Tretí seminár projektu SPICE predstavil aktivity nášho transformačno-inovačného konzorcia. Tentokrát sa prednášky zamerali na využitie výskumu SPICE v medicíne.
V piatok 23. októbra 2026 sa na Fakulte riadenia a informatiky Žilinskej univerzity (FRI) konal tretí seminár transformačno-inovačného konzorcia SPICE (Smart Data Pipelines for the Cognitive Compute Continuum). Podujatie otvoril dekan FRI Emil Kršák.
Od počiatkov až po komplexný výskum
Peter Kišša zo spoločnosti InterWay vo svojej prvej prezentácii predstavil študentom fakulty aj zástupcom firiem začiatky, vývoj a ambície projektu. Cieľom je vybudovať dôveryhodnú platformu poháňanú umelou inteligenciou, ktorá automatizuje inteligentné dátové toky naprieč systémami a mení roztrúsené informácie na podklady pre včasné a strategické rozhodovanie.
Platforma má byť bezpečná, prispôsobiteľná a vysvetliteľná, s automatickou správou zdrojov a ohľadom na spotrebu energie. Rieši extrémne objemy rôznorodých dát, nedostatok dôvery a kvality aj chýbajúce ekosystémy na zdieľanie. Prínos má najmä pre malé a stredné podniky, ktoré dáta majú, no chýba im expertíza na ich analýzu, a pre novú generáciu dátových vedcov. Partneri zvažujú aj prepojenie s European Open Science Cloud (EOSC) a európskymi dátovými priestormi.
Platformu overuje päť prípadov použitia:
- analýza strojových dát pre proaktívnu podporu zákazníkov pri laserových rezacích centrách (MicroStep),
- analytika pre prenos a distribúciu energie (VUJE),
- predikčné modely pre riadenie smart gridov (SCDI),
- počítačové videnie v rádiológii pri adenómoch hypofýzy (UC4)
- a digitálna histopatológia (UC5).
SPICE-u pomáha aj superpočítač PERUN
Michal Staňo z Ústavu informatiky SAV predstavil rozšírenie UC4 – celú cestu od CT snímky až k výsledku. Model z knižnice MONAI (3D DynUNet) sa učí segmentovať orgány, teda priradiť triedu každému voxelu.
Keďže nemocnice nechcú presúvať citlivé snímky do jednej databázy, uplatňuje sa federované učenie: za dátami cestuje model a medzi pracoviskami sa vymieňajú iba jeho aktualizácie. Experiment beží v NVFlare so štyrmi simulovanými klientmi a metódou ConDistFL, ktorá zvláda aj čiastočné anotácie – chýbajúca značka totiž neznamená chýbajúci orgán.
Jednotlivé kroky prepája nástroj Domino nad Apache Airflow a opakovateľné prostredie zabezpečuje Docker. Staňo zdôraznil, že zelený workflow ešte neznamená dobrú predikciu a pred veľkým tréningom sa oplatí overiť GPU na všetkých vrstvách. Výpočtové zázemie posilní nový uzol na ÚI SAV s ôsmimi NVIDIA H200 (141 GB pamäte na GPU) a superpočítač PERUN so 76 akcelerovanými uzlami a 304 GPU Grace Hopper GH200.
Hypofýza a histopatológia pod drobnohľadom
Tím Martina Komákaz FIIT STU sa venoval dvom medicínskym štúdiám. Pri MRI adenómov hypofýzy model EfficientNet-B3 + U-Net++ segmentuje nádor aj okolité štruktúry. Na ôsmich testovacích prípadoch dosiahol Dice 0,831 pre zdravú žľazu a 0,806 pre nádor, no iba 0,175 pre zrakové skríženie – dôkaz, že samotné skóre nádoru nestačí.
V histopatológii tím porovnal tri siete na prsníkových preparátoch z datasetu BEETLE. V internom teste dosiahol U-Net priemerný Dice 0,779, TransUNet 0,884 a nnU-Net 0,947. Prednášajúci zároveň upozornili, že úspech na prsníkovom tkanive ešte nič nehovorí o klinických cieľoch UC5 – predikcii recidívy, invazivity a konzistencie nádorov hypofýzy, ktoré si vyžadujú nové anotácie a nezávislé overenie.
