Alat diagnostik dan pencitraan berkemampuan AI yang sebelumnya dianggap mustahil
Kami bekerja sama dengan organisasi layanan kesehatan secara global untuk meriset alat terobosan baru berkemampuan AI yang berfokus pada diagnostik guna membantu pakar klinis. Dengan memanfaatkan berbagai set data, label berkualitas tinggi, dan teknik deep learning yang canggih, kami membuat model yang nantinya diharapkan akan mendukung spesialis medis dalam mendiagnosis penyakit. Kami tidak sabar untuk mengembangkan riset ini lebih lanjut guna menciptakan terobosan baru—dan mendemonstrasikan bahwa AI memiliki kemampuan untuk mendiagnosis dengan cara yang baru dan transformatif.
Produk ini telah ditandai oleh CE sebagai perangkat medis Kelas I di Uni Eropa. Produk ini tidak tersedia di Amerika Serikat. Riset ini tidak terkait dengan alat DermAssist, yang tidak lagi dikembangkan.
Memudahkan orang mengakses informasi penyakit kulit
Melalui AI computer vision dan kemampuan penelusuran gambar, kami mengembangkan alat untuk membantu orang-orang meriset & mengidentifikasi kondisi kulit, rambut, dan kuku dengan lebih baik. Alat ini dapat mengenali ratusan jenis kondisi, termasuk lebih dari 80% kondisi yang ditemui di berbagai klinik dan lebih dari 90% kondisi yang paling umum ditelusuri. Upaya ini menjadi sorotan di Nature Medicine dan JAMA Network Open. Pelajari lebih lanjut
Deteksi Anemia
Computer Vision
Deteksi Anemia
Mendeteksi tanda-tanda tersembunyi penyakit anemia dari mata
Mata manusia dapat menunjukkan tanda-tanda penyakit yang mendasari seperti anemia, suatu kondisi yang menyebabkan 1,6 miliar orang di seluruh dunia mengalami rasa letih, lemah, pusing, dan kantuk. Dalam riset yang dipublikasikan di Nature Biomedical Engineering, kami dapat menggunakan deep learning untuk mengukur tingkat hemoglobin dan mendeteksi anemia melalui foto mata bagian belakang yang telah dilakukan de-identifikasi. Hasil ini menunjukkan bahwa suatu saat nanti penyedia mungkin dapat mendeteksi penyakit tersebut menggunakan alat skrining noninvasif yang sederhana. Baca postingan
Computer Vision
Menggunakan computer vision untuk menilai risiko kardiovaskular
Menilai risiko terjadinya penyakit kardiovaskular adalah langkah pertama dan paling utama dalam mengurangi risiko pasien mengalami kejadian kardiovaskular pada masa mendatang. Dengan menerapkan teknik deep learning pada gambar retina, kami dapat mengetahui berbagai faktor yang berhubungan dengan risiko pasien mengalami kejadian kardiovaskular serius seperti serangan jantung atau stroke, seperti pada artikel yang dipublikasikan di Nature Biomedical Engineering. Riset ini dapat membantu ilmuwan membuat hipotesis yang lebih akurat dan mendorong dilakukannya berbagai macam riset pada masa mendatang. Baca postingan
Praktik Klinis
Deep Learning
Praktik Klinis
Mempelajari cara AI membantu skrining kanker payudara dalam praktik klinis
Skrining kanker payudara membantu mendeteksi kanker lebih awal, tetapi mendiagnosis kanker payudara secara akurat dan konsisten tetap menjadi tantangan tersendiri, karena setengah dari semua perempuan yang didiagnosis mendapatkan hasil positif palsu (PP) selama periode 10 tahun. Di Nature, kami mendemonstrasikan potensi model AI kami untuk menganalisis mamografi skrining, yang dikumpulkan secara retrospektif dan telah dilakukan de-identifikasi, dengan akurasi yang setara atau lebih baik dari yang dilakukan pakar klinis. Kini, kami bekerja sama dalam studi riset perangkat investigasi guna memahami cara model ini membantu dalam praktik klinis untuk menghemat waktu yang dibutuhkan dari mamografi skrining hingga diagnosis. Hal ini akan mempercepat waktu penilaian serta meningkatkan pengalaman pasien. Baca postingan
Deep Learning
Menerapkan deep learning untuk mendeteksi kanker payudara metastasis
Dalam riset patologi kami yang dipublikasikan di Archives of Pathology & Laboratory Medicine serta The American Journal of Surgical Pathology, kami menunjukkan cara alat bantuan bukti konsep (LYNA) menggunakan deep learning untuk meningkatkan akurasi deteksi kanker payudara metastasis. Baca postingan
Kemajuan AI
Pembelajaran AI
Diagnosis AI
Kemajuan AI
Mempelajari kemajuan AI dalam perencanaan radioterapi untuk meningkatkan efisiensi
Untuk mengembangkan riset kami sebelumnya dengan University College London Hospitals yang dipublikasikan di JMIR Publications, kami bekerja sama dengan Mayo Clinic untuk mempelajari penggunaan AI guna membantu pakar klinis merencanakan pengobatan radioterapi untuk kanker. Kami telah bekerja sama untuk meriset, melatih, dan memvalidasi algoritme guna membantu dokter memisahkan jaringan dan organ sehat dari tumor untuk mengurangi waktu perencanaan pengobatan dan meningkatkan efisiensi radioterapi. Harapannya, pakar klinis dapat mempercepat waktu perencanaan dan meluangkan lebih banyak waktu untuk pasien. Baca postingan
Pembelajaran AI
Menggunakan machine learning untuk mendeteksi cakupan yang terlewat pada skrining kolonoskopi
Kanker kolorektal (CRC) merupakan masalah kesehatan global dan kanker paling mematikan kedua di Amerika Serikat, yang menyebabkan sekitar 900 ribu kematian per tahun. Dengan memberi tahu dokter terkait bagian dinding usus besar yang terlewat, algoritme kami berpotensi menemukan lebih banyak adenoma, sehingga meningkatkan rasio deteksi adenoma serta mengurangi rasio kanker kolorektal interval, seperti yang dipublikasikan di IEEE Transactions on Medical Imaging. Baca postingan
Diagnosis AI
Menggunakan AI untuk mendeteksi keganasan kanker prostat
Untuk mendiagnosis tingkat keparahan kanker prostat, hasil biopsi akan dianalisis dan diberi skor Gleason (tingkat tumor), yang dinilai berdasarkan perbandingan dengan sel sehat. Berdasarkan riset yang dipublikasikan di JAMA Oncology dan JAMA Network Open, kami mempelajari apakah sistem AI dapat menilai hasil biopsi prostat dengan sistem penilaian Gleason secara akurat, dan hasilnya menunjukkan bahwa sistem deep learning berpotensi mendukung diagnosis tingkat pakar. Baca postingan