Trước đây, việc dùng AI để hỗ trợ hoạt động chẩn đoán và hình ảnh được cho là bất khả thi
Hợp tác với các tổ chức chăm sóc sức khỏe trên toàn cầu, chúng tôi đang nghiên cứu các công cụ chuyên về chẩn đoán để hỗ trợ các bác sĩ lâm sàng. Đây là các công cụ mới, mạnh mẽ và sử dụng AI (trí tuệ nhân tạo). Từ các bộ dữ liệu đa dạng, nhãn chất lượng cao và kỹ thuật học sâu hiện đại, chúng tôi đang tạo ra các mô hình với kỳ vọng sẽ hỗ trợ được các chuyên gia y tế trong việc chẩn đoán bệnh tật. Chúng tôi rất hào hứng được phát triển nghiên cứu này xa hơn nữa để đến với các tầm cao mới — và chứng minh rằng AI có khả năng đưa ra các chẩn đoán mới và mang tính biến đổi.
Sản phẩm này được gắn nhãn CE là thiết bị y tế Hạng I ở Liên minh Châu Âu. Sản phẩm này chưa có mặt tại Hoa Kỳ. Nghiên cứu này không liên quan đến công cụ DermAssist hiện không còn được phát triển nữa.
Cải thiện khả năng tiếp cận thông tin về bệnh da liễu
Nhờ khả năng tìm hình ảnh và sử dụng AI thị giác máy tính, chúng tôi đang phát triển một công cụ giúp các cá nhân tìm hiểu và xác định tình trạng da, tóc và móng dễ dàng hơn. Công cụ này hỗ trợ hàng trăm tình trạng, bao gồm hơn 80% số lượng tình trạng nhận thấy trong lâm sàng và hơn 90% số lượng tình trạng hay được tìm kiếm nhất. Công trình này đã được nêu bật trong cả Nature Medicine và JAMA Network Open. Tìm hiểu thêm
Phát hiện tình trạng thiếu máu
Thị giác máy tính
Phát hiện tình trạng thiếu máu
Phát hiện dấu hiệu tiềm ẩn của bệnh thiếu máu qua mắt
Mắt người có thể cho thấy các dấu hiệu bệnh lý tiềm ẩn như thiếu máu, tình trạng đang ảnh hưởng đến 1,6 tỷ người trên toàn thế giới, gây mệt mỏi, suy nhược, chóng mặt và buồn ngủ. Trong một nghiên cứu công bố tại Nature Biomedical Engineering, chúng tôi đã sử dụng được công nghệ học sâu để định lượng nồng độ huyết sắc tố và phát hiện bệnh thiếu máu nhờ hình ảnh đằng sau nhãn cầu đã được khử nhận dạng. Kết quả này cho thấy tiềm năng sau này các nhà cung cấp có thể phát hiện được bệnh chỉ bằng một công cụ sàng lọc đơn giản và không xâm lấn. Đọc bài đăng
Thị giác máy tính
Sử dụng thị giác máy tính để đánh giá nguy cơ bệnh tim mạch
Đánh giá nguy cơ mắc bệnh tim mạch là bước đầu tiên và quan trọng nhất để giảm thiểu khả năng sau này bệnh nhân gặp phải biến cố về tim mạch. Bằng cách áp dụng kỹ thuật học sâu trên ảnh chụp mắt, chúng tôi đã phát hiện được các yếu tố có liên quan đến nguy cơ xảy ra các biến cố tim mạch nghiêm trọng như đột quỵ hoặc nhồi máu cơ tim, theo nghiên cứu công bố tại Nature Biomedical Engineering. Nghiên cứu này có thể giúp các nhà khoa học đưa ra nhiều giả thuyết cụ thể hơn và thúc đẩy một loạt các nghiên cứu đa dạng trong tương lai. Đọc bài đăng
Phương pháp điều trị lâm sàng
Học sâu
Phương pháp điều trị lâm sàng
Nghiên cứu cách AI có thể giúp tầm soát ung thư vú trong điều trị lâm sàng
Tầm soát ung thư vú giúp phát hiện ung thư sớm hơn, nhưng chẩn đoán ung thư vú một cách chính xác và nhất quán vẫn đang là thách thức khi có đến 50% số phụ nữ gặp tình trạng dương tính giả trong 10 năm qua. Trong bài viết Nature, chúng tôi đã chứng minh tiềm năng của mô hình AI của chúng tôi trong việc phân tích nhũ ảnh tầm soát tổng hợp hồi cứu (đã loại bỏ thông tin nhận dạng cá nhân) có độ chính xác tương tự hoặc cao hơn so với phân tích của bác sĩ lâm sàng. Hiện tại, chúng tôi đang cộng tác trong một nghiên cứu về thiết bị kiểm tra để nắm được cách mà mô hình này có thể giúp ích trong điều trị lâm sàng nhằm giảm thời gian từ chụp nhũ ảnh đến chẩn đoán, thu hẹp mức độ chênh lệch trong đánh giá và cải thiện trải nghiệm của bệnh nhân. Đọc bài đăng
Học sâu
Áp dụng học sâu để phát hiện ung thư vú di căn
Trong nghiên cứu bệnh lý học của chúng tôi được công bố trên Archives of Pathology & Laboratory Medicine cũng như The American Journal of Surgical Pathology, chúng tôi đã chỉ ra cách mà một công cụ hỗ trợ bằng chứng về khái niệm (LYNA) có thể dùng học sâu để tăng độ chính xác của khả năng phát hiện ung thư vú di căn. Đọc bài đăng
AI tiên tiến
Học tập bằng AI
Chẩn đoán bằng AI
AI tiên tiến
Khám phá những điểm cải tiến của AI trong việc lập kế hoạch xạ trị nhằm cải thiện hiệu quả
Phát triển từ bài nghiên cứu đã thực hiện cùng Bệnh viện đại học London và đã xuất bản trên JMIR Publications, chúng tôi đang hợp tác với Bệnh viện Mayo để nghiên cứu hoạt động sử dụng AI để giúp bác sĩ lâm sàng lập kế hoạch điều trị ung thư bằng xạ trị. Chúng tôi hợp tác nghiên cứu, đào tạo và xác nhận một thuật toán để hỗ trợ bác sĩ phân đoạn mô và cơ quan khỏe mạnh khỏi khối u nhằm giảm thời gian lập kế hoạch điều trị và cải thiện hiệu quả xạ trị, hy vọng có thể giúp bác sĩ lâm sàng tốn ít thời gian lập kế hoạch hơn và có nhiều thời gian khám chữa cho bệnh nhân hơn. Đọc bài đăng
Học tập bằng AI
Dùng công nghệ máy học để phát hiện tổn thương bị bỏ sót trong tầm soát nội soi đại tràng
Ung thư đại trực tràng (CRC) là một vấn đề sức khỏe trên phạm vi toàn cầu và là căn bệnh ung thư gây tử vong thứ hai ở Hoa Kỳ, dẫn đến số liệu ước tính khoảng 900 nghìn ca tử vong mỗi năm. Bằng việc cảnh báo bác sĩ về những vùng bị bỏ sót của thành ruột kết, thuật toán của chúng tôi có khả năng phát hiện ra nhiều u tuyến hơn, nhờ đó tăng tỷ lệ phát hiện u tuyến và giảm tỷ lệ ung thư đại trực tràng, như đã công bố trong IEEE Transactions on Medical Imaging. Đọc bài đăng
Chẩn đoán bằng AI
Dùng AI để xác định mức độ nguy hiểm của ung thư tuyến tiền liệt
Để chẩn đoán mức độ nghiêm trọng của ung thư tuyến tiền liệt, bác sĩ lấy sinh thiết để phân tích và cho điểm Gleason (điểm này được đưa ra bằng cách so sánh với tế bào khỏe mạnh). Trong bài nghiên cứu được đăng trên JAMA Oncology và JAMA Network Open, chúng tôi đã khám phá ra liệu một hệ thống AI có thể cho điểm Gleason một cách chính xác đối với sinh thiết tuyến tiền liệt hay không, và kết quả của chúng tôi chỉ ra rằng hệ thống học sâu có tiềm năng hỗ trợ các chẩn đoán ở cấp độ chuyên gia. Đọc bài đăng