W ostatnich latach nastąpił znaczący postęp w dziedzinie diagnostyki medycznej dzięki wykorzystaniu sztucznej inteligencji. Jednym z przełomowych osiągnięć jest Polski system BrainScan CT, który wprowadza rewolucję w diagnostyce mózgu.
Ten zaawansowany system AI, specjalizujący się w analizie obrazów tomografii komputerowej, znacząco przyspiesza i ulepsza proces wykrywania zmian patologicznych w mózgu.
BrainScan CT to system AI przeznaczony do wykrywania zmian patologicznych w ludzkim mózgu na podstawie obrazów tomografii komputerowej. Wykorzystując algorytmy sztucznej inteligencji, system ten automatycznie analizuje skany CT mózgu, identyfikując i podkreślając potencjalne zmiany patologiczne. Wyniki analizy prezentowane są w formie infografik i strukturyzowanego tekstu, co znacznie ułatwia pracę lekarzy.
Integracja z Istniejącymi Systemami Szpitalnymi
BrainScan CT został zaprojektowany z myślą o łatwej integracji z różnymi systemami informatycznymi w szpitalach. Dzięki elastyczności rozwiązania, system ten może wspierać i poprawiać jakość pracy niezależnie od poziomu informatyzacji placówki. BrainScan CT może być połączony z zaawansowanymi systemami RIS/HIS za pomocą interfejsu API lub z serwerami PACS w przypadku mniejszych szpitali i klinik.
Przyspieszenie Diagnostyki w Oddziałach Ratunkowych
BrainScan CT znacząco przyspiesza początkową diagnozę pacjentów w oddziałach ratunkowych. W ciągu kilku minut po wykonaniu skanu CT głowy, system zwraca informacje o potencjalnych patologiach, takich jak udary czy krwawienia, co znacznie przyspiesza proces ustalania priorytetów leczenia (triage) i umożliwia szybkie podjęcie odpowiednich procedur leczniczych.
Wykrywanie Zmian Patologicznych
Aktualnie, BrainScan CT jest zdolny do diagnozowania dwóch rodzajów zmian patologicznych – krwotoku i udaru. Planowane jest rozszerzenie możliwości systemu o dodatkowe 26 zmian patologicznych. Przykłady zidentyfikowanych zmian obejmują m.in. ostre udary niedokrwienne, krwotoki śródmózgowe i podtwardówkowe oraz cysty.
Kto za tym stoi?
dr Szymon Korzekwa jest CEO polskiego startupu BrainScan, który opracował system oparty na sztucznej inteligencji do analizy skanów CT i innych obrazów medycznych w celu wykrywania zmian patologicznych mózgu w ciągu kilku minut. System ten ma na celu pokrycie wszystkich patologii mózgowych, co, jak twierdzi firma, nie jest możliwe dla konkurencji. Wyniki systemu AI BrainScan mają wspierać odkrycia radiologów, których liczba maleje w miarę starzenia się siły roboczej.
W wywiadzie z Felixem Beacherem, szefem technologii opieki zdrowotnej w Informa Tech, Korzekwa podkreślił, że BrainScan to rozwiązanie programowe oparte na AI, przeznaczone do analizy skanów CT i automatycznego wykrywania zmian mózgowych.
Jego celem jest zwiększenie dokładności i efektywności diagnostyki poprzez zmniejszenie niedoszacowania i pomoc radiologom w priorytetowaniu pacjentów.
dr Szymon Korzekwa
Seria skanów z maszyny CT jest przesyłana jako pliki DICOM (Digital Imaging and Communications in Medicine) do serwera PACS (Picture Archiving and Communication System), który jest urządzeniem obliczeniowym służącym do bezpiecznego przechowywania, pobierania, zarządzania i dostępu do informacji o obrazowaniu medycznym. Jest to centralne urządzenie umożliwiające żądania dostępu do danych z wielu innych urządzeń w sieci.
Jak to działa?
System BrainScan CT został wytrenowany na podstawie analizy ponad 250 000 badań CT mózgu, co stanowi około 12,5 miliona skanów.
System BrainScan CT, wykorzystujący zaawansowane algorytmy sztucznej inteligencji, jest zdolny do identyfikowania szerokiego spektrum zmian patologicznych w mózgu. Z ponad 20 dostępnych rodzajów patologii, do najczęściej wykrywanych należą: ostry udar niedokrwienny, obszar stłuczenia mózgu, zanik, zwapnienie, jamistość, cysta, obrzęk, krwiak nadtwardówkowy, złamanie, krwotok śródmózgowy, krwotok śródczaszkowy, krwotok śródkomorowy, zmiany naczyniopochodne, malacja, zmiany masowe, krwiak okołomózgowy, krwotok podpajęczynówkowy, krwotok podtwardówkowy oraz nieprawidłowości naczyniowe. Każda z tych patologii ma unikalne cechy i może być wykryta dzięki precyzyjnej analizie obrazów tomografii komputerowej. Wykorzystanie AI w tym kontekście pozwala na szybkie i dokładne identyfikowanie zmian, co jest kluczowe w skutecznym diagnozowaniu i planowaniu leczenia neurologicznego.
