هوش مصنوعی در حال تغییر الگوهای تشخیصی است

01

از 04

نقش هوش مصنوعی در تصویربرداری پزشکی

در قلب نوآوری‌های Qure.ai، توانایی آن در پردازش میلیون‌ها تصویر پزشکی قرار دارد، که به طور قابل توجهی فرایندهای تشخیصی را تسریع می‌کند.

با مدل‌های یادگیری عمیق خود، هوش مصنوعی می‌تواند تصاویر اشعه ایکس قفسه سینه، سی‌تی اسکن‌ها و ام‌آر‌آی‌ها را برای بیماری‌هایی مانند: سل، سرطان ریه و سکته مغزی تحلیل کند.

هوش مصنوعی قادر است این تصاویر را به صورت خودکار تفسیر کند، به ویژه در غربالگری‌های سل، که به پزشکان اجازه می‌دهد تصمیمات سریعی بدون نیاز به مداخله رادیولوژیست بگیرند.

این قابلیت در مناطقی با منابع بهداشتی محدود بسیار حیاتی است. در مناطق بومی سل، ابزارهای هوش مصنوعی برای شناسایی سریع مواردی که نیاز به آزمایش‌های بیشتر دارند، به کار گرفته می‌شوند.

همان‌طور که پراشانت وارییر، یکی از بنیان‌گذاران و مدیرعامل Qure.ai، در مصاحبه‌ای جدید توضیح داد، سیستم هوش مصنوعی مستقر در ون‌های سیار در فیلیپین زمان انتظار برای تشخیص سل را از چند هفته به تنها ۳۰ ثانیه کاهش داد.

این فناوری در بیش از ۳۰۰۰ منطقه در سراسر جهان به کار گرفته شده، که نشان‌دهنده مقیاس‌پذیری و تأثیر آن است.

02

از 04

تغییر الگوهای تشخیصی و افزایش دقت و سرعت

موفقیت هوش مصنوعی در رادیولوژی و تغییر الگوهای تشخیصی تنها به توانایی آن در پردازش سریع داده‌ها محدود نمی‌شود، بلکه در بهبود دقت تشخیص نیز نقش دارد.

مطالعات نشان می‌دهند که هوش مصنوعی Qure.ai می‌تواند در برخی وظایف تشخیصی، به خوبی یا حتی بهتر از رادیولوژیست‌های انسانی عمل کند.

وارییر، مدیرعامل Qure.ai توضیح داد: «آنچه ما دیده‌ایم این است که مطالعات نشان می‌دهند اگر دو رادیولوژیست یک تصویر اشعه ایکس قفسه سینه را گزارش کنند، تنها ۶۵ درصد مواقع با هم موافق خواهند بود. بنابراین، ۳۵ درصد مواقع آنها در مورد آنچه در تصویر اشعه ایکس وجود دارد، توافق نخواهند داشت و اینجا است که هوش مصنوعی همیشه توافق خواهد داشت و همواره همان خروجی را برای آن تصویر اشعه ایکس ارائه خواهد داد. بنابراین ثبات بسیار مهم است.»

این ثبات، اطمینان می‌دهد که بیماران تشخیص‌های قابل اعتمادتری دریافت می‌کنند، که به ویژه برای بیماری‌هایی که نیاز به مداخلات به موقع دارند، مانند: سرطان ریه و سکته مغزی، حیاتی است.

برای سرطان ریه، تشخیص زودهنگام می‌تواند تفاوت قابل توجهی در نتایج بیماران ایجاد کند. ابزارهای هوش مصنوعی Qure.ai، با همکاری AstraZeneca، تصاویر اشعه ایکس روتین قفسه سینه را برای تشخیص ندول‌ها و ارزیابی خطرات بدخیمی تحلیل می‌کنند و اغلب موارد بالقوه‌ای را که ممکن است نادیده گرفته شوند، شناسایی می‌کنند. این قابلیت اولویت‌بندی می‌تواند به پزشکان کمک کند تا بیماران پرخطر را در اولویت قرار دهند و درمان را تسریع کنند.

03

از 04

دسترسی و تأثیر جهانی

فناوری Qure.ai محدود به یک منطقه یا بازار خاص نیست، بلکه در بیش از ۹۰ کشور به کار گرفته شده است. از ون‌های سیار غربالگری سل در فیلیپین گرفته تا همکاری با غول‌های داروسازی مانند AstraZeneca برای تشخیص سرطان ریه، Qure.ai در حال دسترسی به مراقبت‌های بهداشتی مبتنی بر هوش مصنوعی برای جمعیت‌های محروم است.

با پردازش بیش از ۱۰ میلیون اسکن در سال، تشخیص‌های مبتنی بر هوش مصنوعی آنها به سرعت در حال تبدیل شدن به یک ستون اصلی در بهداشت جهانی هستند.

این شرکت به تازگی ۶۵ میلیون دلار در دور تأمین مالی سری D جمع‌آوری کرده است، که شاهد مشارکت سرمایه‌گذاران استراتژیک و مالی جدید به رهبری Lightspeed و 360 ONE Asset بود، که توسط Merck Global Health Innovation Fund و Kae Capital همراهی شدند. سرمایه‌گذاران موجود از جمله Novo Holdings، Health Quad و TeamFund نیز در این دور شرکت کردند.

با این تأمین مالی جدید، تمرکز بر گسترش مدل‌های هوش مصنوعی و توسعه عملیات در بازارهای جدید مانند ایالات متحده باقی می‌ماند.

همچنین این تأمین مالی به شرکت اجازه می‌دهد تا در مدل‌های هوش مصنوعی بنیادی سرمایه‌گذاری کند که قابلیت‌های تشخیصی را بهبود می‌بخشند و سرعت، دقت و مقیاس‌پذیری را در محیط‌های مختلف بهداشتی افزایش می‌دهند.

04

از 04

آینده هوش مصنوعی در تغییر الگوهای تشخیصی درمان

فناوری Qure.ai نشان‌دهنده آغاز یک روند گسترده‌تر در بهداشت و درمان است که در آن هوش مصنوعی نقش محوری نه تنها در تشخیص، بلکه در برنامه‌ریزی درمان و مدیریت بیماران ایفا می‌کند.

تمرکز بعدی شرکت به احتمال زیاد شامل ادغام هوش مصنوعی با سایر منابع داده، مانند: ژنومیک و پرونده‌های پزشکی الکترونیکی، برای ارائه یک دید جامع‌تر از سلامت بیمار خواهد بود.

با انجام این کار، هوش مصنوعی می‌تواند فراتر از وظایف تشخیصی جداگانه حرکت کنند و مراقبت‌های شخصی‌سازی شده و پیش‌بینی‌کننده‌تری ارائه دهد.

وارییر معتقد است که هوش مصنوعی در بهداشت و درمان هنوز در مراحل ابتدایی خود قرار دارد، اما پتانسیل آن بسیار زیاد است.

وی اعلام کرد: «ما در حال شروع ادغام چندین نقطه داده برای ایجاد مدل‌های هوش مصنوعی جامع‌تر هستیم. این تغییر به پزشکان امکان می‌دهد تا با در نظر گرفتن تاریخچه کامل پزشکی بیمار در کنار تصویربرداری تشخیصی، تصمیمات آگاهانه‌تری بگیرند.»