HOPPR, безопасная платформа разработки ИИ для медицинской визуализации, объявила о коммерческом выпуске своей базовой модели HOPPR Marie Curie Chest Radiography Foundation Model и API для тонкой настройки бинарной классификации, а также о доступе к API вывода и новом портале для выставления счетов за использование. Этот первый коммерческий запуск знаменует собой важную веху в предоставлении инфраструктуры для разработки моделей ИИ для медицинской визуализации.
DeepHealth — первый коммерческий партнёр, внедривший модель и рабочий процесс тонкой настройки на основе API. В рамках ограниченного выпуска и до коммерческого запуска DeepHealth за несколько недель провел тонкую настройку нескольких моделей и внедрил специализированный классификатор рентгенографии грудной клетки, продемонстрировав адаптивность платформы и её реальный потенциал.
«Мы искали решения нового поколения, которые бы работали так же хорошо или даже лучше, чем современные сверточные нейронные сети (CNN), в такой разносторонней, глобальной организации, как RadNet. Мы провели широкомасштабную оценку моделей, представленных на рынке, и выбрали HOPPR в качестве инструмента разработки для точной настройки и внедрения моделей рентгенографии грудной клетки с уверенностью, скоростью и прозрачностью», — сказал Шам Сокка, директор по операционной деятельности и технологиям DeepHealth, одного из ключевых стратегических партнёров HOPPR. «Быстрая настройка HOPPR дала нам базовую модель для быстрого развития, значительного сокращения затрат на разработку и повышения качества и эффективности работы».
Модель Marie Curie Chest Radiography Foundation построена на базе крупномасштабной архитектуры Vision Transformer (ViT) и оптимизирована для бинарной классификации при рентгенографии грудной клетки. Благодаря единому API разработчики могут настраивать модель, используя собственные размеченные наборы данных, и получать структурированные результаты и оценки прогнозов через API вывода.
«Наша цель — предоставить разработчикам медицинских изображений мощную и гибкую модель, которую они смогут создать самостоятельно, без больших затрат, сложности и длительных сроков, связанных с созданием инфраструктуры с нуля», — сказал доктор Хан Сиддики, генеральный директор и соучредитель HOPPR. «Благодаря доступу к нашим API для тонкой настройки и вывода данных, а также интегрированному порталу выставления счетов, этот релиз даёт командам разработчиков всё необходимое для быстрого, контролируемого и прозрачного перехода от маркированных данных к развертыванию».
В отличие от статических торговых площадок ИИ с готовыми приложениями, HOPPR предоставляет безопасную среду разработки для настройки базовых моделей. Платформа, построенная на системе управления качеством, обеспечивает отслеживаемые и воспроизводимые процессы разработки. HOPPR также предоставляет артефакты для обучения моделей для поддержки подачи партнёрами нормативных документов.
«Мы инвестировали в HOPPR, потому что они меняют подход к разработке и внедрению приложений ИИ-визуализации для врачей», — заявил Лоуренс К. Коэн, генеральный директор Health2047, венчурной студии, основанной Американской медицинской ассоциацией. «Этот запуск подтверждает платформенный подход HOPPR, предоставляя разработчикам визуализации скорость, контроль и инфраструктуру, необходимые для создания решений ИИ, готовых к интеграции в реальную клиническую практику».
Хотя этот выпуск оптимизирован для команд с существующими данными и опытом тонкой настройки, будущие обновления платформы расширят доступ к собственным данным HOPPR, инструментам построения когорт и возможностям проверки моделей, что позволит расширить поддержку для клиентов, у которых нет данных или инфраструктуры.
HOPPR также сотрудничает с исследовательскими институтами, включая Университет Майами, для изучения потенциальных вариантов клинического и исследовательского применения. В будущих обновлениях будут добавлены новые возможности и реализованы возможности языкового взаимодействия.
Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.