Українці створюють AI-модель, аналогів якій у світі одиниці

Cardio.AI — це українська AI-платформа, здатна проводити масовий скринінг серцевих захворювань без госпіталізації, дротів та черг. Замість громіздкого холтера — легкий одноразовий сенсор. Працюючи на біосенсорах і потужностях NVIDIA H100, система проводить діагностику за хвилини замість годин.

Як це працює: розповідаємо історію зсередини. CEO Cardio.AI Максим Дяченко в інтерв'ю для Liga.net ділиться технологією, яка може кардинально змінити підхід до сучасної діагностики та контролю здоров’я серця.

Проблема, яку вдалося вирішити

Сьогодні діагностика аритмій залишається складною і незручною для пацієнта. Класичний холтер, який фіксує серцеву активність, пацієнт носить лише добу. Цього часу зазвичай замало, адже більшість серйозних аритмій проявляються протягом 3–7 днів або навіть двох тижнів. До того ж прилад обмежує рухливість і комфорт людини.

CEO Cardio.AI Максим Дяченко говорить: «Ми провели власне рандомізоване дослідження: завдяки гранту безкоштовно надали біосенсори понад 400 випадковим людям. Тривалість моніторингу коливалася від двох до семи днів. Ми хотіли з’ясувати, чи є сенс робити масовий скринінг усього населення, а не лише пацієнтів клінік. Виявилося, що ситуація у пересічних українців ще гірша, ніж у пацієнтів приватних клінік».

Серед усіх учасників дослідження троє отримали направлення на встановлення кардіостимулятора, і двом із них уже провели цю процедуру. Загалом невідкладної допомоги потребували 33 пацієнти, тож встановлення кардіостимулятора стало лише однією з причин. Дослідження проводили у кількох містах України — від Запоріжжя до Києва. Це показує, що масовий кардіологічний скринінг може бути корисним не лише для людей із підвищеними ризиками, а й для широкого населення. Тож сфера кардіології нині стоїть перед етапом суттєвої трансформації.

Cardio.AI дозволяє проводити моніторинг довше й комфортніше. У результаті лікарі виявляють більше ризиків і запобігають серйозним ускладненням.

«Ми хочемо зробити скринінг аритмій такою ж звичною процедурою, як флюорографія. Щоб кожен міг проходити його раз на рік чи два» — пояснює Дяченко.

Як працює сенсор, хмара і модель

Платформа інтегрована з одноразовими біосенсорами американської компанії LifeSignals, з якою Cardio.AI має ексклюзивний договір на Україну. Сенсор вагою лише 25 грамів приклеюють на тіло пацієнта, і він безперервно працює сім днів. 

CEO Cardio.AI наголошує: «Для клініки це зручно: якщо сенсор загубився, це мінус 35–40 доларів, а не кілька тисяч євро, як у випадку з класичним холтером. Пацієнту не потрібно приходити у клініку кілька разів, бо все максимально спрощено: сенсор приклеїли, внесли дані пацієнта в систему — і він пішов додому. Дані автоматично завантажуються в хмару й далі обробляються. Пацієнт може повернути сенсор навіть поштою у конверті, якщо так йому зручніше». 

Дані автоматично завантажуються у хмару, де AI-модель проводить так званий лейблінг — маркує кожен удар серця. Раніше лікар робив це вручну, тепер він отримує попередньо розмічений запис. Звіт формується за 6–10 хвилин замість 30–40.

«Наша амбіція з самого початку була в тому, щоб система могла обробляти мільйони скринінгів на місяць у межах однієї території. Це масштаб, який зараз ніхто не забезпечує» — розповідають у команді. 

«AI виконує 99% роботи. Лікар перевіряє результат і вносить корективи. Один спеціаліст може обробляти дані до 100 пацієнтів на день» — підкреслює Дяченко.

Cardio.AI працює не за принципом продажу «коробкового» софту, а пропонує клінікам повноцінну end-to-end послугу з діагностики аритмій. Команда інтегрує систему у робочі процеси медзакладів і бере на себе весь цикл: від підключення до обробки даних. Для лікарів це означає готовий інструмент «з першого дня», для пацієнтів — комфорт, а для самої компанії — участь на початку ланцюга створення цінності, а не лише на його фінальній стадії, як у виробників обладнання.

Для клінік процес інтеграції максимально простий і не потребує значних витрат: оплата здійснюється після отримання результату. Це суттєво відрізняється від класичних холтерів, де вартість може становити тисячі чи навіть десятки тисяч доларів. Медперсонал проходить короткий онбординг: як правильно приклеїти сенсор, підготувати шкіру пацієнта, внести його дані в систему. Подальша робота не потребує спеціальної підготовки.

Єдиним викликом може бути якість інтернет-з’єднання: без конективіті лікар не має змоги оперативно завантажити дані. У нових сенсорах передбачена функція стрімінгу через смартфон або спеціальний шлюз. Вона дозволяє відстежувати зміни в режимі реального часу, проте зменшує тривалість роботи батареї. У сільській місцевості це, на жаль, може стати додатковим обмеженням.

Технічна основа: мільйони даних і відповідність регуляціям

Розробка власної AI-моделі почалася ще у 2017 році. Перші стабільні результати з’явилися у 2020-му, а з 2021 року система тестується у клініках. 

Модель навчена на 2 мільйонах годин ЕКГ-записів, база даних продовжує поповнюватися: «Система постійно донавчається, ми маркуємо нові стріпи, виправляємо помилки, додаємо у тренувальний сет. Наш перший прорив був через три роки від початку роботи. І навіть з новими фреймворками побити ту модель важко: проблема дуже комплексна. Це не просто pattern matching, а ще й аналіз послідовності ударів, їхнього контексту. У кардіології купа видів аритмій — модель має знати всі. Інакше для скринінгу вона не годиться. Тобто наш підхід — це human in the loop. Лікар перевіряє результати, як у звичному холтерівському софті. Алгоритм просто значно сильніший. Але ми рухаємося до того, щоб робити повноцінний скринінг, де лікар втручається лише у випадках, які цього потребують». 

Команда пояснює, що використати готові AI-рішення з відкритого доступу неможливо, адже серед них немає достатньо якісних: «Аритмії — це понад 50 видів, дуже схожих між собою. Щоб робити скринінг безпечно, модель має розпізнавати всі класи й види, інакше результат не годиться. Тому ми так довго нарощували власний датасет і покращували алгоритм».

Тренування відбувається на українському майданчику De Novo з GPU NVIDIA H100, а обробка (інференс) здійснюється у хмарах AWS. Водночас дотримується важливе правило: дані пацієнтів зберігаються тільки у тій країні, де вони зібрані. 

Тренування проходять частинами, адже семиденний запис ЕКГ неможливо завантажити в один графічний процесор. Тому сигнал розбивають на 30-хвилинні стріпи. Щоб уникнути звикання алгоритму до конкретного пацієнта, у навчання включають не більше трьох стріпів від однієї людини.

«Для американських пацієнтів дані лежать у США, для європейських — у ЄС, для українських — в Україні. Це дозволяє нам масштабувати систему без порушення законодавства» — зазначає CEO.

Cardio.AI відповідає міжнародним стандартам HIPAA, QMS, MDR і проходить сертифікацію у ЄС та США.

Перспективи та масштабування 

Нині з Cardio.AI співпрацює більшість преміальних клінік України, — від невеликих кабінетів до великих мереж. Крім того, вже стартував пілот у Азербайджані. У Європі команда дивиться на ринок Німеччини, Латвії, Іспанії та Італії, де черги до кардіолога сягають шести місяців, а на холтер — до двох.

Тож Cardio.AI не просто замінює застарілий холтер, — це перша українська технологія світового рівня, яка дозволяє масштабно і швидко діагностувати серцеві порушення. А з виходом на європейський та американський ринок у країни з’являється шанс стати лідером у глобальній кардіодіагностиці.

Де в Україні взяти обчислювальну потужність для AI та які GPU мають більший попит? 

Cardio.AI тренує свою AI-модель на базі NVIDIA H100, орендуючи потужності в De Novo, — провайдера, який сьогодні володіє найбільшим парком GPU в Україні, спеціалізованим для завдань машинного навчання, генеративного ШІ та відеоаналітики.

СТО De Novo Геннадій Карпов повідомив, що з моменту запуску пілотного проєкту ML-cloud на початку 2024 року українські компанії отримали в оренду в хмарі десятки прискорювачів NVIDIA різних моделей: «Більшість замовників — це реальний сектор, де AI інтегрується у виробництво, агросферу та логістику. Під такі задачі першочергово використовують NVIDIA H100/А100. Простішими моделями (L4 та L40S) користуються ті, хто перебуває на стадії перевірки технічних гіпотез або будує MVP. Найбільш потужний із наявних у нас акселераторів — H200NVL. Цей флагманський GPU придатний для роботи з найбільшими (сотні мільярдів параметрів) генеративними моделями».

Ключовий параметр для роботи великих генеративних моделей — обсяг пам’яті GPU. Йдеться про сотні гігабайт, і окремих акселераторів із такими характеристиками просто не існує. Тому De Novo використовують кілька Н200NVL, об'єднаних через NVlink (високошвидкісне з’єднання між відеокартами).

«Фактично чотири акселератори функціонують як один із сумарною пам’яттю 564 гігабайти. Цього достатньо для запуску найбільших моделей, які набагато «розумніші» за моделі меншого розміру» — коментують у De Novo, які інвестували понад 80 млн грн у запуск та розвиток української ML Cloud, першої в Україні хмарної інфраструктури, побудованої саме для потреб штучного інтелекту.

 «Ми знаходимось на стадії вже другої хвилі інвестування в ML-інфраструктуру. Закупили додаткові GPU та системи зберігання саме під запити клієнтів, які експериментують з AI. Це небагато за глобальними мірками, але поки що це найбільші інвестиції у ШІ-інфраструктуру в Україні» — акцентує CEO De Novo Геннадій Карпов.