Интегратор GPU-серверов и рабочих станций · Россия и СНГ
8 (800) 350-70-73 · бесплатно по России  |  Условия поставки
Здравоохранение и фарма · Компьютерное зрение

Цифровая патоморфология: анализ гистологических препаратов

Обучение и инференс моделей на гигапиксельных сканах гистологии — GPU-узел для патоморфологической лаборатории.

AUC выявления метастазов0,95–0,99
Время на препарат−25–40 % при работе с подсказками
Обучение модели на архивечасы–дни на 4–8 GPU

Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.

Задача

Что решаем

Патоморфолог — самый дефицитный специалист онкологической службы: в регионах России и СНГ на одного врача приходятся тысячи препаратов в год. Цифровые сканеры решают вопрос логистики стекла, но не нагрузки: один скан WSI занимает 1–4 ГБ и содержит миллиарды пикселей, которые нужно просмотреть при большом увеличении.

Задачи, где ИИ уже показал результат, — поиск метастазов в лимфоузлах, подсчёт митозов, оценка экспрессии маркеров (Ki-67, HER2), предварительная сортировка биопсий. Но модели для гистологии обучаются на собственных данных лаборатории с учётом её окраски и сканера, а обучение на гигапиксельных изображениях — тяжёлая GPU-нагрузка.

Как работает

Что делает ИИ

PyTorchMONAIOpenSlideQuPathMLflow

Сканы разбиваются на тайлы, на которых работают свёрточные сети и фундаментальные модели патологии (UNI, CONCH и аналоги). Результаты собираются в тепловые карты поверх препарата в просмотрщике врача, а количественные показатели попадают в протокол.

  • Дообучение открытых моделей на архиве лаборатории с валидацией по протоколу.
  • Автоматический подсчёт клеток и оценка маркеров с воспроизводимостью выше ручной.
  • Приоритизация препаратов: подозрительные попадают в очередь первыми.
  • Интеграция с ЛИС и системой хранения сканов.

Важно: MIARCH поставляет вычислительную инфраструктуру и помогает развернуть модели. Само ПО для постановки диагноза является медицинским изделием и проходит регистрацию отдельно — на стороне разработчика или клиники.

Какие данные нужны

  • Архив WSI-сканов с заключениями
  • Разметка патологов по выбранным задачам
  • Данные ЛИС и иммуногистохимии
Железо · Обучение и дообучение · Один узел в стойке

Какая инфраструктура нужна

Профиль train: обучение на миллионах тайлов требует нескольких GPU с 48–96 ГБ памяти каждая и NVMe-хранилища, способного выдавать сотни тысяч изображений в секунду. Стартовый узел — станция W9 ULTRA из рабочих станций с четырьмя ускорителями; для областного онкоцентра — сервер RX MAX из GPU-серверов или платформа LM TEK 4U8GPU10KW. Архив сканов растёт на десятки терабайт в год, поэтому закладываем отдельное хранилище от 200 ТБ и сеть 25–100 GbE между сканерами, хранилищем и вычислительным узлом.

Сравнить конфигурации →  ·  Подобрать по ускорителю →

Внедрение

Как идёт проект

  1. 01

    Данные и цель

    Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.

  2. 02

    Пилот на нашей конфигурации

    Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.

  3. 03

    Инфраструктура

    Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.

  4. 04

    Сопровождение

    Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.

Смежные решения

Что ещё автоматизируют в отрасли «Здравоохранение и фарма»

Все решения для отрасли →

Запрос КП · ответ в течение рабочего дня

Опишите задачу и данные.

Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

Обсудить внедрение