Украинцы создают модель искусственного интеллекта, которая практически не имеет аналогов в мире

Cardio.AI — это украинская AI-платформа, способная проводить массовый скрининг сердечных заболеваний без госпитализации, проводов и очередей. Вместо громоздкого холтера — легкий одноразовый сенсор. Работая на биосенсорах и мощностях NVIDIA H100, система проводит диагностику за минуты вместо часов.

Как это работает: рассказываем историю изнутри. CEO Cardio.AI Максим Дяченко в интервью для Liga.net делится технологией, которая может кардинально изменить подход к современной диагностике и контролю здоровья сердца.

Проблема, которую удалось решить

Сегодня диагностика аритмий остается сложной и неудобной для пациента. Классический холтер, который фиксирует сердечную активность, пациент носит только сутки. Этого времени обычно недостаточно, ведь большинство серьезных аритмий проявляются в течение 3–7 дней или даже двух недель. К тому же прибор ограничивает подвижность и комфорт человека.

CEO Cardio.AI Максим Дяченко говорит: «Мы провели собственное рандомизированное исследование: благодаря гранту бесплатно предоставили биосенсоры более чем 400 случайным людям. Продолжительность мониторинга колебалась от двух до семи дней. Мы хотели выяснить, есть ли смысл проводить массовый скрининг всего населения, а не только пациентов клиник. Оказалось, что ситуация у рядовых украинцев еще хуже, чем у пациентов частных клиник».

Cardio.AI позволяет проводить мониторинг дольше и комфортнее. В результате врачи выявляют больше рисков и предотвращают серьезные осложнения.

«Мы хотим сделать скрининг аритмий такой же привычной процедурой, как флюорография. Чтобы каждый мог проходить его раз в год или два» — объясняет Дяченко.

Как работает сенсор, облако и модель

Платформа интегрирована с одноразовыми биосенсорами американской компании LifeSignals, с которой Cardio.AI имеет эксклюзивный договор на Украину. Сенсор весом всего 25 граммов приклеивают на тело пациента, и он непрерывно работает семь дней.

CEO Cardio.AI отмечает: «Для клиники это удобно: если сенсор потерялся, это минус 35–40 долларов, а не несколько тысяч евро, как в случае с классическим холтером. Пациенту не нужно приходить в клинику несколько раз, потому что все максимально упрощено: сенсор приклеили, внесли данные пациента в систему — и он пошел домой. Данные автоматически загружаются в облако и далее обрабатываются. Пациент может вернуть сенсор даже по почте в конверте, если так ему удобнее».

Данные автоматически загружаются в облако, где AI-модель проводит так называемый лейблинг — маркирует каждый удар сердца. Раньше врач делал это вручную, теперь он получает предварительно размеченную запись. Отчет формируется за 6–10 минут вместо 30–40.

«Наша амбиция с самого начала заключалась в том, чтобы система могла обрабатывать миллионы скринингов в месяц в пределах одной территории. Это масштаб, который сейчас никто не обеспечивает» — рассказывают в команде.

«AI выполняет 99% работы. Врач проверяет результат и вносит коррективы. Один специалист может обрабатывать данные до 100 пациентов в день» — подчеркивает Дяченко.

Cardio.AI работает не по принципу продажи «коробочного» софта, а предлагает клиникам полноценную end-to-end услугу по диагностике аритмий. Команда интегрирует систему в рабочие процессы медучреждений и берет на себя весь цикл: от подключения до обработки данных. Для врачей это означает готовый инструмент «с первого дня», для пациентов — комфорт, а для самой компании — участие в начале цепочки создания ценности, а не только на ее финальной стадии, как у производителей оборудования.

Для клиник процесс интеграции максимально прост и не требует значительных затрат: оплата осуществляется после получения результата. Это существенно отличается от классических холтеров, где стоимость может составлять тысячи или даже десятки тысяч долларов. Медперсонал проходит короткий онбординг: как правильно приклеить сенсор, подготовить кожу пациента, внести его данные в систему. Дальнейшая работа не требует специальной подготовки.

Единственным вызовом может быть качество интернет-соединения: без коннективита врач не может оперативно загрузить данные. В новых сенсорах предусмотрена функция стриминга через смартфон или специальный шлюз. Она позволяет отслеживать изменения в режиме реального времени, однако уменьшает продолжительность работы батареи. В сельской местности это, к сожалению, может стать дополнительным ограничением.

Техническая основа: миллионы данных и соответствие регулированию

Разработка собственной AI-модели началась еще в 2017 году. Первые стабильные результаты появились в 2020-м, а с 2021 года система тестируется в клиниках.

Модель обучена на 2 миллионах часов ЭКГ-записей, база данных продолжает пополняться: «Система постоянно доучивается, мы маркируем новые стрипы, исправляем ошибки, добавляем в тренировочный сет. Наш первый прорыв был через три года от начала работы. И даже с новыми фреймворками побить ту модель трудно: проблема очень комплексная. Это не просто pattern matching, а еще и анализ последовательности ударов, их контекста. В кардиологии куча видов аритмий — модель должна знать все. Иначе для скрининга она не годится. То есть наш подход — это human in the loop. Врач проверяет результаты, как в привычном холтеровском софте. Алгоритм просто значительно сильнее. Но мы движемся к тому, чтобы делать полноценный скрининг, где врач вмешивается только в случаях, которые этого требуют».

Команда объясняет, что использовать готовые AI-решения из открытого доступа невозможно, ведь среди них нет достаточно качественных: «Аритмии — это более 50 видов, очень похожих между собой. Чтобы делать скрининг безопасно, модель должна распознавать все классы и виды, иначе результат не годится. Поэтому мы так долго наращивали собственный набор данных и улучшали алгоритм».

Обучение проходит на украинской площадке De Novo с GPU NVIDIA H100, а обработка (инференс) осуществляется в облаках AWS. При этом соблюдается важное правило: данные пациентов хранятся только в той стране, где они собраны.

Тренировки проходят частями, ведь семидневную запись ЭКГ невозможно загрузить в один графический процессор. Поэтому сигнал разбивают на 30-минутные стрипы. Чтобы избежать привыкания алгоритма к конкретному пациенту, в обучение включают не более трех стрипов от одного человека.

«Для американских пациентов данные хранятся в США, для европейских — в ЕС, для украинских — в Украине. Это позволяет нам масштабировать систему без нарушения законодательства», — отмечает CEO.

Cardio.AI соответствует международным стандартам HIPAA, QMS, MDR и проходит сертификацию в ЕС и США.

Перспективы и масштабирование

Сейчас с Cardio.AI сотрудничает большинство премиальных клиник Украины — от небольших кабинетов до крупных сетей. Кроме того, уже стартовал пилотный проект в Азербайджане. В Европе команда смотрит на рынок Германии, Латвии, Испании и Италии, где очереди к кардиологу достигают шести месяцев, а на холтер — до двух.

Поэтому Cardio.AI не просто заменяет устаревший холтер — это первая украинская технология мирового уровня, которая позволяет масштабно и быстро диагностировать сердечные нарушения. А с выходом на европейский и американский рынок у страны появляется шанс стать лидером в глобальной кардиодиагностике.

Где в Украине взять вычислительную мощность для AI и какие GPU пользуются большим спросом?

Cardio.AI тренирует свою AI-модель на базе NVIDIA H100, арендуя мощности у De Novo — провайдера, который сегодня владеет крупнейшим парком GPU в Украине, специализированным для задач машинного обучения, генеративного ИИ и видеоаналитики.

СТО De Novo Геннадий Карпов сообщил, что с момента запуска пилотного проекта ML-cloud в начале 2024 года украинские компании получили в аренду в облаке десятки ускорителей NVIDIA разных моделей: «Большинство заказчиков — это реальный сектор, где AI интегрируется в производство, агросферу и логистику. Под такие задачи в первую очередь используют NVIDIA H100/А100. Более простыми моделями (L4 и L40S) пользуются те, кто находится на стадии проверки технических гипотез или строит MVP. Самый мощный из имеющихся у нас акселераторов — H200NVL. Этот флагманский GPU подходит для работы с крупнейшими (сотни миллиардов параметров) генеративными моделями».

Ключевой параметр для работы крупных генеративных моделей — объем памяти GPU. Речь идет о сотнях гигабайт, и отдельных ускорителей с такими характеристиками просто не существует. Поэтому De Novo используют несколько Н200NVL, объединенных через NVlink (высокоскоростное соединение между видеокартами).

«Фактически четыре акселератора функционируют как один с суммарной памятью 564 гигабайта. Этого достаточно для запуска крупнейших моделей, которые намного «умнее» моделей меньшего размера», — комментируют в De Novo, которые инвестировали более 80 млн грн в запуск и развитие украинской ML Cloud, первой в Украине облачной инфраструктуры, построенной специально для нужд искусственного интеллекта.

«Мы находимся на стадии уже второй волны инвестирования в ML-инфраструктуру. Закупили дополнительные GPU и системы хранения именно под запросы клиентов, которые экспериментируют с AI. Это немного по глобальным меркам, но пока это самые крупные инвестиции в ИИ-инфраструктуру в Украине» — акцентирует CEO De Novo Геннадий Карпов.