Сеть медицинских клиник «Инвитро» запустила пилотный проект Face Detection по распознаванию лиц клиентов в облаке Mail.ru Cloud Solutions (MCS) и в будущем сможет сократить очереди. О том, как «Инвитро» перенесла часть вычислений в облако, рассказывают ее специалисты: руководитель IT-подразделения Владимир Федин и архитектор внутренних информационных систем Сергей Лавриненко.

Мы долго обходились собственным дата-центром, а облака использовали только для размещения веб-проектов вроде сайтов-визиток и лендингов. В какой-то момент стало понятно, что наша IT-инфраструктура совсем не гибкая, а масштабировать оборудование, которое снимается с поддержки раньше, чем уходит со стойки, не очень разумно.

Как двигаться дальше, когда компания растет, появляются амбициозные планы и требуется все больше вычислительных ресурсов?

Мы выделили для себя три приоритетные задачи:

1. Найти надежную площадку для экспериментальных проектов

Когда на горизонте появляется интересный проект, хочется как можно быстрее протестировать и оценить его жизнеспособность. Своими силами (точнее, ресурсами дата-центра) мы не справимся, ждать новое оборудование долго, и если в будущем оно не понадобится, то покупка будет невыгодной.

2. Получить отказоустойчивую и масштабируемую IT-инфраструктуру

Если данные безвозвратно пропадают или сервисы простаивают в часы пиковых нагрузок, это плохо и для нас, и для пациентов. А когда объемы данных растут, важно, чтобы мы могли быстро получить больше вычислительных мощностей для их обработки.

3. Cэкономить на содержании IT-инфраструктуры

Нам не нравятся скачки курсов валют, поэтому оплачивать услуги провайдера хотелось бы в национальной валюте. Фактор цены был одним из решающих, так как мы планировали снизить стоимость владения инфраструктурой. Плюс нам удобнее платить по факту за потребленные ресурсы, чтобы не оказаться в ситуации, о которой расскажем ниже.

Если кратко, то облака были нужны по двум причинам: чтобы получить надежное объектное хранилище и иметь под рукой адекватную по цене облачную площадку для экспериментальных проектов, таких как Face Detection.

О проекте Face Detection

Расскажем немного о том, что такое система Face Detection и зачем она нашим клиентам. Это компьютерная технология, которая идентифицирует лица на цифровых изображениях. Face Detection работает на базе машинного обучения (то есть непрерывно самообучается): алгоритм обнаруживает и анализирует элементы на основе их положения относительно других предметов. Так, например, технология идентифицирует размер, форму и расположение носа, подбородка и скул, а затем сравнивает их с базой данных фотографий. В ходе распознавания не участвует человек, что снижает вероятность ошибки и сокращает время обслуживания наших клиентов.

Собственно, на технологии Face Detection и основан наш пилотный проект. С его помощью мы планировали улучшить сервис, ускорить обслуживание и рассчитывали сделать визит наших клиентов более комфортным:

• Регистрация визита должна была ускориться за счет автоматического распознавания лиц. Как только клиент подошел к стойке, администратор уже видит его карту, запись, и сразу направляет в нужный кабинет.
• За счет быстрой регистрации планировалось увеличить пропускную способность в часы пик и уменьшить очереди.
• Такие изменения позволят клиентам чувствовать себя комфортнее в медицинском учреждении. Также мы пробовали обращаться к клиентам сразу по имени, еще до того, как они представлялись, но это – тонкий момент, некоторые реагировали негативно.

Для реализации проекта Face Detection требовались облачные API для компьютерного зрения. Они должны были помочь решить задачи, которые можно вынести за пределы нашего большого дата-центра, не нарушая договоренности с пациентами. Но по российскому законодательству передавать персональные данные на сторону, особенно за пределы государства запрещено. Потому очевидные варианты облачных сервисов – Amazon и Azure – мы исключили сразу. Какое-то время ждали, пока в России появятся достойные альтернативы, позволяющие работать в рамках 152-ФЗ.

Первый опыт с облаком оказался неудачным. Наш партнер предоставлял услуги по предоплате. И когда по закону подлости в пятницу вечером у нас закончились деньги на счете, все остановилось. Просьбы включить доступ к облаку и поработать в минус разбились о глухую стену – техподдержка не пошла нам навстречу.

До понедельника сервисы простаивали, и это стало главной причиной, почему мы отказались от дальнейшего сотрудничества. Нам не понравилось, как повел себя провайдер в этой ситуации, тем более были противоположные примеры: те же Amazon и Azure уважают клиентов и работают по постоплате.

Мы продолжили поиски среди российских облачных провайдеров. Так нашим партнером стал Mail.ru Cloud Solutions. Окончательный выбор в его пользу помогли сделать успешные кейсы по внедрению систем компьютерного зрения, стоимость услуг и нахождение сервера компании на территории РФ.

Как внедряли MCS

Пилотный проект с компьютерным зрением мы развернули в двух медицинских офисах, которые стали нашей тестовой площадкой. Купили видеокамеры и сразу столкнулись с первой проблемой – где и как их устанавливать. Для Face Detection местоположение камеры критично, от этого зависит успешность проекта. Но мы справились с этой задачей и попутно определились со скоростью и форматом передачи данных.

Если вначале планировали обрабатывать записи локально, на базе медицинских офисов, то потом отказались от этой идеи из-за сложности эксплуатации на большом объеме и начали сразу передавать их в дата-центр. В MCS помогли быстро разобраться с камерами, API Vision, и мы принялись за интеграцию системы с внутренними корпоративными сервисами. Как в любой крупной компании, на это ушло около трех месяцев, хотя с технической стороной Face Detection задержек не было.

А теперь о том, как все это работает. В медицинских офисах на стойках администраторов установлены камеры, которые записывают видео и отправляют его в дата-центр. Специальный алгоритм находит кадры с наиболее удачным расположением лица и передает их в Vision – систему компьютерного зрения, она распознает лица и объекты на базе машинного обучения от Mail.ru Cloud Solutions.

Важно, что в Vision API попадают не все кадры с лицами, а только новые. Мы используем локальный кеш с базой лиц, чтобы сверять с ней каждый новый снимок. Получается, что локальное кеширование помогает уменьшить интенсивность потока запросов к API и использовать меньше облачных ресурсов. Значит, и платить за них мы тоже будем меньше.

Система компьютерного зрения Face Detection оправдала наши ожидания и позволила повысить качество обслуживания клиентов, которые приходят в медицинские офисы «Инвитро». Проект пилотный, но первых данных хватило для начальных выводов:

• Сотрудники перестали пользоваться поиском и работают только с найденными карточками клиентов;
• За счет сокращения времени, затрачиваемого на поиск клиента и его регистрацию, ускорилась процедура оформления и ушли очереди, характерные для пиковых часов.
• Мы сможем принимать больше пациентов в единицу времени на той же площади, улучшить экономические показатели, качество и скорость обслуживания.

Пока проект работает только в двух наших учреждениях, но мы уже ощутили положительные изменения.

Планы на будущее

Пока мы готовимся к масштабированию проекта Face Detection на всю сеть «Инвитро» и решаем юридические вопросы. Для нас важно строго соблюдение законодательства России, в частности 323-ФЗ «Об основах охраны здоровья граждан в Российской Федерации» и 152-ФЗ «О персональных данных». Мы ничего не делаем в тайне от наших клиентов. В перспективе хотелось бы сделать полномасштабный success-case и презентовать его на рынке медицинских услуг.

• Гибридные системы строить можно и нужно. Для хранения и обработки персональных данных подойдет собственный ЦОД, а менее критичные процессы можно перекинуть в облако.
• Российские облачные сервисы сегодня предлагают те же возможности, что и западные, но стоят дешевле и не нарушают 152-ФЗ.