Sztuczna inteligencja coraz śmielej wkracza w świat medycyny, a jednym z najważniejszych jej zastosowań jest analiza obrazowania medycznego. Francuski startup Gleamer, który już wcześniej zyskał uznanie dzięki narzędziom wspomagającym interpretację zdjęć rentgenowskich i mammografii, teraz ma nowy cel – wdrożenie technologii AI do analizy obrazów rezonansu magnetycznego (MRI).
Zamiast zaczynać od zera, Gleamer postawił na przejęcia. Firma zdecydowała się na akwizycję dwóch startupów, które już od lat rozwijają technologie oparte na sztucznej inteligencji do analizy MRI – Pixyl oraz Caerus Medical. Dzięki temu Gleamer ma szansę szybciej i skuteczniej wprowadzić swoje innowacje na rynek.
Gleamer jest częścią drugiej fali startupów, które dążą do udoskonalenia obrazowania medycznego przy użyciu AI. Pierwsze firmy o podobnych ambicjach powstawały już w latach 2014-2015, jednak wiele z nich nie przetrwało próby czasu. Na rynku nastąpiły również pewne konsolidacje – przykładem są przejęcia Zebra Medical Vision przez Nanox oraz Arterys przez Tempus.
Od momentu założenia w 2017 roku, Gleamer rozwija inteligentnego asystenta dla radiologów, który działając niczym „kopilot”, pomaga lekarzom w dokładniejszej ocenie obrazów medycznych. System ten zyskał uznanie na całym świecie – obecnie korzysta z niego już 2000 instytucji w 45 krajach, a łączna liczba przeanalizowanych badań wynosi ponad 35 milionów. Produkty Gleamer zdobyły certyfikaty CE oraz FDA, między innymi dla narzędzia wspomagającego diagnozowanie urazów kostnych. W Europie firma oferuje także certyfikowane rozwiązania do analizy zdjęć rentgenowskich klatki piersiowej, badań ortopedycznych i oceny wieku kostnego.
„Uniwersalne podejście do radiologii nie działa” – przyznaje Christian Allouche, współzałożyciel i CEO Gleamer. „Nie da się stworzyć jednego modelu AI, który byłby w stanie efektywnie analizować wszystkie rodzaje obrazowania medycznego i jednocześnie spełniałby wysokie oczekiwania lekarzy.”
Z tego powodu firma zdecydowała się na wdrożenie mniejszych, wyspecjalizowanych zespołów, które koncentrują się na konkretnych obszarach, takich jak mammografia czy tomografia komputerowa (CT). Niedawno Gleamer wprowadził na rynek swoje nowe rozwiązanie do analizy mammografii, nad którym pracowano przez 18 miesięcy. Model sztucznej inteligencji został wytrenowany na bazie 1,5 miliona obrazów, co znacząco zwiększa jego skuteczność.
W ramach dalszego rozwoju firma współpracuje z Jean Zay – francuskim rządowym klastrem obliczeniowym opartym na procesorach GPU. Gleamer prowadzi również prace nad wdrożeniem AI do analizy tomografii komputerowej pod kątem nowotworów.
Analiza rezonansu magnetycznego (MRI) stanowi jednak wyjątkowe wyzwanie. Jak zauważa Allouche, MRI wymaga zupełnie innego podejścia technologicznego. Obejmuje bowiem nie tylko wykrywanie zmian, ale także ich segmentację, klasyfikację i analizę obrazów w różnych sekwencjach.
Dlatego właśnie Gleamer zdecydował się na zakup Pixyl i Caerus Medical. Te przejęcia mają przyspieszyć rozwój technologii AI w zakresie MRI oraz umożliwić pokrycie wszystkich potencjalnych zastosowań na przestrzeni najbliższych dwóch-trzech lat.
Nowa era profilaktycznego obrazowania medycznego
Mimo że modele AI rozwijane przez Gleamer osiągają imponujące wyniki, nie można jeszcze powiedzieć, że są doskonałe. Na przykład niedawno wprowadzony system do analizy mammografii jest w stanie wykryć cztery na pięć przypadków raka piersi, podczas gdy radiolodzy pracujący bez wsparcia sztucznej inteligencji identyfikują jedynie trzy na pięć przypadków.
Jednak niezależnie od obecnych ograniczeń, narzędzia oparte na AI mogą znacząco zwiększyć efektywność i szybkość diagnozy. Niewykryty nowotwór często ujawnia się podczas kolejnych badań kontrolnych – zastosowanie AI mogłoby znacznie ograniczyć takie opóźnienia w diagnozie.
Allouche przewiduje, że w niedalekiej przyszłości profilaktyczne badania MRI całego ciała staną się rutynowe i będą finansowane przez ubezpieczenia zdrowotne, ponieważ rezonans magnetyczny nie wiąże się z promieniowaniem jonizującym.
Jednak już teraz w wielu miastach brakuje specjalistów radiologów, którzy mogliby obsłużyć rosnące zapotrzebowanie na badania. Jeśli branża zdecyduje się na szersze wdrożenie profilaktycznego obrazowania medycznego, sztuczna inteligencja stanie się w tej dziedzinie nieodzownym narzędziem.
Zdaniem CEO Gleamer, AI ma potencjał, by pełnić funkcję narzędzia do organizowania i przydzielania priorytetów w diagnostyce. Obecnie wiele badań obrazowych wykonuje się głównie w celu wykluczenia potencjalnych schorzeń. Automatyzacja tego procesu dzięki zaawansowanej sztucznej inteligencji mogłaby umożliwić dokładniejszą i znacznie szybszą diagnostykę, przewyższającą nawet ludzkie możliwości w zakresie czułości wykrywania.
