هوش مصنوعی در پکس

مراکز علوم پزشکی مشهد

شرکت نگین رایانه الماس خراسان
تابستان ۱۴۰۵

🎯 مقدمه و هدف

  • ایجاد زیرساخت تحلیل تصاویر پزشکی با هوش مصنوعی
  • افزایش دقت تشخیص و کاهش زمان گزارش‌دهی
  • حفظ حریم خصوصی بیماران
  • کاهش وابستگی به سرویس‌های خارجی

center

📋 سه راهکار پیشنهادی

  • راهکار آنلاین – استفاده از API مدل‌های خارجی
  • راهکار محلی – نصب مدل روی سرور اختصاصی داخلی
  • راهکار اختصاصی – آموزش مدل بر اساس داده‌های دانشگاه

center

☁️ راهکار اول: مدل‌های آنلاین

  • سرور واسط داخلی به API مدل‌های پیشرفته متصل می‌شود
  • انتخاب از بین مدل‌های تجاری و متن‌باز
  • پرداخت هزینه به ازای هر تصویر
  • نیاز به اینترنت پایدار (یا VPN)

center

🧠 مدل‌های پیشنهادی (آنلاین)

تجاری (پیشرو):

  • ✅ GPT-4o / o1-series (OpenAI)
  • ✅ Claude 3.5/4 Sonnet (Anthropic)
  • ✅ Gemini 3.5 Pro (Google)

center

🖥️ ساختار فنی (آنلاین)

  • سرور مجازی: 16GB RAM، 4 هسته، 50GB SSD
  • سیستم عامل: Ubuntu 26.04 LTS
  • نرم افزار واسط سفارشی برای دریافت تصویر و ارسال به API
  • سیستم اعتباری برای مدیریت هزینه‌ها

center

💰 هزینه‌های راهکار اول

راه‌اندازی:

  • سرور واسط + پیاده‌سازی: ۱ میلیارد تومان
  • اتصال هر مرکز: ۱۰۰ میلیون تومان

ماهیانه (از سال دوم):

  • پشتیبانی: ۶۰ میلیون تومان

به ازای هر درخواست (میانگین ۳ تصویر با دلار ۲۰۰,۰۰۰):

مدل نوع قیمت تقریبی (تومان)
Gemini 3.5 Flash تجاری ۵,۰۰۰ - ۷,۰۰۰
GPT-4o (OpenAI) تجاری ۱۴,۰۰۰ - ۲۵,۰۰۰
Claude Sonnet (Anthropic) تجاری ۱۶,۰۰۰ - ۳۰,۰۰۰

center

⚖️ مزایا و معایب (آنلاین)

✅ مزایا:

  • دسترسی به پیشرفته‌ترین مدل‌ها
  • به‌روزرسانی خودکار
  • پیاده‌سازی سریع (۱-۲ ماه)

❌ معایب:

  • وابستگی به اینترنت بین‌الملل
  • نگرانی حریم خصوصی
  • ریسک تحریم و قطع دسترسی
  • هزینه بالا در حجم زیاد کاری

center

🖥️ راهکار دوم: مدل محلی روی سرور اختصاصی

  • نصب مدل قدرتمند متن‌باز روی سرور داخلی دانشگاه
  • تمام پردازش‌ها در شبکه داخلی انجام می‌شود
  • بدون نیاز به اینترنت خارجی

center

🧠 مدل‌های پیشنهادی (محلی)

  • Llama 4 70B+ یا MedGemma 27B (چندوجهی)
  • LLaVA-Med یا GLM-4.5V
  • OpenBioLLM-70B یا Meditron (تخصصی پزشکی)
  • اجرا با ۴-۸ عدد RTX 4090 یا معادل A100

center

🏗️ ساختار فنی و هزینه‌ها (محلی)

سخت‌افزار پیشنهادی:

  • ۲ عدد GPU A100 (40GB) یا ۴×RTX 4090
  • ۲۵۶GB RAM
  • ۲TB SSD
  • ۳۲ هسته

هزینه‌ها:

  • خرید سرور: حدود ۵ میلیارد تومان
  • پیاده‌سازی: ۵۰۰ میلیون تومان
  • اتصال هر مرکز: ۱۰۰ میلیون تومان
  • هزینه ماهانه نگهداری + برق: ~۶۵ میلیون تومان
  • هزینه هر درخواست (۵۰,۰۰۰ در ماه): ~۱۰۰۰ تومان

center

⚖️ مزایا و معایب (محلی)

✅ مزایا:

  • حریم خصوصی کامل
  • عدم وابستگی به اینترنت بین‌الملل
  • هزینه کمتر در بلندمدت

❌ معایب:

  • هزینه اولیه بالا
  • نیاز به تخصص فنی بیشتر
  • به‌روزرسانی دستی

center

🧪 راهکار سوم: توسعه و آموزش مدل اختصاصی

  • همکاری با شرکت خصوصی برای فاین‌تیون مدل بر روی داده‌های محلی
  • استفاده از تصاویر رادیولوژی، CT، MRI و گزارش‌های پزشکی دانشگاه
  • استقرار روی سرورهای داخلی پس از آموزش

center

📊 هزینه‌های راهکار سوم

هزینه‌های اولیه:

  • سرور آموزش: ~۲۰ میلیارد تومان (یا اجاره روزانه)
  • جمع‌آوری و برچسب‌گذاری ۱۰,۰۰۰ تصویر: ~۲۰۰ میلیون تومان
  • توسعه و فاین‌تیون (۶ ماه): ~۵۰۰ میلیون تومان
  • پیاده‌سازی و اتصال: ~۲۵۰ میلیون تومان
  • جمع کل (بدون احتساب اتصال مراکز): ~۲۱ میلیارد تومان

هزینه ماهانه:

  • نگهداری و برق: ~۵۰ میلیون تومان
  • بازآموزی دوره‌ای: ۵۰ میلیون تومان
  • هزینه هر درخواست (۵۰,۰۰۰ در ماه): ~۲,۰۰۰ تومان

center

⚖️ مزایا و معایب (اختصاصی)

✅ مزایا:

  • سفارشی‌سازی کامل برای بیماری‌های محلی
  • استقلال کامل از تحریم‌ها
  • ارزش علمی و تجاری

❌ معایب:

  • هزینه و زمان بسیار بالا
  • نیاز به تیم متخصص
  • کیفیت اولیه ممکن است پایین‌تر باشد

pros-cons-custom.png

📈 مقایسه سه راهکار (جدول)

معیار آنلاین محلی اختصاصی
زمان پیاده‌سازی ۱-۲ ماه ۳-۶ ماه ۱-۲ سال
هزینه راه‌اندازی (۱۰ مرکز) ~۲ میلیارد ~۶.۶ میلیارد ~۲۲ میلیارد
هزینه سالانه عملیاتی ~۸۰۰ میلیون ~۸۰۰ میلیون ~۱,۴۰۰ میلیون
حریم خصوصی پایین بالا بسیار بالا
انعطاف‌پذیری محدود نسبتاً بالا بسیار بالا
ریسک تحریم بالا کم صفر

🎯 توصیه نهایی: رویکرد سه‌فازی

  1. فاز اول (کوتاه‌مدت): راهکار آنلاین – شروع سریع و کم‌هزینه
  2. فاز دوم (میان‌مدت): راهکار محلی – با استقبال کاربران
  3. فاز سوم (بلندمدت): راهکار اختصاصی – برای استقلال کامل

three-phase-roadmap.png

⏱️ فاز اول: شروع سریع با مدل‌های آنلاین

  • راه‌اندازی سرور واسط در ۱ ماه
  • اتصال به APIهای ارزان‌قیمت (Gemini Flash، GPT-4o mini)
  • آموزش کاربران و دریافت بازخورد
  • ارزیابی نیازهای واقعی

phase1-quick-start.png

🚀 فاز دوم: استقرار مدل محلی

  • خرید یا اجاره سرور مجهز به GPU
  • نصب Llama 4 / MedGemma + LLaVA-Med
  • انتقال تدریجی ترافیک از آنلاین به محلی
  • شروع فاین‌تیون با داده‌های محدود دانشگاه

phase2-local-deployment.png

🌟 فاز سوم: مدل اختصاصی (اختیاری)

  • تکمیل جمع‌آوری و برچسب‌گذاری داده‌های محلی
  • فاین‌تیون عمیق مدل پایه با داده‌های اختصاصی
  • استقرار و بهبود مستمر
  • امکان تجاری‌سازی مدل

phase3-custom-ai.png

جمع‌بندی

  • شروع با راهکار آنلاین برای کسب تجربه
  • حرکت به سمت مدل محلی برای امنیت و کاهش هزینه
  • در بلندمدت، توسعه مدل اختصاصی برای استقلال کامل

📞 تماس با ما

شرکت نگین رایانه الماس خراسان
وب‌سایت: spax.ir
ایمیل: info@spax.ir

note: اسلاید آغازین برای معرفی کلی موضوع و ارائه‌دهنده. هدف اصلی، ایجاد زیرساخت تحلیل تصاویر پزشکی با هوش مصنوعی است.

image-prompt: "Minimal flat illustration showing a hospital PACS system connected to an AI brain symbol. Male and female doctors and radiologists reviewing medical images on computer screens. Female staff wearing hijab. No text. Clean white background. Blue and gray color scheme. 1:1.5 aspect ratio."

note: در این اسلاید به اهمیت هوش مصنوعی در تشخیص پزشکی و اهداف اصلی طرح اشاره می‌کنیم.

image-prompt: "Minimal flat illustration with vertical arrangement of three options from top to bottom: cloud icon (top), on-premise server icon (middle), and custom AI brain icon (bottom). Each with simple icons and arrows pointing downward. No text. Clean white background. Blue, green, and gray color scheme. 1:1.5 aspect ratio."

note: هر سه راهکار را به صورت خلاصه معرفی می‌کنیم و در اسلایدهای بعدی به تفصیل می‌پردازیم.

image-prompt: "Minimal flat illustration of a server connecting to multiple cloud icons labeled with AI symbols. Arrows show data flow. Clean white background. Blue and gray color scheme. 1:1.5 aspect ratio."

note: راهکار اول سریع‌ترین و کم‌هزینه‌ترین روش برای شروع است، اما وابستگی به اینترنت و ریسک تحریم دارد.

image-prompt: "Minimal flat illustration showing logos or icons of popular AI models: OpenAI, Anthropic, Google. Clean white background. Blue and gray color scheme. 1:1.5 aspect ratio."

note: مدل‌های تجاری با هزینه‌ها و دقت‌های متفاوت در دسترس هستند.

image-prompt: "Minimal flat illustration of a simple server architecture with arrows showing image flow from PACS to cloud AI and back. Clean white background. Blue and green color scheme. 1:1.5 aspect ratio."

note: سرور واسط نقش پل ارتباطی را ایفا می‌کند و هزینه‌ها را بر اساس مدل انتخابی مدیریت می‌کند.

image-prompt: "Minimal flat illustration showing a simple cost comparison chart with three bars for different models. Green bars for lower costs. No text. Clean white background. Blue and green color scheme. 1:1.5 aspect ratio."

image-prompt: "Minimal flat illustration with vertical split: upper half showing green checkmarks and cloud icons, lower half showing red X marks and warning symbols. Clean white background. Blue, green, and red color scheme. 1:1.5 aspect ratio."

note: این روش برای شروع سریع عالی است، اما برای داده‌های حساس پزشکی ریسک‌هایی دارد.

image-prompt: "Minimal flat illustration of a large server rack inside a hospital network. Medical images flow into the server, and diagnosis results flow out to connected computers. Arrows show data flow within the building. Clean white background. Blue and gray color scheme. 1:1.5 aspect ratio."

note: راهکار دوم امنیت و استقلال بیشتری دارد، اما نیاز به سرمایه‌گذاری اولیه و تخصص فنی دارد.

image-prompt: "Minimal flat illustration showing a powerful server with multiple GPU cards installed inside. Several open-source AI model icons are running simultaneously on the server. No text. Clean white background. Blue and gray color scheme. 1:1.5 aspect ratio."

note: مدل‌های متن‌باز اخیراً به سطح مدل‌های تجاری نزدیک شده‌اند و با سخت‌افزار مناسب قابل اجرا هستند.

image-prompt: "Minimal flat illustration showing a server with hardware specs (CPU, RAM, GPU) and currency symbol tags next to each component, indicating cost. Clean white background. Blue and gold color scheme. 1:1.5 aspect ratio."

note: با توجه به کاهش قیمت GPUها و امکان اجاره، این روش اقتصادی‌تر از قبل شده است.

image-prompt: "Split screen illustration: left side with green checkmarks and a lock icon (security), right side with red X marks and a wrench icon (maintenance). No text. Clean white background. Blue, green, and red color scheme. 1:1.5 aspect ratio."

note: پس از راه‌اندازی، هزینه هر درخواست بسیار پایین‌تر از روش آنلاین می‌شود.

image-prompt: "Minimal flat illustration of a team of scientists (male and female researchers with hijab) training an AI model with medical images and reports. Data flows from hospital to a brain-shaped AI. Clean white background. Blue and green color scheme. 1:1.5 aspect ratio."

note: این روش برای دستیابی به استقلال کامل و سفارشی‌سازی برای بیماری‌های منطقه مناسب است.

image-prompt: "Minimal flat illustration of a cost breakdown with sections for data labeling, training, and hardware. Currency symbols next to each section indicating cost. Clean white background. Blue and gold color scheme. 1:1.5 aspect ratio."

note: با فاین‌تیون به جای آموزش از صفر، هزینه و زمان به شدت کاهش یافته است.

image-prompt: "Split screen illustration: left side with checkmarks and a custom gear icon, right side with red X marks and a clock icon (long time). No text. Clean white background. Blue, green, and red color scheme. 1:1.5 aspect ratio."

note: این روش بیشتر برای دانشگاه‌های بزرگ با منابع کافی و دید بلندمدت مناسب است.

note: این جدول مقایسه‌ای کلی از سه رویکرد ارائه می‌دهد که به تصمیم‌گیران کمک می‌کند.

image-prompt: "Minimal flat illustration of a roadmap with three phases stacked vertically: cloud (top), on-premise server (middle), and custom brain (bottom). A male doctor is shown at the bottom. Arrows connecting phases downward. Clean white background. Blue and green color scheme. 1:1.5 aspect ratio."

note: این رویکرد پلکانی امکان شروع با کمترین ریسک و سرمایه را فراهم می‌کند.

image-prompt: "Minimal flat illustration showing a rocket launch with cloud icons and checkmarks. A female radiologist wearing hijab is using a tablet to monitor the process. Clean white background. Blue and green color scheme. 1:1.5 aspect ratio."

note: در این فاز، کاربران با قابلیت‌های هوش مصنوعی آشنا می‌شوند و نیازهای دقیق‌تر شناسایی می‌گردد.

image-prompt: "Minimal flat illustration showing a server being installed in a hospital data center, with arrows redirecting traffic from cloud to local. A male IT specialist is configuring the server. No text. Clean white background. Blue and gray color scheme. 1:1.5 aspect ratio."

note: با افزایش تعداد درخواست‌ها، مهاجرت به سمت راهکار محلی از نظر اقتصادی توجیه‌پذیر می‌شود.

image-prompt: "Minimal flat illustration of a custom AI brain with medical data flowing into it and a graduation cap (representing academic achievement). Male researchers are analyzing the results. Clean white background. Blue and gold color scheme. 1:1.5 aspect ratio."

note: این فاز برای دانشگاه‌هایی که به دنبال استقلال کامل و تولید علم هستند، مناسب است.

note: جمع‌بندی نهایی و دعوت به پرسش و پاسخ.