Медицинская визуализация - это широкое понятие, которое включает в себя несколько различных технологий. Французский стартап Gleamer, работавший над созданием инструментов с искусственным интеллектом для улучшения рентгеновских снимков и маммографии, теперь намерен заняться магнитно-резонансной томографией (МРТ).
Вместо того чтобы начинать с нуля, Gleamer приобрела два стартапа, которые уже работали над анализом МРТ с помощью ИИ: Pixyl и Caerus Medical.
Gleamer - часть второй волны стартапов, пытающихся улучшить медицинскую визуализацию с помощью искусственного интеллекта. В 2014 или 2015 году несколько основателей создали стартапы на эту тему. Несмотря на то что большинство из них ни к чему не привели, в этой сфере произошла консолидация. Например, компании Zebra Medical Vision и Arterys были приобретены Nanox и Tempus соответственно.
Основанная в 2017 году компания Gleamer создала ИИ-ассистента для радиологов, своего рода второго пилота для медицинской визуализации. С помощью Gleamer рентгенологи теоретически могут повысить точность диагностики при интерпретации медицинских изображений.
Стартап уже убедил 2 000 учреждений в 45 странах использовать свое программное решение. В общей сложности Gleamer обработал 35 миллионов исследований. Компания получила сертификаты CE и FDA на свой продукт для интерпретации костных травм. В Европе компания также предлагает продукты, ориентированные на рентгенографию грудной клетки, ортопедические исследования и измерение возраста костей и имеющие сертификат CE.
«К сожалению, универсальный подход к радиологии не работает», - сказал TechCrunch соучредитель и генеральный директор Gleamer Кристиан Аллуш (Christian Allouche). «Очень сложно иметь большую модель, которая бы охватывала все виды медицинской визуализации и обеспечивала тот уровень производительности, которого ожидают врачи».
Именно поэтому компания создала небольшие внутренние команды, сосредоточенные на маммографии и компьютерной томографии. «Три недели назад мы выпустили наш продукт для маммографии, над которым мы работали 18 месяцев, - говорит Аллуш. Он основан на запатентованной модели искусственного интеллекта, которая была обучена на 1,5 миллионах маммографий».
«У нас есть партнерство с Jean Zay, французским правительственным кластером GPU», - говорит Аллуш. Компания также работает над созданием компьютерных томографов для исследования раковых заболеваний.
А как насчет магнитно-резонансной томографии? «МРТ - это совсем другое технологическое пространство», - говорит Аллуш. «В МРТ у вас много задач. Это не просто обнаружение, это сегментация, обнаружение, определение характеристик, классификация, многопоследовательная визуализация».
Именно поэтому Gleamer покупает два небольших стартапа, которые работают в этой области уже несколько лет, чтобы двигаться быстрее. Gleamer не раскрывает условия сделок.
«Эти две компании станут двумя нашими платформами МРТ с четкой целью охватить все варианты использования в течение следующих двух-трех лет», - сказал Аллуш.
Профилактическая медицинская визуализация
Хотя модели Gleamer показывают многообещающие результаты, они еще не совершенны. Например, в новой модели маммографии компания утверждает, что может обнаружить четыре из пяти случаев рака. Для сравнения, человек-рентгенолог без помощи ИИ обычно выявляет рак в трех случаях из пяти.
Однако повышение производительности благодаря такому инструменту, как Gleamer, может радикально изменить медицинскую визуализацию. Пропущенная опухоль, скорее всего, обнаружится при повторном обследовании через несколько месяцев.
«В недалеком будущем, я думаю, мы все будем проходить рутинную МРТ всего тела, оплачиваемую нашими страховыми компаниями - ведь они не облучаются», - говорит Аллуш.
Однако в некоторых городах уже сейчас слишком мало радиологов, чтобы удовлетворить спрос на реактивную визуализацию. Если отрасль перейдет к профилактической визуализации, инструменты ИИ станут незаменимыми».
Генеральный директор Gleamer считает, что ИИ может стать инструментом «организации и сортировки». Большинство медицинских визуализационных обследований проводится для того, чтобы исключить некоторые диагнозы. «Поэтому существует реальная потребность в автоматизации всего этого с помощью очень надежной модели ИИ, которая обладает гораздо более высоким уровнем чувствительности, чем человек», - говорит Аллуш.
Оригинал
Уникальность
