Infervision jobber med en banebrytende funksjon for å diagnostisere og behandle hjerneslag ved hjelp av maskinlæringsalgoritmer. AI-medisinske bildespesialister har allerede fullført vellykkede piloter av Head CT Augmented Screening-plattformen. Det anses at teknologien snart vil komme til utbredt bruk og bevare liv, ved å la leger raskere og mer presist diagnostisere slag og vurdere skaden de har forårsaket.
Det er den andre medisinske teknologien basert på maskinlæring som Infervision har rapportert å være en suksess.
Mer enn 100.000 kommenterte kliniske bildeskanninger ble ansatt for å utdanne algoritmene, noe som ga lengre live data vil bli stadig mer effektive ved diagnostisering av begge hovedtyper av hjerneslag, hemorragisk og iskemisk.
Infervision-grunnlegger og administrerende direktør Chen Kuan fortalte oss at "røntgen er en veldig gammel form for medisinsk kontroll i Kina, for eksempel hadde ingen nevnt røntgen av brystet i akademiske konvensjoner i over 15 år. Inntil veldig nylig med ankomsten av AI. AI har hjulpet radiologer å oppdage problemer de tidligere ikke var i stand til å avgjøre. Så vi er veldig glade for å se radiologer som begynner å utforske noen ganske spennende og fantastiske forekomster mellom AI. "
Det er sikkert et flott tilfelle av måten nye teknologier kan låse opp verdi i data som har eksistert ganske lenge.
Noen av de største problemene det løser er måten å vurdere volumet av blod i blødninger. Når hvert øyeblikk er avgjørende etter hjerneslag, bruker leger vanligvis en enkel matematisk formel for å "anslå" mulig blodtap i kroppen.
Forskning viser at jo mer korrekt dette volumet blir vurdert, jo større sannsynlighet har pasienten for bedring på grunn av måten det påvirker behandlingen på.
"Blødningsmengde er nært knyttet til dødelighet og den aller beste metoden å trenge inn", presiserer Kuan.
"Volum over 30 ml er nært forbundet med dødelighet, og det er tryggere å bruke konkurransedyktige kirurgiske teknikker for å gripe inn. Problemet er at vi i testfasen ba radiologer om å utføre disse beregningene, og vi oppdaget at feilmarginen i noen tilfeller var mer enn 30 ml. . "
Ikke bare kan man håpe at algoritmene vil "lære" å bli mer presise enn menneskelige radiologer ved disse vurderingene, de vil også ha muligheten til å ta dem ut langt raskere som svar på en krise.
Den kommer med ekstra fordeler ved å utføre diagnoser fra røntgen- og CT-skanning også, i stedet for MR-skanning uavhengig, som nå er den eneste måten å diagnostisere iskemiske (blodpropp) hjerneslag. MR-maskiner er mindre tilgjengelige, og flere sykehus har ikke ressurser til å gjennomføre dem 24 timer i døgnet.
Vi spurte Kuan hvordan radiologer og annet medisinsk personell hadde reagert når de møtte teknologier som tilsynelatende hadde som mål å gjøre noen av ferdighetene deres overflødige.
"De er veldig glade", forklarte han. "To eller tre uker tilbake var det en kongress med kinesiske radiologer, og det hadde vært mye entusiasme om hva vi kan gjøre. De innser også at vi hjelper dem med identifikasjonen, men hjelper også med behandlingsstrategier for pasienter også. "
I virkeligheten vil også resultatene av rettssaken til Infervision i Kina vises denne uken på Radiologiske samfunn i Nord-Amerika årlige stevne i Chicago, der Kuan håper å få en like entusiastisk reaksjon. Han forventer også at langt flere mennesker snart vil få muligheten til å dra nytte av teknologien.
"Vi har utvidet det til fire sykehus i Kina på scenen, og de første resultatene er lovende, så snart vil vi utvide til sykehus forhåpentligvis også til USA."
AI utdyper definitivt sine forstyrrende evolusjons tentakler dypt inn i sektorene for å levere mest mulig til mennesker.