
事例一覧に戻る
医療機器R&D:コンピュータビジョンでがんの検出を加速
研究チームを増員し、医用画像AIの高速化と高精度化を進めた。
30秒
速度
処理時間(5分から短縮)
感度99.2%、特異度97%
診断精度
感度を犠牲にせずに偽陽性率を削減
3
チーム
Computer Vision Engineer 2名とMLOpsスペシャリスト1名
課題
M.V Labsには優れたアルゴリズムがありましたが、実行速度が遅い状態でした。1件のスキャンの処理に5分かかり、臨床の現場では使えませんでした。Deep LearningとHigh-Performance Computing(C++/CUDA)の両方を理解するエンジニアが不足していました。
リアルタイムでの利用には推論時間が遅すぎる。
臨床でのレビューには偽陽性率が高すぎる。
DICOM標準との連携に関する専門知識の不足。
ソリューション
M.V Labsの研究リードは、精度を犠牲にせず、推論時間と偽陽性率を下げるという目標を定めました。GTEMASは、GTEMASとのサービス契約に基づく独立したスペシャリストとして、Computer Vision Engineer 2名とMLOpsスペシャリスト1名を同社のR&Dチームに提供し、その実現を担いました。既存の研究グループの中で、エンジニアは推論パイプラインをPythonからTensorRTを使った最適化C++へ書き直しました。また、モデルをスライスごとの走査ではなくボリューム全体の文脈を考慮する3D U-Netとして再設計し、FDAへの申請を滞らせていた偽陽性を減らしました。
アーキテクチャ方針
エッジサーバー上でDICOM画像を処理する、NVIDIA Triton Inference Serverを用いたハイブリッドクラウドアーキテクチャ。
成果と効果
速度の最適化が、製品の事業化を左右する鍵でした。製品は現在、EU圏の40以上の病院に導入されています。
30秒
速度
処理時間(5分から短縮)
感度99.2%、特異度97%
診断精度
感度を犠牲にせずに偽陽性率を削減
3
チーム
Computer Vision Engineer 2名とMLOpsスペシャリスト1名