
R&D medtech : accélérer la détection du cancer grâce à la vision par ordinateur
Renfort d’une équipe de recherche pour accélérer et affiner une IA d’imagerie médicale.
Le défi
M.V Labs avait un algorithme brillant, mais une exécution lente. Son modèle mettait 5 minutes à traiter un scan, ce qui le rendait inutilisable dans les flux cliniques. Il lui manquait des ingénieurs maîtrisant à la fois le Deep Learning et le calcul haute performance (C++/CUDA).
La solution
Les responsables de recherche de M.V Labs ont fixé l’objectif : réduire le temps d’inférence et le taux de faux positifs sans sacrifier la précision. GTEMAS a mis à disposition de leur équipe R&D 2 ingénieurs en vision par ordinateur et 1 spécialiste MLOps, des spécialistes indépendants engagés dans le cadre d’un contrat de services avec GTEMAS, pour l’atteindre. Au sein du groupe de recherche existant, nos ingénieurs ont réécrit le pipeline d’inférence de Python vers du C++ optimisé avec TensorRT, et ont repensé le modèle sous forme de 3D U-Net qui prend en compte le contexte volumétrique au lieu de balayer coupe par coupe, ce qui a réduit les faux positifs qui bloquaient le dépôt FDA.
Stratégie d’architecture
Architecture cloud hybride traitant les images DICOM sur des serveurs en périphérie avec NVIDIA Triton Inference Server.
Impact et résultats
L’optimisation de la vitesse a été décisive pour la viabilité commerciale. Le produit est aujourd’hui déployé dans plus de 40 hôpitaux de l’UE.
Temps de traitement (contre 5 min)
Taux de faux positifs réduit sans sacrifier la sensibilité
2 ingénieurs en vision par ordinateur et 1 spécialiste MLOps
Prêt à écrire votre propre réussite ?
Travaillez avec Global Tech Masters pour bâtir des produits numériques évolutifs et performants.