Badacze uważają, że zakażenie koronawirusem daje bardzo charakterystyczny obraz w badaniu tomografii komputerowej klatki piersiowej. Z kolei radiolodzy wskazują, że nie jest łatwo wykryć zmiany spowodowane COVID-19.
Polskie rozwiązanie
Z pomocą przychodzi BrainScan.ai, który przeprowadzając swoje własne badania nad sztuczną inteligencją w analizie obrazów TK, ustalił, że głębokie sieci neuronowe są w stanie wychwycić bardzo subtelne różnice pomiędzy poszczególnymi obrazami. Takie odkrycie zdecydowanie ułatwi radiologom szybsze i skuteczniejsze diagnozowanie pacjentów z COVID-19. A w konsekwencji wszystkim medykom leczenie pacjentów.
– Potrzebę zastosowania wyników naszych badań w diagnostyce COVID-19 wskazali zarówno lekarze radiolodzy, jak i lekarze innych specjalności, świadomi problemów z testami genetycznymi. W wielu szpitalach na północy Włoch TK stało się ważnym narzędziem diagnostycznym podczas epidemii SARS-CoV-2 – podkreśla w rozmowie z Super Expressem prezes firmy BrainScan.ai, Robert Kitłowski.
BrainScan.ai umożliwił znaczne skrócenie i maksymalne zautomatyzowanie pracy lekarza radiologa podczas analizy badań pacjentów zarażonych patogenem. Startup planuje przeprowadzić badanie kliniczne na kilkuset osobowej grupie pacjentów. Obecnie tylko kilka grup badawczych na świecie zajmuje się tego rodzaju technologią.
W pierwszej fazie praktycznym aspektem tego projektu będzie, uruchomienie nowego systemu w 8 szpitalach w Polsce.
Milion dla tomografii
Brainscan stworzył oprogramowanie oparte o AI do automatycznej analizy badań z tomografii komputerowej głowy, którego celem jest m.in. wczesne wykrywanie zmian patologicznych mózgu. W 2019 r. firma otrzymała dotację z NCBiR w wysokości 1 mln dolarów. Finansowanie zostało przeznaczone na dalszy rozwój silnika analitycznego 3D, dzięki któremu radiolog może przygotować szybszą i dokładniejszą interpretację tomografii komputerowej.
Projekt rozpoczął się od pasji do sztucznej inteligencji jednego ze współzałożycieli Marka Trojanowicza – obecnie CTO Brainscan. Pracując ze środowiskiem medycznym, wykonując projekt wykorzystania sztucznej inteligencji w kapsułkach endoskopowych w 2017 roku, dowiedział się o problemach w radiologii, szczególnie w interpretacji tomografii komputerowej.
