Hastane ve Sağlık Sektörü HPC

Sağlık sektöründe hesaplama altyapısına duyulan ihtiyaç, kliniğin ötesine geçmiş durumdadır. Radyoloji departmanları günde yüzlerce yüksek çözünürlüklü görüntü seti işliyor; genomik laboratuvarlar tüm exom ya da tüm genom dizileme verileriyle çalışıyor; araştırma birimleri hasta kohortları üzerinde makine öğrenmesi modelleri eğitiyor. Bu iş yüklerinin tamamı hem yüksek hesaplama kapasitesi hem de hasta verisinin yasal güvencesini sağlayan altyapı gerektiriyor.

Türkiye’de KVKK kapsamında kişisel sağlık verisi “özel nitelikli kişisel veri” statüsündedir. Bu durum, söz konusu verilerin yurt içinde ve denetlenebilir bir ortamda işlenmesini zorunlu kılmaktadır. Mevasis, sağlık kuruluşlarına Türkiye lokasyonlu, KVKK uyumlu HPC altyapısı ve yönetilen hizmet modeli sunmaktadır.

Sağlıkta HPC Neden Gerekli?

Tıbbi görüntüleme ve klinik veri analizindeki hızlanma, geleneksel sunucu altyapısının sınırlarını zorlamaktadır. Üç somut örnek:

• Patoloji görüntüleme: Dijital patoloji slaytı başına dosya boyutu 2–15 GB arasındadır. Derin öğrenme tabanlı kanser tespiti modeli çalıştırmak için GPU ivmesi zorunludur; CPU tabanlı işlemde tek bir slayt analizi saatler alabilir.
• Radyomics: BT veya MRI serilerinden 500–1.000 nicel özellik çıkarmak ve bu özellikleri klinik sonuçlarla ilişkilendiren modeller eğitmek, standart iş istasyonlarının kapasitesini aşar.
• Klinik genomik: Bir hastanın tumor mutasyon profilini elde etmek için tüm exom dizileme (WES) analizi yapılması, standart sunucuda 24–48 saat süren bir boru hattı gerektirir. Bu süre NVIDIA Parabricks kullanıldığında 1–2 saate iner.

Tipik İş Yükleri

Tıbbi Görüntüleme ve Yapay Zeka

Görüntü tabanlı tanı desteği sistemleri, eğitim aşamasında büyük veri kümeleri ve güçlü GPU gerektirirken çıkarım (inference) aşamasında düşük gecikme süresi önceliklidir.

Yaygın kullanılan çerçeveler ve araçlar:

• TensorFlow / PyTorch: Radyoloji, patoloji, dermatoloji modellerinin eğitimi
• MONAI (Medical Open Network for AI): Tıbbi görüntüleme için optimize PyTorch eklentisi; segmentasyon, sınıflandırma ve tespit iş yüklerinde kullanılır
• ITK / SimpleITK: BT ve MRI görüntü ön işleme, kayıt (registration) ve segmentasyon
• 3D Slicer: Görüntü analizi ve klinik araştırma entegrasyonu
• DICOM araçları (dcm2niix, pydicom): DICOM dosyalarının analize hazır formatlara dönüştürülmesi

Örnek: Akciğer nodülü tespit modeli eğitimi

Genomik ve Biyoinformatik

Klinik genomik, tanı ve tedavi planlaması için giderek daha fazla rutin hale gelmektedir. Tümör genomu analizi, nadir hastalık tanısı ve farmakogenomik testler başlıca uygulama alanlarıdır.

Klinik WES örneği (Whole Exome Sequencing):

• Ham veri: 10–15 GB FASTQ
• CPU tabanlı GATK Best Practices: 8–16 saat
• Parabricks GPU boru hattı: 30–45 dakika
• Nihai çıktı: VCF dosyası + klinik rapor için filtreli varyant listesi

Moleküler Simülasyon ve İlaç Araştırması

Hastane bünyesindeki araştırma merkezleri ve ileri tıp fakülteleri, deneysel tedavilerin etki mekanizmalarını anlamak için hesaplamalı yöntemler kullanmaktadır.

• GROMACS / NAMD: Protein-ilaç etkileşimi moleküler dinamik simülasyonları; GPU ile 10–30× hızlanma
• AutoDock Vina / GNINA: Moleküler kenetlenme (docking) ile ilaç adayı taraması
• AlphaFold 2 / AlphaFold 3: Hedef proteinin yapı tahmini; NVIDIA GPU zorunlu
• Rosetta: Protein tasarımı ve protein-protein etkileşim analizi

Klinik Veri Analitiği ve Makine Öğrenmesi

Hasta kayıtları, laboratuvar sonuçları ve klinik notlar üzerinde yürütülen büyük ölçekli makine öğrenmesi çalışmaları:

• Yoğun bakım mortalite tahmin modelleri (MIMIC veri seti uyumlu çerçeveler)
• Elektronik sağlık kaydı (EHR) üzerinde zaman serisi analizi
• Doğal dil işleme ile klinik not kodlaması (ICD-10 otomasyonu)
• Çok merkezli kohort çalışmaları için federe öğrenme (federated learning) altyapısı

KVKK Uyumu ve Veri Güvenliği

Türkiye’de kişisel sağlık verisi işlenmesi, KVKK’nın 6. maddesi kapsamında özel nitelikli veri sınıfına girmektedir. Bu sınıf için alınması gereken önlemler arasında teknik ve idari tedbirler, veri işleme kayıtları ve Kişisel Verileri Koruma Kurulu yönetmeliklerine uyum yer almaktadır.

Yurt dışı bulut altyapısı kullanımı, kişisel sağlık verisinin yurt dışına aktarılması anlamına gelir. Bu aktarım KVKK madde 9 kapsamında ek koşullara (açık rıza ya da yeterli koruma kararı) tabidir ve pratik uygulamada ciddi hukuki risk barındırır.

Mevasis sağlık altyapısının temel güvenceleri:

• Türkiye sınırları içinde konumlandırılmış fiziksel sunucu altyapısı
• Ağ izolasyonu: vLAN segmentasyonu, hasta verisi işleyen küme nodları için kapalı ağ seçeneği
• Erişim denetimi: LDAP/Active Directory entegrasyonu, rol tabanlı yetkilendirme (RBAC)
• Denetim kaydı: kullanıcı erişimi, veri transferi ve iş kuyruğu loglarının saklanması
• Depolama şifreleme: bekleyen veri için AES-256, aktarım sırasında TLS 1.3
• Fiziksel güvenlik: kilitli kabin, giriş kayıt sistemi, yetkilendirilmiş personel erişimi

Referans Yapılandırma: Sağlık Araştırma Merkezi HPC

Sağlık Araştırma Merkezi — Referans HPC Yapılandırması

Login / Transfer Node (2 adet, yük dengeli)
├── GPU Compute Nodes (4–8 adet)
│   └── 2× Intel Xeon Gold 6438M + 4× NVIDIA A100 80 GB SXM
│       256 GB DDR5 sistem belleği
│       (Görüntü analizi, Parabricks, GROMACS, AlphaFold)
│
├── CPU Compute Nodes (8–16 adet)
│   └── 2× AMD EPYC 9354 (32-core), 512 GB DDR5
│       (GATK, STAR, ANNOVAR, EHR analitik)
│
├── High-Memory Node (2 adet)
│   └── 2× AMD EPYC 9654, 1.5 TB DDR5
│       (Büyük kohort analizi, Gaussian, büyük ölçekli varyant anotasyon)
│
└── Depolama Katmanı
    ├── NVMe scratch: BeeGFS, 4 GB/s+ bant genişliği
    ├── Kapasite deposu: ZFS tabanlı, yedekli, şifrelenmiş
    └── Arşiv: S3 uyumlu nesne deposu, yaşam döngüsü politikaları

Ağ: InfiniBand HDR100 (MPI ve GPU-GPU trafiği)
İş Kuyruğu: SLURM + projeye özel bölüm yapısı
Güvenlik: İzole ağ segmenti, şifrelenmiş depolama, denetim logu

Mevasis Sağlık Sektörü HPC Hizmetleri

Mevasis, hastane araştırma merkezleri, tıp fakülteleri, genomik laboratuvarlar ve sağlık teknoloji şirketlerine özelleştirilmiş HPC hizmetleri sunmaktadır:

• Yerinde HPC Kurulumu: KVKK uyumunu en güçlü şekilde sağlayan seçenek. Sunucular hastanenizin veya araştırma merkezinizin veri merkezinde konumlanır. MONAI, Parabricks, GATK ve MD yazılımlarının kurulumu dahil.
• Yönetilen HPC Hizmetleri: Türkiye lokasyonlu Mevasis altyapısında izole segment; bakım, güncelleme ve güvenlik izlemesi ekibimizce yürütülür.
• GPU Cluster Kiralama: Araştırma projesi veya klinik yapay zeka modeli geliştirme dönemleri için kısa süreli ve yüksek kapasiteli GPU erişimi.
• HPC Danışmanlık: Mevcut iş yükü profilinizin analizi, donanım boyutlandırması, SLURM konfigürasyonu ve yazılım ortamı kurulumu.

Sıkça Sorulan Sorular

Hasta verisi işleyeceksek mutlaka yerinde (on-premise) kurulum mu gerekiyor? Zorunlu değil, ancak en güçlü uyum güvencesini sağlayan seçenek bu. Mevasis Türkiye lokasyonlu yönetilen hosting modelinde de sözleşme ve teknik önlemlerle KVKK uyumu sağlanabilir. Seçim, kurum politikasına ve verilerin hassasiyet düzeyine göre şekillendirilmelidir.

DICOM verileri HPC altyapısında nasıl işlenir? DICOM dosyaları doğrudan HPC depolama alanına aktarılabilir. Ön işleme için dcm2niix veya pydicom; analiz için ITK/SimpleITK veya MONAI kullanılır. Veri aktarımı sırasında DICOM segmentleme ve anonimleştirme adımları boru hattına dahil edilebilir.

Parabricks ile GATK arasındaki hız farkı gerçekten 50× mı? NVIDIA’nın yayınladığı kıyaslama verileri ve kullanıcı deneyimlerine göre 30–50× hızlanma tipik değer aralığıdır. Gerçek hız artışı, örnek sayısı, okuma derinliği ve kullanılan GPU modeline göre farklılık gösterir. Parabricks, GATK’nin onaylanmış sonuçlarıyla uyumlu çıktı üretir.

Federe öğrenme (federated learning) altyapısı kurulabilir mi? Evet. Çok merkezli çalışmalarda her hastanenin verisini kendi altyapısında tutarken model ağırlıklarını paylaşmasına olanak tanıyan federe öğrenme yapılandırması Mevasis danışmanlık kapsamındadır. Bu yaklaşım hem KVKK uyumunu destekler hem de çok kurumlu araştırma işbirliğini mümkün kılar.

Hastanemizde mevcut BT altyapısıyla entegrasyon mümkün mü? Evet. Active Directory entegrasyonu, mevcut ağ mimarisine uygun güvenli bağlantı ve iş kuyruğunun HIS/PACS sistemleriyle entegrasyonu proje kapsamına dahil edilebilir.

Sağlık sektörüne özgü gereksinimlerinizi değerlendirmek ve uygun altyapı modelini birlikte belirlemek için iletişime geçin.