена врача, а инструмент для информированного диалога. Персонализированный саммари перед визитом, агрегация данных из разных источников, интерпретация трендов. В этой парадигме даже 15% ошибок не фатальны — финальное решение всё равно за врачом. Главный тезис, который меня беспокоит Фраза "нужно подождать данных реальной практики" звучит разумно, но упускает ключевое: мы УЖЕ ждем данных реальной практики от существующей медицины, которая показывает 11% диагностических ошибок. Вопрос не в том, "безопасно ли это абсолютно", а в том, "безопаснее ли это того, что есть сейчас". И если специализированный ИИ ошибается в 8-10% случаев против 11% у врачей (или 27% базовой точности) — это уже конкурентоспособный уровень. Системы здравоохранения проиграют эту гонку не потому, что ИИ-инструменты опасны или недостаточно протестированы. Они проиграют, потому что они удобны. Пациент получает ценность здесь и сейчас — не через три недели ожидания записи к терапевту, не после хождения по кабинетам за анализами, которые никто не сводит в единую картину. Риск в том, что пока мы будем выстраивать идеальные протоколы безопасности и ждать долгосрочных исследований, рынок персонализированной медицинской аналитики сформируется без участия классических систем здравоохранения. И мы снова окажемся на обочине. P.S. Вопрос к Олесе Валерьевне @medical_error_by_Veselkina Несколько вопросов к вам от меня и, думаю, от многих коллег: Во-первых, совпадают ли эти цифры (11% средний уровень диагностических ошибок, 7% вредных ошибок) с тем, что обсуждалось, например, на недавнем конгрессе по судмедэкспертизе в МОНИКИ? Или российская статистика показывает другие значения? Во-вторых, насколько вообще корректно ставить знак равенства между ошибками врачей и "ошибками" ИИ-систем в таком сравнительном анализе? Может, я вообще не так рассуждаю, и эти метрики несопоставимы? И в-третьих — какой уровень ошибок ИИ-инструмента был бы для вас, как для эксперта по врачебным ошибкам, приемлемым для использования в качестве вспомогательного инструмента (именно вспомогательного, не заменяющего врача)? Есть ли вообще такой порог, или любое использование ИИ в медицинском контексте на текущем этапе преждевременно? Будем крайне признательны за экспертное мнение!

ИИ vs врач: считаем "допустимый уровень ошибок" у Perplexity Под постом про Perplexity Health мне написали: "нужно подождать данных реальной практики, насколько это окажется безопасным при использовании в широкой популяции". Справедливое замечание, которое заставило меня задуматься о том, как вообще оценивать "приемлемость" ошибок ИИ-систем в медицине. Мы почему-то требуем от технологий идеальности, хотя сама медицина далека от нее. Так какой уровень ошибок был бы "нормальным" для ИИ-инструмента, чтобы он не бросался в глаза на фоне текущей медицинской практики? Давайте попробуем это посчитать по открытым источникам, а потом попросим глубоко уважаемую мной коллегу прокомментировать это с позиции отечественной судмедэкспертизы Олеся Валерьевна, оч прошу! @medical_error_by_Veselkina Baseline: сколько ошибаются врачи Если опираться на исследования, опубликованные в последние годы, картина получается интересная. Согласно данным крупного исследования, опубликованного в Harvard Medical School в 2024 году, средний уровень диагностических ошибок составляет 11.1%. Но это средняя температура по больнице — разброс огромный: от 1.5% для инфаркта миокарда до 62% для спинального абсцесса. То есть для некоторых состояний вероятность ошибочного диагноза превышает 50%. Johns Hopkins Medicine в своем отчете 2023 года указывает, что 7% госпитализированных пациентов сталкиваются с вредными диагностическими ошибками — теми, которые приводят к реальным негативным последствиям. Ещё более тревожная цифра: среди критических пациентов в реанимации или умерших доля диагностических ошибок достигает 23%. Метаисследование, опубликованное в BMJ, показывает, что каждый 14-й госпитализированный пациент сталкивается с вредной диагностической ошибкой. А NBC News в 2023 году опубликовал данные, согласно которым почти каждый четвертый госпитализированный пациент (23.6%) сталкивается с каким-либо неблагоприятным событием, из которых 7% — предотвратимые. Это не обвинение врачей. Это объективная сложность медицины как дисциплины: неполные данные, атипичные проявления болезней, человеческая усталость, временные ограничения на прием. А что с ИИ? Здесь картина сильно зависит от того, о какой именно системе мы говорим. Специализированные ИИ-системы диагностики показывают точность 85-92%, то есть уровень ошибок 8-15%. Это данные из нескольких независимых исследований, опубликованных в NIH PMC и других источниках. Например, Microsoft AI Diagnostic Orchestrator показал 85% точности на сложных клинических случаях из NEJM, тогда как врачи без помощи ИИ давали правильный ответ только в 20% случаев. TIME в 2025 году опубликовал материал об этом исследовании с говорящим заголовком "Microsoft's AI Is Better Than Doctors at Diagnosing Disease". ChatGPT-4, протестированный на медицинских экзаменационных вопросах, набрал 92 балла против 74-76 у врачей. Российский Diagnocat в стоматологической диагностике показал 4.86% ошибок против 7.29% у врачей, работая при этом в 6 раз быстрее. Базовая точность врачей в исследованиях оценивается в 73% — то есть 27% ошибок. Но есть важный нюанс: медицинские чатботы общего назначения — совсем другая история. CIDRAP опубликовал в апреле 2026 года исследование, показавшее, что такие чатботы дают проблемные ответы в 49.6% случаев. ChatGPT на медицинских вопросах дает корректные ответы только в 57.8% случаев. При неполных входных данных уровень ошибок превышает 80%.

Perplexity Health: сбылось то, о чем мы думали Помните наши разговоры про то, что системы здравоохранения потеряют контроль над медицинскими данными? Что стартапы просто придут и заберут их напрямую у пациентов? Ну вот, случилось. Пока институциональные игроки бесконечно бодаются за доступ к данным их МИСов, обсуждают, дать ли кому-то данные или нет, выстраивают бюрократические протоколы доступа — технологические компании реализовали самый очевидный сценарий. Анархистский подход к организации медданных победил: данные идут туда, где есть удобный интерфейс и понятная ценность для человека. И чуть жаль, что мы в этой революции участвуем только как пользователи. Классические системы здравоохранения остаются на обочине нового рынка, а ценность создается совсем в другом месте. Что сделал Perplexity: В марте запустили Health — полноценную интеграционную платформу, не очередной чат-бот с медицинской базой знаний: ⏺ Доступ к медицинским записям из 1,7 млн учреждений США через партнера b.well (анализы, рецепты, визиты к врачам) ⏺ Подключение носимых устройств и health-трекеров: Apple Health, Fitbit, Ultrahuman, Withings, Google Fit (ŌURA и Function — в планах) ⏺ Единая панель с трендами биомаркеров и активности ⏺ ИИ-анализ на основе всего массива данных одновременно Ключевое отличие — Perplexity Computer: Не просто ответы на вопросы, а создание персонализированных инструментов: ⏺ Протоколы подготовки к спортивным событиям на основе фитнес-данных ⏺ Автоматические саммари перед визитами к специалистам ⏺ Персонализированные планы питания с учетом биомаркеров ⏺ Поиск релевантных специалистов Качество информации: Источники — клинические гайдлайны и рецензированные журналы, не SEO-контент из WebMD. Прозрачное цитирование. Четкие рекомендации, когда необходима консультация врача. Технические детали приватности: E2E шифрование при передаче и хранении, гранулярный контроль источников данных, данные не используются для обучения моделей и не передаются третьим сторонам. Доступность: ⏺ Pro/Max подписчики в США, постепенный роллаут. ⏺ Web: perplexity.ai/health | iOS: поиск "Health" Почему это важно: Это практическая реализация того, о чем мы говорим последние годы — пациентоцентричность через технологии. Данные в руках пациента + инструменты для их осмысления. Не замена врача, а средство для информированного диалога. Стратегия гениально проста: не строить очередной медицинский портал, а встроить функционал туда, где люди уже задают вопросы о здоровье. Пациент получает ценность здесь и сейчас, а данные естественным образом агрегируются в платформе. Географически пока только США, но модель масштабируема. Оч жду релиз на Европу, чтобы оттестировать

В этом году Пелевин решил сломать даже собственную традицию — и выкатил новый роман вообще вне привычного осеннего ритуала. никакого «сентябрьского релиза», просто — внезапно. «Возвращение Синей Бороды» Так что мои планы на выходные предельно понятны: читаю в режиме «оперативного реагирования». А вам пока предлагаю чуть разогреться и вспомнить мой прошлый пост про Пелевина и биомедтех. Там была простая, но, кажется, полезная мысль: Пелевин — это не только сатира, но и довольно точная карта будущих технологических направлений, если уметь ее читать. Я разбирала несколько линий, которые он «нащупал» задолго до их мейнстримности: ⏺ управление сознанием → нейроинтерфейсы, психоделическая терапия, BCI ⏺ бессмертие → крионика, digital immortality, сенолитики ⏺ биодизайн и неравенство → CRISPR, эпигенетика, биопечать ⏺ виртуальные миры → VR как терапия и новая «реальность» ⏺ постчеловек → киборгизация, ИИ-компаньоны, трансгуманизм Но главный вывод был даже не в этом. Пелевин ценен не как предсказатель технологий, а как симулятор последствий. Он довольно точно показывает, во что превращается человеческая психика, когда эти технологии становятся повседневностью. А это, если честно, для биомедтеха иногда важнее, чем сами технологии. Если вы ищете идеи или углы зрения для проектов — его тексты вполне можно использовать как странный, но рабочий инструмент. В общем, если тоже возьметесь за новый роман — будет интересно потом сравнить заметки

«Или вши победят социализм, или социализм победит вшей!» — очень неожиданный слоган для разговора про биомедтех в день рождения Владимира Ильича. И в этом смысле Ленин — не только отец русской революции, но и довольно неожиданный отец русского биомедтеха: человек, который поставил здоровье в разряд базовой инфраструктуры, без которой никакой большой проект не взлетит. От этой почти мемной фразы очень удобно идти дальше. За ней стоит не только эпоха эпидемий, тифа и санитарных кордонов, но и простой тезис: здоровье — это не “социальный бонус”, а базовая инфраструктура для любой большой политической и экономической конструкции. В этой логике Ленин неожиданно превращается в человека, который помыслил здравоохранение как единую систему: профилактика важнее латания дыр, санитария и просвещение — не менее важны, чем больничные койки, а материнство, детство и борьба с социальными причинами болезней — в центре внимания. По сегодняшним меркам это уже почти public health и value‑based healthcare, просто на языке начала XX века. На такой платформе довольно естественно выросли массовые истории про вакцинацию, диагностику, большие программы по борьбе с инфекциями — а дальше уже и биомедтех, который закрывает всё более тонкие и сложные задачи. Второй слой — абсолютно сюрреальный: политический культ тела Ленина породил, по сути, один из самых длинных биомедицинских R&D‑проектов XX века. Лаборатория, технологии консервирования тканей, микроинъекции, оборудование, эксперименты с растворами — целая биомедицинская инженерия ради того, чтобы одно тело выглядело “правильно”. Побочные эффекты этой странной задачи потом вышли в нормальную медицину: к трансплантологии, к диагностике, к прикладным биомедицинским решениям. Иногда идеология формулирует задачу настолько невозможную, что ради её решения приходится изобретать технологии будущего. И третий момент — ленинско‑семашковская модель здравоохранения как «операционная система» для медтех‑инноваций. Централизованная, профилактическая, заточенная под массовый доступ, с сильной связкой науки и практики — на ней десятилетиями запускались новые технологии: от рентген‑кабинетов и прививочных кампаний до сложной высокотехнологичной помощи и сегодняшних цифровых сервисов. Если биомедтех — это устройства, софт и сложные интервенции, то 22 апреля — хороший повод вспомнить, что без политических решений про “вшей, тиф и санитаров” никакие красивые девайсы не становятся частью жизни, а остаются лабораторной экзотикой. И вот тут мне особенно интересно дать вам повод порассуждать в комментариях: если считать Ленина «отцом русского биомедтеха», то это больше комплимент или приговор системе — с её централизацией, культом профилактики и очень специфической связкой идеологии и науки?

Медтех-стартапы: новое поколение За последние годы я провёл десятки часов на различных питчах: как ментор Кластера биомедицинских технологий Сколково, как эксперт, как член жюри на конкурсах. И наблюдаю такую тенденцию: проектов стало больше, но главное - они стали другими. Сейчас приходят реально другие команды. Если пять-семь лет назад типичный медтех-стартап - это один инженер с прототипом и лишь надеждой на грант, то сейчас всё чаще я вижу другую картину: инженер с врачом и регуляторщиком, в компании с кем-то, кто понимает бизнес. Команды научились формироваться правильно, а это уже половина успеха. Кроме того, идеи стали ближе к пациенту, то есть стало меньше проектов типа «сделаем Uber для медицины» (да-да, я в курсе, что это уже почти мем😄). Сейчас стало существенно больше команд, которые находят конкретную проблему и предлагают ее решение. Когда стартап начинается с реальной боли пациента, а не с технологии, которая есть, но пока нет идей зачем она и куда ее можно «приткнуть», то шансы на успех кратно выше. Еще важное наблюдение - экосистема наконец заработала. На новый уровень вышла система поддержки и развития проектов в Сколково, появились крутые акселераторы (в том числе в рамках Платформы НТИ), университетские программы - каких-то пять лет назад этого просто не было в таком виде. Отдельно отмечу SechenovTech - за восемь завершённых сезонов их выпускники привлекли более 500 млн рублей, 42 команды стали резидентами Сколково. Это уже не акселератор-эксперимент, а работающая инфраструктура, и держится она на конкретных людях: таких энтузиастах, как Алла Панченко (@alloalla). Отдельный респект! 👍 А вот что я постоянно повторяю стартапам на каждой защите и на каждом менторском разборе: 1️⃣ Регуляторику важно закладывать ДО первой строчки кода. Почти половина медтех-стартапов называют регуляторные сложности ключевым барьером. Регистрация инновационного медизделия занимает в среднем полтора-два года. MVP можно сделать за полгода, а вот на регистрацию придется выделить еще два. Для команды из пяти человек без капитала это часто означает конец истории. 2️⃣ Между прототипом и продуктом не должно быть «долины смерти». Доклинические исследования могут стоить 20-30 млн рублей, это слишком много для грантов, но одновременно слишком мало для крупных инвесторов. Обычно тут и ломается большинство проектов. Не из-за плохой технологии, а банально из-за кассового разрыва. Я часто видел, как команды с отличной разработкой уходили с рынка просто потому, что не смогли собрать эти 25 миллионов в нужный момент. 3️⃣ Врач в команде - не опция, а важный элемент. Медтех-стартап без практикующего врача в команде - это уже угадывание, а не разработка. Все сильные проекты, которые я видел, всегда начинались с клинической экспертизы, а не с инженерной идеи. 🚀 Российский медтех взрослеет, что меня сильно радует. Команды стали собраннее, идеи - ближе к рынку, а инфраструктура - плотнее и эффективнее. Теперь, когда я слушаю очередной питч, всё реже думаю «ну пусть попробуют», и всё чаще верю в их успех.

В выходные прошел демо-день хакатона с прекрасной компанией соорганизаторов! Берём на вооружение лучшие практики по контролю тайминга)

Почему у Европы и США разные ответы на один и тот же биомедтех‑вопрос Мы часто смотрим на европейский или американский опыт как на «готовый ответ»: кажется, что там уже всё придумали, формализовали и аккуратно оформили в методички. Иностранные акселераторы, кластеры, venture‑builder’ы выглядят как законченная конструкция, к которой нам остаётся только «подтянуться». Но если присмотреться к текущей повестке, становится видно: там тоже идут эксперименты с форматами, и многие вещи сейчас формулируются буквально «на лету». Пару дней назад вышел свежий обзор, где сравнивают американский и европейский подходы к biotech‑venture‑studios и venture‑builder’ам. В США эталоном считают условный Flagship Pioneering: мощное ядро, внутри которого рождаются научные гипотезы, проходят раннюю проверку, а потом выносятся в отдельные компании с серьёзным капиталом и агрессивной стратегией роста. Там ставка на максимальный масштаб и способность рынка «переварить» много рискованных, но потенциально прорывных историй. Европейская картинка другая. Там venture‑builder — это не клон Flagship, а вполне самостоятельная модель, рождающаяся из других ограничений: более фрагментированного рынка, сильной роли грантов и госпрограмм, меньшего количества мегараундов и культурного фокуса на аккуратном обращении с капиталом. Поэтому многие студии действуют как аккуратные фабрики компаний: ⏺централизуют дорогую экспертизу — биологию заболевания, дизайн клиники, регуляторку, партнёрства; ⏺разбивают риск на отдельные «корзины» — под каждую программу создают дочернее юрлицо/SPV; ⏺учатся жёстко выбирать, какие активы тянуть дальше, а какие закрывать без драмы. Хороший пример — французская 4P‑Pharma, которая описывает себя именно как startup‑studio с моделью drug regeneration: они забирают перспективные, но «застрявшие» молекулы и системно переупаковывают их под серьёзные незакрытые показания. Внутри студии сидит ядро компетенций, а под каждую программу создаются отдельные компании вроде 4Moving Biotech или 4Living Biotech. Аналогично, бельгийская AQYLA работает как TechBio‑venture‑builder: фокус на AI‑first биологии, внутренний генератор гипотез и фабрика небольших, но хорошо продуманных компаний вокруг платформы. Если связать это с нашей дискуссией «ракета–воронка», то европейский venture‑builder как раз про то, как совместить глубину «ракеты» (сильная отрасль, тяжёлая наука) с логикой «воронки» (портфель программ, отсев, постоянное переформатирование). Это не одна идеальная команда, которая должна «взлететь любой ценой», а система, которая изначально рассчитана на множественность, на то, что часть траекторий неизбежно обрывается, а часть — выходит на орбиту и тащит за собой всю конструкцию. В этом смысле недавний европейский обзор — хороший повод ещё раз посмотреть на себя со стороны. Не в режиме «там уже всё сделали, а мы отстаём», а в режиме «там тоже ищут работающие формы — и часто по тем же причинам: дорогая R&D, длинные циклы, регуляторная сложность, нехватка капитала на ранних стадиях». Мы, кстати, с самого начала в 2022 году в Сеченовке планомерно мечтаем и строим отраслевого венчур‑билдера в биомедтехе. Долго, сложно, часто тупиково)))) Венчур-билдер не как модный ярлык, а как осознанная модель работы с множеством проектов, рисками и компетенциями. Я по‑прежнему верю, что для университетской медицины и сложных медтехнологий именно этот формат — самый честный и жизнеспособный.

Модель суверенной акселерации (начало / часть 2) А что по биомедтеху? В биомедтехе модель «ракеты» особенно опасна, потому что мы выходим на рынок, где одновременно работают сотни конкурирующих команд по всему миру, и никто не знает заранее, какая именно траектория окажется успешной. Если мы жёстко подчиняем университетские проекты одной линии приоритетов и ограниченному числу «национальных чемпионов», мы резко сужаем пространство эксперимента и теряем время на согласование вместо того, чтобы выпускать большое число параллельных попыток. Для реальной конкуренции нам нужна модель цветущего множества – спорадические разработки, множество мелких и смелых экспериментальных проектов, постоянное «бурление», из которого вырастают неожиданные решения и новые команды. В биомедтехе это не роскошь, а условие выживания: пока наша «ракета» готовится к старту, глобальный рынок уже успевает несколько раз перезапустить воронку и отобрать новые сильные решения. Вопрос к стартапам и командам: вы кто — воронка или ракета? Мне важна не только позиция организаторов и кураторов акселераторов, но и голос самих команд. Поэтому хочу предложить вам обсудить это прямо здесь, в комментариях. ⏺ Если вы проходили акселераторы: ощущали ли вы себя частью ракеты с жёсткой траекторией или участником воронки, где важен путь и накопление опыта? ⏺ Что для вас важнее: шанс войти в «национальную технологическую цепочку» любой ценой или возможность безопасно экспериментировать, менять направление и при этом не «выбывать из игры»? ⏺ Верите ли вы в язык «суверенной акселерации», «технологических цепочек» и «национальных чемпионов», или он пока больше про риторику, чем про вашу реальную жизнь в проекте? Напишите, пожалуйста, в комментариях: ⏺ видите ли вы себя в модели воронки или в модели ракеты; ⏺ какие понятия из этой новой «суверенной» оптики вам откликаются, а какие – вызывают отторжение и почему. Я постараюсь собрать ваши ответы и принести их в дискуссию 22 апреля, чтобы разговор о суверенной акселерации опирался не только на правильные слова, но и на живой опыт команд. 🟠22 апреля | 12:00–14:00 мск | онлайн ➡️Подробности программы и форма регистрации — на сайте

Модель суверенной акселерации (часть 1 / продолжение) Университетские акселераторы сегодня оказываются в центре большого разговора о технологическом суверенитете. На онлайн‑дискуссии «Университетский акселератор и суверенитет: новая формула акселерации» 22 апреля я попробую обсудить это с соразработчиками модели суверенной акселерации – АНО «Платформа НТИ» и другими университетами и партнерами через опыт Сеченовского университета. Какие новые слова нам предлагают В статье о «Суверенной акселерации» авторами вводится целый набор понятий, через которые предлагается переосмыслить акселераторы. Если попробовать их собрать и перевести на рабочий язык, получается примерно так: ⏺ «Суверенная акселерация» – акселератор как инструмент достижения национального технологического суверенитета, а не только коммерческого успеха отдельных стартапов. ⏺ «Ракета» вместо «воронки» – линейная модель, где отбор, доращивание и вывод проектов на рынок встроены в единую траекторию, заточенную под «стратегические» компании и IPO. ⏺ «Технологические цепочки» – ожидание, что университетские проекты станут звеньями в заранее заданных цепочках вокруг крупных игроков (от OZON и VK до Positive Technologies и госкомпаний). ⏺ «Приоритетные технологические направления» и «национальные чемпионы» – жёсткая связка акселератора с государственно определёнными приоритетами и компаниями, которые должны «подхватывать» проекты. Мне кажется важным не просто повторять эти термины, а честно спросить себя: насколько мы им верим и что они реально меняют в жизни команд. Почему я скептична к модели «ракеты» Авторы текста предлагает метафору «ракеты» вместо привычной «воронки». Ракета подразумевает единый жёсткий курс: проект либо встроился в траекторию, либо «отвалился» как несостоявшийся. Почему у меня к этому вопросы: ⏺ Ракета предполагает жёсткую траекторию и высокую «цену билета» для команды: если ты не вписался в нужный трек, тебя как бы не должно быть. ⏺ Воронка, наоборот, допускает широкий вход, множественность исходов и право на поворот: команда может не стать стартапом в классическом смысле, но вынести из процесса опыт, связи и новый проект. ⏺ В логике ракеты, акцент – на «правильном» отборе под заранее заданный образ результата; в логике воронки – на образовательном и предпринимательском эффекте для максимального числа участников. ⏺ Для университетской среды, где значимы обучение, формирование предпринимательской культуры и карьерные траектории выпускников, воронка выглядит естественнее, чем ракета. Если акселератор превращается в ракету, слишком легко начать жертвовать командами ради красивой траектории для отчёта. Мне ближе модель, где даже «не взлетевшие» проекты получают рост компетенций, мотивацию, сеть контактов и понимание следующих шагов. Что я бы оставила от новой модели, а что — поставила под вопрос В самой идее «суверенной акселерации» мне кажутся конструктивными несколько моментов. Что выглядит сильным: ⏺ Прямое связывание акселераторов с национальными технологическими приоритетами – это честная постановка задачи, а не абстрактный «про стартапы вообще». ⏺ Попытка встроить университетские акселераторы в большие технологические цепочки, а не держать их в вакууме. ⏺ Признание роли крупных компаний и государства как заказчиков и «последней мили» для университетских команд. Что вызывает сомнения: ⏺ Ориентация на жёсткий единый трек (ракета) вместо портфеля траекторий для разных типов команд и стадий. ⏺ Риск, что «суверенитет» станет ещё одной идеологической надстройкой над всё теми же практиками, а не изменит отношения к ошибкам, эксперименту и праву на разворот. ⏺ Опасность превратить акселератор в инструмент обслуживания заранее заданных игроков, а не в пространство появления новых субъектов. На стороне университетов это поднимает вопросы: что именно мы растим – стартап, инженерно‑технологический проект, R&D‑команду, будущего интрапренёра? И все ли эти типы проектов вообще должны лететь в одной ракете. 🟠22 апреля | 12:00–14:00 мск | онлайн ➡️Подробности программы и форма регистрации — на сайте

В биомедтехе модель «ракеты» особенно опасна, потому что мы выходим на рынок, где одновременно работают сотни конкурирующих команд по всему миру, и никто не знает заранее, какая именно траектория окажется успешной. Если мы жёстко подчиняем университетские проекты одной линии приоритетов и ограниченному числу «национальных чемпионов», мы резко сужаем пространство эксперимента и теряем время на согласование вместо того, чтобы выпускать большое число параллельных попыток. Для реальной конкуренции нам нужна модель цветущего множества – спорадические разработки, множество мелких и смелых экспериментальных проектов, постоянное «бурление», из которого вырастают неожиданные решения и новые команды. В биомедтехе это не роскошь, а условие выживания: пока наша «ракета» готовится к старту, глобальный рынок уже успевает несколько раз перезапустить воронку и отобрать новые сильные решения. Вопрос к стартапам и командам: вы кто — воронка или ракета? Мне важна не только позиция организаторов и кураторов акселераторов, но и голос самих команд. Поэтому хочу предложить вам обсудить это прямо здесь, в комментариях. ⏺ Если вы проходили акселераторы: ощущали ли вы себя частью ракеты с жёсткой траекторией или участником воронки, где важен путь и накопление опыта? ⏺ Что для вас важнее: шанс войти в «национальную технологическую цепочку» любой ценой или возможность безопасно экспериментировать, менять направление и при этом не «выбывать из игры»? ⏺ Верите ли вы в язык «суверенной акселерации», «технологических цепочек» и «национальных чемпионов», или он пока больше про риторику, чем про вашу реальную жизнь в проекте? Напишите, пожалуйста, в комментариях: ⏺ видите ли вы себя в модели воронки или в модели ракеты; ⏺ какие понятия из этой новой «суверенной» оптики вам откликаются, а какие – вызывают отторжение и почему. Я постараюсь собрать ваши ответы и принести их в дискуссию 22 апреля, чтобы разговор о суверенной акселерации опирался не только на правильные слова, но и на живой опыт команд. 🟠22 апреля | 12:00–14:00 мск | онлайн ➡️Подробности программы и форма регистрации — на сайте