Готовим размеченные данные для обучения и валидации моделей компьютерного зрения и NLP в медицине: сегментация патологий на КТ и МРТ, классификация снимков, разметка медицинских текстов. Разметку ведут врачи-эксперты профильных специальностей, данные деперсонализируются и хранятся на инфраструктуре в РФ по 152-ФЗ. Мы не занимаемся диагностикой пациентов — наша задача — качественные данные для обучения вашей модели.
Чаще всего дело не в архитектуре модели, а в качестве разметки обучающей выборки: границы патологии на срезе КТ или МРТ можно провести по-разному, а без врачебной экспертизы разметчик не отличит артефакт снимка от реальной находки. В результате модель хорошо работает на обучающей выборке, но резко теряет точность на новых снимках из другой клиники или другого протокола съёмки.
Дополнительно ситуацию усложняет дефицит размеченных данных: у многих патологий мало примеров, а размеченные наборы часто собраны без единого протокола между разметчиками, из-за чего эталон «размытый» и модель обучается на противоречивых метках.
Мы закрываем основные задачи медицинской computer vision и NLP: от попиксельной сегментации патологий на КТ и МРТ до классификации снимков и структурирования медицинских текстов для исследований. Разметку ведут врачи-эксперты профильных специальностей — радиологи, патоморфологи, — а не универсальные разметчики без медицинского образования и клинического опыта.
Обучающие маски очагов и опухолей на КТ и МРТ — вход для CADe/CADx-сервисов и скрининга.
Размеченные находки учат модель подсвечивать врачу подозрительные зоны и реже пропускать патологию.
Метки «норма/патология» по протоколу помогают сортировать очередь и выводить срочные случаи вперёд.
Аннотированные клеточные структуры на слайдах WSI питают модели онкоскрининга и морфометрии.
Размеченные заключения и эпикризы дают признаки для регистров и клинических NLP-моделей.
Контуры органов риска на снимках ускоряют планирование облучения и обучение авто-контуринга.
Перед разметкой мы удаляем из DICOM-тегов и сопроводительных файлов ФИО, даты рождения и другие персональные данные пациента, оставляя только обезличенный снимок и клинически значимые метаданные. Хранение и обработка ведутся на инфраструктуре в РФ в соответствии с 152-ФЗ, доступ к проекту ограничен по ролям, а с каждым врачом-экспертом подписывается NDA.
Протокол деперсонализации согласуем с заказчиком до передачи первой партии снимков — это особенно важно, если данные поступают напрямую из медицинской информационной системы клиники.
Клинически значимую разметку — патологии, новообразования, гистологию — ведут врачи профильных специальностей с последующей консенсусной проверкой между несколькими независимыми экспертами. Спорные случаи эскалируются на дополнительное согласование, а не решаются одним разметчиком, чтобы итоговый эталон был клинически обоснован и годился для обучения модели без искажений.
На проекте сегментации патологий на КТ для скрининговой модели мы разметили выборку снимков силами трёх врачей-радиологов с консенсусной проверкой спорных случаев. Итоговая межэкспертная согласованность (IAA) на финальном эталоне превысила целевой порог по SLA, а протокол деперсонализации и хранения в РФ был согласован с заказчиком до старта проекта.
Клинически значимую разметку — патологии, новообразования, гистологию — ведут врачи профильных специальностей: радиологи, патоморфологи и другие эксперты в зависимости от типа снимка. Финальный эталон проходит консенсусную проверку между несколькими врачами, а спорные случаи эскалируются на дополнительное согласование.
Перед разметкой удаляем из DICOM-тегов и сопроводительных файлов ФИО, даты рождения и другие персональные данные, оставляя обезличенный снимок. Хранение и обработка идут на инфраструктуре в РФ по 152-ФЗ, доступ ограничен по ролям, с каждым врачом-экспертом подписан NDA.
Основные форматы — DICOM и NIfTI для КТ, МРТ и рентгенограмм, а также форматы цифровых гистологических слайдов (WSI). Итоговую разметку выгружаем в формате, совместимом с вашим пайплайном обучения модели — JSON-масками, контурами или структурированными метаданными.
Клинически значимые классы размечают несколько врачей независимо, а итоговый эталон формируется через консенсус и метрику межэкспертной согласованности (IAA). Спорные снимки эскалируются на дополнительное согласование, а не остаются на решении одного специалиста — так эталон остаётся клинически обоснованным.
Да, первую тестовую выборку снимков или текстов размечаем бесплатно, чтобы согласовать протокол деперсонализации, гайдлайн разметки и целевую точность до старта основного объёма. Точную смету на промышленный этап дадим после пилота — вилки цен и калькулятор смотрите на странице цен.
Пришлите обезличенный пример снимков или текстов — вернёмся с протоколом деперсонализации, составом врачей-экспертов и сроком в течение одного рабочего дня.
Оставить заявку на пилотМедицина, транспорт, ритейл и ещё 6 индустрий
Сегментация патологий, детекция новообразований, гистология
NER, классификация и структурирование медицинских текстов
Гайды, разборы форматов и практик контроля качества