Imagens e diagnósticos com IA antes considerados impossíveis
Em parceria com as organizações globais de saúde, estamos pesquisando novas ferramentas de IA robustas com foco em diagnóstico para ajudar os médicos. Usando conjuntos de dados diversos, rótulos de alta qualidade e técnicas de aprendizado profundo de última geração, estamos criando modelos que esperamos futuramente apoiar os médicos no diagnóstico de doenças. Estamos animados em descobrir novas fronteiras no desenvolvimento dessa pesquisa, além de demonstrar que a IA tem a capacidade de permitir diagnósticos inovadores e transformativos.
Este produto recebeu a marcação CE de dispositivo médico Classe I na UE. Ele não está disponível nos Estados Unidos. Esta pesquisa não tem relação com a ferramenta DermAssist, que não está mais em desenvolvimento.
Melhora no acesso às informações sobre doenças de pele
Com a visão computacional de IA e os recursos de pesquisa de imagem, estamos desenvolvendo uma ferramenta para ajudar as pessoas a pesquisar e identificar melhor as doenças de pele, cabelos e unhas. A ferramenta é compatível com centenas de condições, incluindo mais de 80% das condições vistas em clínicas e mais de 90% das condições mais pesquisadas. O trabalho teve destaque na Nature Medicine e na JAMA Network Open (artigos em inglês). Saiba mais
Diagnóstico de anemia
Visão computacional
Diagnóstico de anemia
Detecção de sinais ocultos de anemia no olho
O olho humano pode revelar sinais de doenças subjacentes, como anemia, uma condição que afeta 1,6 bilhão de pessoas no mundo todo e causa fadiga, fraqueza, tontura e sonolência. Em uma pesquisa publicada na Nature Biomedical Engineering (em inglês), conseguimos usar o aprendizado profundo para quantificar os níveis de hemoglobina e detectar a anemia com fotografias desidentificadas da parte de trás do olho. Esse resultado significa que talvez os profissionais da saúde possam detectar a doença com uma ferramenta de exame simples e não invasiva no futuro. Leia a postagem (em inglês).
Visão computacional
Uso da visão computacional para avaliar riscos cardiovasculares
Avaliar o risco de doenças cardiovasculares é o passo mais importante para reduzir a probabilidade de um paciente sofrer um evento cardiovascular no futuro. Ao aplicar técnicas de aprendizado profundo a imagens da retina, conseguimos revelar fatores associados ao risco de eventos cardiovasculares graves, como ataque cardíaco e derrame, conforme publicado na Nature Biomedical Engineering (em inglês). Essa pesquisa pode ajudar os cientistas a gerar hipóteses mais direcionadas e promover uma grande variedade de pesquisas futuras. Leia a postagem (em inglês)
Prática clínica
Aprendizado profundo
Prática clínica
Estudo sobre como a IA pode ajudar na detecção do câncer de mama na prática clínica
O exame de câncer de mama ajuda a detectar a doença mais cedo, mas o diagnóstico preciso e consistente ainda é um desafio: metade das mulheres recebem um falso positivo em um período de dez anos. Na Nature (em inglês), demonstramos o potencial do nosso modelo de IA para analisar retrospectivamente mamografias desidentificadas com precisão similar ou superior aos profissionais da saúde. Agora estamos colaborando em um estudo de dispositivo investigativo para entender como o modelo pode ajudar a reduzir o tempo entre a mamografia e o diagnóstico na prática clínica, diminuindo o tempo de avaliação e melhorando a experiência do paciente. Leia a postagem (em inglês).
Aprendizado profundo
Aplicação do aprendizado profundo à detecção do câncer de mama metastático
Na nossa pesquisa de patologia publicada nas revistas Archives of Pathology & Laboratory Medicine e The American Journal of Surgical Pathology (páginas em inglês), mostramos como uma ferramenta de assistência de prova de conceito (LYNA) pode usar o aprendizado profundo para melhorar a precisão da detecção do câncer de mama metastático. Leia a postagem (em inglês)
Avanços da IA
Aprendizagem de IA
Diagnóstico de IA
Avanços da IA
Exploração dos avanços da IA no planejamento da radioterapia para melhorar a eficácia
Com base no trabalho feito com os University College London Hospitals e publicado no periódico JMIR Publications (em inglês), estamos colaborando com a Mayo Clinic para estudar o uso da IA no planejamento do tratamento de radioterapia contra câncer pelos médicos. Unimos forças para pesquisar, treinar e validar um algoritmo para ajudar os profissionais da saúde com a segmentação de órgãos e tecido saudável dos tumores a fim de reduzir o tempo de planejamento do tratamento e melhorar a eficácia da radioterapia, permitindo aos profissionais passar menos tempo planejando e mais tempo com os pacientes. Leia a postagem (em inglês).
Aprendizagem de IA
Uso do aprendizado de máquina para detectar cobertura deficiente em colonoscopias
O câncer colorretal (CRC, na sigla em inglês) é um problema de saúde global e o segundo câncer mais mortal nos Estados Unidos, resultando em uma estimativa de 900 mil mortes por ano. Ao alertar os profissionais de saúde sobre regiões esquecidas da parede do cólon, nosso algoritmo tem o potencial de levar à descoberta de mais adenomas, aumentando a taxa de detecção e diminuindo a taxa de câncer colorretal após colonoscopia negativa, conforme publicado na revista IEEE Transactions on Medical Imaging (em inglês). Leia a postagem (em inglês)
Diagnóstico de IA
Uso da IA para identificar a agressividade do câncer de próstata
Para diagnosticar a gravidade do câncer de próstata, as biópsias são analisadas e classificadas com um escore de Gleason, que é pontuado em comparação com células saudáveis. Em um trabalho publicado nas revistas JAMA Oncology e JAMA Network Open (páginas em inglês), exploramos se um sistema de IA poderia atribuir um escore de Gleason com precisão às biópsias de próstatas, e os resultados indicaram que o sistema de aprendizado profundo tem o potencial de servir como base para os diagnósticos especializados. Leia a postagem (em inglês).