यापूर्वी अशक्य समजले गेलेले, AI सक्षम इमेजिंग आणि निदान
जगभरातील आरोग्य सेवा संस्थांसोबत भागीदारी करून, चिकित्सकांना साहाय्य करण्यासाठी, निदानावर लक्ष केंद्रित करणार्‍या, AI सुरू केलेल्या नवीन परिणामकारक टूलबाबत आम्ही संशोधन करत आहोत. वैविध्यपूर्ण डेटासेट, उच्च गुणवत्तेची लेबल आणि अत्याधुनिक डीप लर्निंग तंत्रांच्या आधारे, आम्ही मॉडेल तयार करत आहोत, जी अंतिमतः वैद्यकीय तज्ञांना रोगांचे निदान करण्यात मदत करतील अशी आम्हाला आशा आहे. नवीन सीमा शोधण्याच्या दिशेने हे संशोधन आणखी विकसित करण्याबाबत आणि AI मध्ये अभिनव, परिवर्तनकारी निदान सुरू करण्याची क्षमता आहे हे दर्शवण्याबाबत आम्ही उत्सुक आहोत.
ईयूमध्ये हे उत्पादन वर्ग १ वैद्यकीय डिव्हाइस म्हणून CE मार्क केले गेले आहे. ते युनायटेड स्टेट्समध्ये उपलब्ध नाही. हे संशोधन आता डेव्हलपमेंटमध्ये नसलेल्या DermAssist टूलशी संबंधित नाही.
त्वचा विकारासंबंधी माहितीच्या उपलब्धते मध्ये सुधारणा करणे
काँप्युटर व्हिजन AI आणि इमेज शोध वापरून, लोकांना त्यांच्या त्वचा, केस, आणि नखांच्या विकारांसंबंधी अधिक चांगल्या प्रकारे संशोधन करण्यात आणि ते ओळखण्यात मदत करण्यासाठी, आम्ही टूल तयार करत आहोत. चिकित्सालयांमध्ये आढळणारे ८०% पेक्षा जास्त विकार आणि सर्वात सामान्यपणे शोधले जाणारे ९०% पेक्षा जास्त विकार यांसह हे टूल शेकडो विकारांना सपोर्ट करते. हे काम Nature Medicine आणि JAMA Network Open या दोन्हींमध्ये हायलाइट केले गेले आहे. अधिक जाणून घ्या
पांडुरोग डिटेक्ट करणे
कॉंप्युटर व्हिजन
पांडुरोग डिटेक्ट करणे
डोळ्यावरून पांडुरोगाची छुपी लक्षणे डिटेक्ट करणे
मानवी डोळा हा थकवा, अशक्तपणा, भोवळ येणे आणि सुस्ती यांसारख्या लक्षणांच्या मुळाशी असलेल्या आणि जगभरातील १.६ अब्ज लोकांना त्रस्त करणार्‍या पांडुरोगासारख्या रोगांची लक्षणे उघड करू शकतो. नेचर बायोमेडिकल इंजिनियरिंग मध्ये प्रकाशित झालेल्या संशोधनामध्ये, हिमोग्लोबिनच्या पातळ्यांचे प्रमाण निर्धारित करण्यासाठी आणि डोळ्याच्या मागील भागाचे ओळख काढून टाकलेले फोटो वापरून पांडुरोग डिटेक्ट करण्यासाठी, आम्हाला डीप लर्निंग वापरता आले. या परिणामाचा अर्थ असा, की कधीतरी पुरवठादारांना साधे, शरीर न छेदणारे स्क्रीनिंग टूल वापरून विकार डिटेक्ट करता येणे शक्य आहे. पोस्ट वाचा
कॉंप्युटर व्हिजन
हृद्‌वाहिकेशी संबंधित धोक्याचे मूल्यांकन करण्यासाठी काँप्युटर व्हिजन वापरणे
हृद्‌वाहिकेच्या विकारांच्या धोक्यांचे मूल्यांकन करणे ही भविष्यात रुग्णाला हृद्‌वाहिकेशी संबंधित घटनेचा त्रास होण्याची शक्यता कमी करण्याच्या दिशेने पहिले आणि सर्वात महत्त्वाचे पाऊल आहे. नेचर बायोमेडिकल इंजिनियरिंग मध्ये प्रकाशित केल्यानुसार, दृष्टिपटलाच्या इमेजना डीप लर्निंग तंत्रे लागू करून, हृदयविकाराचा झटका किंवा हृदयाघात यांसारख्या हृद्‌वाहिकेशी संबंधित घटनांच्या धोक्याशी संबंधित घटक आम्हाला उघड करता आले. अधिक लक्ष्यित परिकल्पना तयार करण्यात आणि भविष्यातील संशोधनाच्या विस्तृत श्रेणीला चालना देण्यात वैज्ञानिकांना या संशोधनाची मदत होऊ शकते. पोस्ट वाचा
चिकित्सालयीन सराव
डीप लर्निंग
चिकित्सालयीन सराव
चिकित्सालयीन पद्धतींमध्ये स्तनांच्या कर्करोगाच्या स्क्रीनिंगला AI कशी मदत करू शकते त्याचा अभ्यास करणे
स्तनांच्या कर्करोगाच्या स्क्रीनिंगमुळे कर्करोग लवकर डिटेक्ट करण्यात मदत होते, परंतु सर्व महिलांपैकी अर्ध्या महिला १० वर्षांच्या कालावधीत फॉल्स पॉझिटिव्ह येत असल्याने, स्तनांच्या कर्करोगाचे अचूक आणि सातत्यपूर्ण निदान करणे हे आव्हान राहिले आहे. नेचर मध्ये, आम्ही ओळख काढून टाकलेल्या, पूर्वलक्षी प्रभावाने गोळा केलेल्या स्क्रीनिंग मॅमोग्रामचे चिकित्सकांसारखेच किंवा अधिक अचूकपणे विश्लेषण करण्याची आमच्या AI मॉडेलची क्षमता दाखवली. आता, मूल्यांकनातील अंतर कमी करून आणि रुग्णाच्या अनुभवामध्ये सुधारणा करून, स्क्रीन मॅमोग्राफीपासून निदानापर्यंत लागणारा वेळ कमी करण्यासाठी चिकित्सालयीन पद्धतींमध्ये हे मॉडेल कशी मदत करू शकते हे समजून घेण्याकरिता आम्ही अन्वेषणात्मक डिव्हाइस संशोधन अभ्यासावर सहयोग करत आहोत. पोस्ट वाचा
डीप लर्निंग
स्तनांच्या विक्षेपी कर्करोगाच्या डिटेक्शनसाठी डीप लर्निंग लागू करणे
आर्काइव्ह्ज ऑफ पॅथॉलॉजी अँड लॅबोरेटरी मेडिसिन, त्याचप्रमाणे द अमेरिकन जर्नल ऑफ सर्जिकल पॅथॉलॉजी मध्ये प्रकाशित झालेल्या आमच्या रोगनिदानशास्त्रासंबंधी संशोधनामध्ये आम्ही दाखवले, की स्तनांच्या विक्षेपी कर्करोगाच्या डिटेक्शनची अचूकता वाढवण्यासाठी संकल्पनेचा पुरावा साहाय्य टूल (LYNA) हे डीप लर्निंग कसे वापरू शकेल. पोस्ट वाचा
AI मधील प्रगती
AI लर्निंग
AI च्या मदतीने निदान
AI मधील प्रगती
कार्यक्षमतेत सुधारणा करण्यासाठी, रेडिओथेरपी नियोजनामधील AI ची प्रगती एक्सप्लोर करणे
युनिव्हर्सिटी कॉलेज लंडन हॉस्पिटल्ससोबत केलेल्या आणि JMIR पब्लिकेशन्स मध्ये प्रकाशित झालेल्या कामाचा आणखी विकास करून, कर्करोगासाठी रेडिओथेरेपीच्या उपचारांची योजना आखण्यात चिकित्सकांना मदत करण्यासाठी, AI च्या वापराचा अभ्यास करण्याकरिता आम्ही मेयो क्लिनिकसोबत सहयोग करत आहोत. औषधोपचार योजना आखण्यासाठी लागणारा वेळ कमी करण्यासाठी आणि रेडिओथेरपीच्या कार्यक्षमतेमध्ये सुधारणा करण्यासाठी, चिकित्सकांना योजना आखण्यात कमी वेळ आणि त्यांच्या रुग्णांसोबत जास्त वेळ घालवता येईल अशी आशा ठेवून, निरोगी ऊति आणि इंद्रियांचे ट्युमरपासून विभाजन करण्याकरिता चिकित्सकांना साहाय्य करण्यासाठी, संशोधन करणे, प्रशिक्षण देणे आणि अल्गोरिदम प्रमाणित करणे यांकरिता आम्ही एकत्रितपणे काम करत आहोत. पोस्ट वाचा
AI लर्निंग
कोलोनोस्कोपी स्क्रीनिंगमध्ये खराब कव्हरेज डिटेक्ट करण्यासाठी मशीन लर्निंग वापरणे
कोलोरेक्टल कर्करोग (CRC) ही आरोग्यासंबंधी जागतिक समस्या असून हा युनायटेड स्टेट्समधील दुसर्‍या क्रमांकाचा सर्वाधिक प्राणघातक कर्करोग आहे, ज्यामुळे दर वर्षी अंदाजे नऊ लाख मृत्यू होतात. IEEE ट्रान्झॅक्शन्स ऑन मेडिकल इमेजिंग मध्ये प्रकाशित झाल्यानुसार, चिकित्सकांना कोलोन वॉलच्या चुकवलेल्या भागांबाबत सावध करून, आमच्या अल्गोरिदममध्ये आणखी अ‍ॅडेनोमा शोधण्याची क्षमता आहे, ज्यामुळे अ‍ॅडेनोमाचा डिटेक्शन दर वाढतो आणि मध्यांतर कोलोरेक्टल कर्करोगाचा दर कमी होतो. पोस्ट वाचा
AI च्या मदतीने निदान
पुरःस्थग्रंथी कर्करोगाची आक्रमकता ओळखण्यासाठी AI वापरणे
पुरःस्थग्रंथी कर्करोगाच्या गंभीरतेचे निदान करण्यासाठी, ऊतिपरीक्षांचे विश्लेषण केले जाते आणि त्यांना ग्लीसन श्रेणी दिली जाते, जी निरोगी पेशींशी केलेल्या तुलनांवर स्कोअर केली जाते. JAMA ऑन्कॉलॉजी आणि JAMA नेटवर्क ओपन यांमध्ये प्रकाशित झालेल्या कामांंमध्ये, आम्ही AI सिस्टीम ही पुरःस्थग्रंथी कर्करोगाच्या ऊतिपरीक्षांना अचूकपणे ग्लीसन श्रेणी देऊ शकते का हे एक्सप्लोर केले आणि आमच्या परिणामांनी दर्शवले, की डीप लर्निंग सिस्टीममध्ये तज्ञांच्या पातळीवरील निदानांना सपोर्ट करण्याची क्षमता आहे. पोस्ट वाचा