Infervision arbejder på en banebrydende funktion til diagnosticering og behandling af slagtilfælde ved hjælp af maskinlæringsalgoritmer. AI-medicinske billedspecialister har allerede afsluttet succesrige piloter af sin Head CT Augmented Screening-platform. Det anses for, at teknologien snart vil indgå i udbredt brug og bevare liv ved at lade læger hurtigere og mere præcist diagnosticere slagtilfælde og vurdere den skade, de har forårsaget.
Det er den 2. medicinske teknologi baseret på maskinlæring, som Infervision har rapporteret at være en succes.
Mere end 100.000 kommenterede kliniske billedscanninger blev anvendt til at uddanne algoritmerne, som forudsat, at længere levende data bliver mere og mere effektive til diagnosticering af begge hovedtyper af slagtilfælde, blødende og iskæmisk.
Infervision-grundlægger og administrerende direktør Chen Kuan fortalte os, at "røntgen er en meget gammel form for medicinsk kontrol i Kina, som eksempel havde ingen nævnt røntgen røntgen i akademiske konventioner i over 15 år. Indtil for nylig med ankomsten af AI. AI har hjulpet radiologer med at finde problemer, som de tidligere ikke var i stand til at afgøre. Så vi er meget glade for at se radiologer begynde at udforske nogle ganske spændende og fantastiske tilfælde mellem AI. "
Det er helt sikkert et godt tilfælde af, hvordan nye teknologier kan frigøre værdi i data, der har eksisteret i meget lang tid.
Nogle af de største problemer, det løser, er måden at vurdere volumenet af blod i blødende slag. Når hvert øjeblik er afgørende efter et slagtilfælde, bruger læger typisk en simpel matematisk formel til at "estimere" det mulige tab af blod i kroppen.
Forskning viser, at jo mere korrekt dette volumen vurderes, jo større sandsynlighed har en patient for bedring på grund af den måde, det påvirker behandlingen på.
"Blødningsmængde er tæt knyttet til dødelighed og den allerbedste metode til at trænge ind", præciserer Kuan.
"Volumener over 30 ml er tæt forbundet med dødelighed, og det er sikrere at bruge konkurrencedygtige kirurgiske teknikker til at gribe ind. Problemet er, at vi i vores testfase bad radiologer om at foretage disse beregninger, og vi opdagede, at fejlmarginen i nogle tilfælde var mere end 30 ml. . "
Ikke kun kan man håbe, at algoritmerne "lærer" at blive mere præcise end menneskelige radiologer ved disse vurderinger, de har også evnen til at tage dem langt hurtigere ud som reaktion på en krise.
Det kommer med ekstra fordele ved at udføre diagnoser fra røntgen- og CT-scanninger også i stedet for MR-scanninger uafhængigt, hvilket nu er den eneste måde at diagnosticere iskæmiske slagtilfælde på. MR-maskiner er mindre tilgængelige, og flere hospitaler har ikke ressourcerne til at udføre dem 24 timer i døgnet.
Vi spurgte Kuan, hvordan radiologer og andet medicinsk personale havde reageret, når de stod over for teknologier, der tilsyneladende syntes at sigte mod at gøre et par af deres færdigheder overflødige.
"De er meget begejstrede", forklarede han "To eller tre uger tilbage var der en kongres med kinesiske radiologer, og der havde været masser af begejstring for, hvad vi kan gøre. De indser også, at vi hjælper dem med identifikationen, men hjælper også med behandlingsstrategier for patienter også. "
I virkeligheden vil resultaterne af Infervisions forsøg i Kina også blive vist denne uge på Radiologiske Samfund i Nordamerika årlige konvention i Chicago, hvor Kuan håber at få en lige så entusiastisk reaktion. Han forventer også, at langt flere mennesker snart vil få mulighed for at drage fordel af teknologien.
"Vi har udvidet det til fire hospitaler i Kina på scenen, og de første resultater er lovende, så snart vil vi forhåbentlig udvide til hospitaler til også USA."
AI uddyber bestemt sine forstyrrende udviklingsvinkler dybt ind i sektorerne for at levere mest til mennesker.