AI-лаборант. Как в «Генетико» внедрили нейросеть для исследований

«Генетико» — медико-генетический центр, биоинформатическая служба и крупный лабораторно-производственный комплекс международного уровня, расположенный в Москве. Компания проводит генетические исследования для диагностики, профилактики и лечения заболеваний с 2012 года, имеет 27 патентов. Совместно с другими лабораториями центр «Генетико» создал первую в России базу данных генетических полиморфизмов и мутаций, в которую вошло более 500 000 ранее не описанных вариантов.

Рассказываем, зачем компания внедрила генеративный AI и к каким результатам это привело. 

Проблема

В лабораторных исследованиях критически важны скорость и точность обработки данных. 

Процесс распознавания типов микроорганизмов по изображению чашек Петри (специальному лабораторному сосуду для таких задач) лаборанты проводили вручную: переводили изображения в нужный формат, сохраняли их в базу данных, далее изучали и определяли типы колоний и их количество. 

Это занимало около 30 минут и снижало скорость обслуживания клиентов.  

Решение

Автоматизировать идентификацию и подсчёт микроорганизмов при лабораторных исследованиях. Технологическим партнёром в реализации проекта стала ИТ-компания Data Acquisition. 

Технологии

• Машинное обучение. Разработчики создали модуль для моментального определения типов колоний и их подсчёта. Сначала массив изображений был размечен вручную с участием эксперта лаборатории, а затем его добавили в датасет, на основе которого обучали нейросеть.
• Генеративный искусственный интеллект. Нейросеть распознаёт типы микроорганизмов, считает количество колоний и каталогизирует данные для дальнейшего использования.   

Сложности

Самым сложным было создание модуля машинного обучения, так как у микроорганизмов огромное количество параметров, по многим из которых они очень похожи. Нейронная сеть должна была научиться видеть нюансы и наряду с типом указывать количество колоний. 

Для этого при обучении нейросети потребовалось тесное сотрудничество с медицинскими экспертами. Более того, для формирования датасета специалистам пришлось собрать большой архив изображений и вручную обработать его. 

Этапы работы

• Март 2023 года. Подготовка и разметка датасета для обучения нейросети. 
• Апрель 2023 года. Обучение, тестирование и валидация нейросети, дообучение AI для повышения качества распознавания.
• Май 2023 года. Разработка веб-интерфейса рабочего места сотрудника.
• Июнь 2023 года. Установка и тестирование ПО, запуск решения в промышленную эксплуатацию. 

Результаты

• Скорость расчёта «паспорта кожи» по фотографиям колоний увеличилась на 80% по сравнению с ручной обработкой.
• Нейросеть определяет по изображению тип микроорганизмов, плотность каждой колонии и занимаемую площадь с точностью в 95%. 
• Результаты исследований быстро доступны в удобном формате для дальнейшего использования и обслуживания клиентов.

• Чтобы быть в курсе важных трендов и мнений ведущих экспертов, следите за нами в телеграм-канале. О развитии навыков управления, личностном росте пишем в «Дзене». Про технологии и развитие в IT — в блоге на VC.