تصویربرداری پزشکی یک اصطلاح گسترده است که چندین فناوری متمایز را در بر میگیرد. استارتاپ فرانسوی گلیمر پس از کار بر روی ابزارهای مجهز به هوش مصنوعی برای بهبود تصاویر اشعه ایکس و ماموگرافی، اکنون قصد دارد تا به تصویربرداری رزونانس مغناطیسی (MRI) نیز بپردازد.
گلیمر به جای شروع از صفر، یک استارتاپ که قبلاً بر روی تجزیه و تحلیل MRI مجهز به هوش مصنوعی کار میکرده است، یعنی Caerus Medical را خریداری کرده و با Pixyl ادغام میشود.
گلیمر بخشی از موج دوم استارتاپهایی است که در تلاش برای بهبود تصویربرداری پزشکی با استفاده از هوش مصنوعی هستند. چندین بنیانگذار فناوری در سال 2014 یا 2015 استارتاپهایی را در این زمینه ایجاد کردند. در حالی که اکثر آنها به جایی نرسیدند، برخی ادغامها در این فضا صورت گرفته است. به عنوان مثال، Zebra Medical Vision و Arterys هر دو توسط Nanox و Tempus به ترتیب خریداری شدند.
گلیمر که در سال 2017 تأسیس شد، در حال ساخت یک دستیار هوش مصنوعی برای رادیولوژیستها، نوعی کمکخلبان برای تصویربرداری پزشکی است. با گلیمر، رادیولوژیستها از نظر تئوری میتوانند دقت تشخیصی را هنگام تفسیر تصاویر پزشکی بهبود بخشند.
این استارتاپ تاکنون 2000 موسسه در 45 کشور جهان را متقاعد کرده است که از راهکار نرمافزاری آن استفاده کنند. به طور کلی، گلیمر 35 میلیون معاینه را پردازش کرده است. این شرکت گواهینامههای CE و FDA را برای محصول تفسیر تروما استخوان خود دریافت کرده است. در اروپا، این شرکت همچنین محصولاتی را به طور خاص بر روی تصاویر اشعه ایکس قفسه سینه، اندازهگیریهای ارتوپدی و سن استخوان با گواهینامه CE ارائه میدهد.
کریستین آلوش، یکی از بنیانگذاران و مدیرعامل گلیمر، به تککرانچ گفت: «متأسفانه، رویکرد یکسان برای همه در رادیولوژی کار نمیکند. داشتن یک مدل بزرگ که تمام تصویربرداری پزشکی را پوشش دهد و سطح عملکرد مورد انتظار پزشکان را ارائه دهد، بسیار پیچیده است.»
به همین دلیل است که این شرکت تیمهای داخلی کوچکی را ایجاد کرده است که بر روی ماموگرافی و سیتیاسکن تمرکز دارند. آلوش گفت: «سه هفته پیش ما محصول ماموگرافی خود را که 18 ماه روی آن کار کرده بودیم، منتشر کردیم.» این محصول بر اساس یک مدل هوش مصنوعی اختصاصی است که بر روی 1.5 میلیون ماموگرافی آموزش داده شده است.
آلوش گفت: «ما با Jean Zay، خوشه GPU دولت فرانسه، مشارکت داریم.» این شرکت همچنین بر روی سیتیاسکن برای سرطانها کار میکند.
اما در مورد MRI چطور؟ آلوش گفت: «MRI یک فضای فناوری متفاوت است. شما کارهای زیادی در MRI دارید. این فقط تشخیص نیست، شما تقسیمبندی، تشخیص، تعیین ویژگی، طبقهبندی، تصویربرداری چند توالی دارید.»
به همین دلیل است که گلیمر در حال خرید یک استارتاپ کوچک (Caerus Medical) و ادغام با یک استارتاپ بزرگتر (Pixyl) است تا سریعتر حرکت کند. این دو شرکت چندین سال است که در این فضا کار میکنند. گلیمر شرایط این معاملات را فاش نمیکند.
آلوش گفت: «این دو شرکت به دو پلتفرم MRI ما تبدیل خواهند شد، با این هدف روشن که تمام موارد استفاده را در طول دو تا سه سال آینده پوشش دهیم.»
تصویربرداری پزشکی پیشگیرانه
در حالی که مدلهای گلیمر نتایج امیدوارکنندهای را نشان میدهند، اما هنوز کامل نیستند. به عنوان مثال، با مدل ماموگرافی جدید این شرکت، این استارتاپ ادعا میکند که میتواند از هر پنج سرطان، چهار مورد را تشخیص دهد. در مقایسه، یک رادیولوژیست انسانی بدون کمک هوش مصنوعی به طور معمول سرطان را در سه از پنج مورد شناسایی میکند.
با این حال، افزایش بهرهوری ناشی از ابزاری مانند گلیمر میتواند به طور اساسی تصویربرداری پزشکی را تغییر دهد. یک تومور از دست رفته به احتمال زیاد در یک معاینه پیگیری چند ماه بعد ظاهر میشود.
آلوش گفت: «در آینده نه چندان دور، فکر میکنم همه ما MRIهای کل بدن را به طور معمول انجام خواهیم داد که توسط شرکتهای بیمه ما پرداخت میشود - زیرا آنها اشعهای ندارند.»
با این حال، در برخی شهرها، در حال حاضر رادیولوژیستهای بسیار کمی برای پاسخگویی به تقاضا برای تصویربرداری واکنشی وجود دارد. اگر صنعت به سمت تصویربرداری پیشگیرانه تغییر کند، ابزارهای هوش مصنوعی ضروری خواهند شد.
مدیرعامل گلیمر فکر میکند که هوش مصنوعی میتواند به یک ابزار «هماهنگکننده و اولویتبندی» تبدیل شود. اکثر معاینات تصویربرداری پزشکی به عنوان راهی برای رد برخی تشخیصها انجام میشوند. آلوش گفت: «بنابراین، نیاز واقعی به خودکارسازی همه اینها با یک مدل هوش مصنوعی بسیار قوی وجود دارد که سطح حساسیت بسیار بالاتری نسبت به انسان دارد.»