I+D en MedTech: acelerar la detección del cáncer con visión por computadora
Volver a los casos
SaludContract Talent

I+D en MedTech: acelerar la detección del cáncer con visión por computadora

Refuerzo de un equipo de investigación para acelerar y afinar una IA de imágenes médicas.

30s
Velocidad
Tiempo de procesamiento (antes, 5 min)
99.2% de sensibilidad, 97% de especificidad
Precisión diagnóstica
Tasa de falsos positivos reducida sin sacrificar la sensibilidad
3
Equipo
2 Computer Vision Engineers y 1 especialista en MLOps

El desafío

M.V Labs tenía un algoritmo brillante, pero una ejecución lenta. Su modelo tardaba 5 minutos en procesar una tomografía, lo que lo hacía inutilizable en los flujos de trabajo clínicos. No contaban con ingenieros que entendieran a la vez Deep Learning y computación de alto rendimiento (C++/CUDA).

Tiempo de inferencia demasiado lento para el uso en tiempo real.
Tasa de falsos positivos demasiado alta para la revisión clínica.
Falta de experiencia en la integración del estándar DICOM.

La solución

Los responsables de investigación de M.V Labs fijaron el objetivo: reducir el tiempo de inferencia y la tasa de falsos positivos sin sacrificar precisión. GTEMAS aportó a su equipo de I+D 2 Computer Vision Engineers y 1 especialista en MLOps, especialistas independientes bajo un contrato de servicios con GTEMAS, para lograrlo. Integrados en el grupo de investigación existente, nuestros ingenieros reescribieron el pipeline de inferencia de Python a C++ optimizado con TensorRT y rediseñaron el modelo como una U-Net 3D que consideraba el contexto volumétrico en lugar de analizar corte por corte, lo que redujo los falsos positivos que frenaban la presentación ante la FDA.

Estrategia de arquitectura

Arquitectura de nube híbrida que procesa imágenes DICOM en servidores edge con NVIDIA Triton Inference Server.

Impacto y logros

La optimización de la velocidad fue la clave de la viabilidad comercial. El producto está desplegado ahora en más de 40 hospitales de la UE.

30s
Velocidad

Tiempo de procesamiento (antes, 5 min)

99.2% de sensibilidad, 97% de especificidad
Precisión diagnóstica

Tasa de falsos positivos reducida sin sacrificar la sensibilidad

3
Equipo

2 Computer Vision Engineers y 1 especialista en MLOps

¿Listo para escribir su caso de éxito?

Colabore con Global Tech Masters para crear productos digitales escalables y de alto rendimiento.