
MedTech R&D: phát hiện ung thư nhanh hơn bằng computer vision
Bổ sung nhân sự cho đội nghiên cứu để một AI phân tích ảnh y khoa chạy nhanh hơn và chính xác hơn.
Thách thức
M.V Labs có thuật toán tốt nhưng chạy chậm. Mô hình mất 5 phút để xử lý một ca chụp nên không dùng được trong quy trình lâm sàng. Công ty thiếu kỹ sư hiểu cả Deep Learning lẫn High-Performance Computing (C++/CUDA).
Giải pháp
Các research lead của M.V Labs đặt mục tiêu: giảm thời gian suy luận và tỷ lệ dương tính giả mà không đánh đổi độ chính xác. GTEMAS đưa vào đội R&D của họ 2 Computer Vision Engineer và 1 chuyên gia MLOps, là chuyên gia độc lập theo hợp đồng dịch vụ với GTEMAS, để thực hiện mục tiêu đó. Làm trong nhóm nghiên cứu sẵn có, kỹ sư của chúng tôi viết lại pipeline suy luận từ Python sang C++ tối ưu hiệu năng với TensorRT, và thiết kế lại mô hình thành 3D U-Net xét ngữ cảnh theo thể tích thay vì quét từng lát cắt. Nhờ vậy số ca dương tính giả, vốn làm chậm hồ sơ FDA, giảm xuống.
Định hướng kiến trúc
Kiến trúc hybrid cloud, xử lý ảnh DICOM trên các edge server bằng NVIDIA Triton Inference Server.
Kết quả và ảnh hưởng
Tăng tốc là điều kiện để sản phẩm có thể bán được trên thị trường. Sản phẩm hiện triển khai tại 40+ bệnh viện trong EU.
Thời gian xử lý (giảm từ 5 phút)
Tỷ lệ dương tính giả giảm mà không làm giảm độ nhạy
2 Computer Vision Engineer và 1 chuyên gia MLOps
Sẵn sàng có câu chuyện thành công của riêng bạn?
Hợp tác với Global Tech Masters để xây sản phẩm số có thể mở rộng và hiệu năng cao.