Von 23 auf +7,000 Studien in 12 Monaten: Wie die Imaging Covid-19-Plattform von Quibim zu einem der leistungsstärksten, frei verfügbaren KI-Tools zur Klassifizierung und Segmentierung von Covid-19-Pneumonien wurde.
Vor einem Jahr zog Quibim einen Faden, der helfen sollte, das Rätsel der Covid-19-Pneumonie zu lösen.
Die Epidemie schien auf Asien beschränkt zu sein. Doch auf medizinischen Bildern waren bereits Anzeichen dafür zu erkennen, dass sich das Virus rasch in andere Teile der Welt ausbreitete.
"Radiologen luden in den sozialen Medien Bilder von Patienten hoch, die an einer ganz besonderen Form von Lungenentzündung litten“, erinnert sich Angel Alberich-Bayarri, CEO und Mitbegründer von Quibim. „Wir fragten uns, wie wir ihnen am besten dabei helfen könnten, diese höchst verdächtige Infektion zu diagnostizieren, und beschlossen, mit dem, was wir zur Verfügung hatten, ein Deep-Learning-Modul zu entwickeln und zu testen."
Dies war der Anfang von Unser Ziel ist es, medizinische Teams bei der Erkennung und Bekämpfung von Covid-19 anhand von Computertomographie-Bildern (CT) der Lunge zu unterstützen. Wir haben Kliniker gebeten, ihre Bilder auf unsere neu erstellte Imaging Covid-19-Plattform hochzuladen, um uns beim Erstellen einer großen Datenbank und beim Trainieren eines Modells zu helfen, das einen Unterschied in der klinischen Praxis machen und überlastete Gesundheitsdienste entlasten würde.
Die Resonanz war unglaublich. Ein paar Monate nach unserem Anruf 3,000 Fälle aus aller Welt waren bereits in unserer Datenbank gespeichertIn nur einem Jahr wurden mehr als 7,000 Fälle hochgeladen und 3,041 Analysen auf unserer Plattform gestartet, die hier kostenlos verfügbar ist.
Dank der Beiträge aller haben wir eines der besten Deep-Learning-Tools entwickelt, um Covid-19 im CT automatisch zu erkennen, zu klassifizieren und zu segmentieren. Unser Tool diente als Rahmen für ein europäisches Projekt zur Verbesserung der CT bei der Covid-19-Diagnose mithilfe künstlicher Intelligenz (KI).
Die Initiative Imaging Covid-19 AI wird von der European Society of Medical Imaging Informatics (EuSoMII), Robovision und Quibim koordiniert (1). Das Projekt wird geleitet von Erik Ranschaert, Gastprofessor für Radiologie an der Universität Gent in Belgien, und Laurens Topff, Radiologe am NKI.
An der Initiative haben sich viele Krankenhäuser und Radiologiezentren auf der ganzen Welt beteiligt und sogar die Radiologische Gesellschaft von Nordamerika Die Kommission geht davon aus, dass die Mitgliedstaaten der Europäischen Union (RSNA) ihre Verpflichtungen aus dem Übereinkommen von Lissabon über die Europäische Union (EU) Nr. 2/XNUMX über die Bekämpfung von Terrorismus und Terrorismusfinanzierung (RSNA) in den Mitgliedstaaten der Europäischen Union ...
Die Klassifizierungs- und Segmentierungsmodelle von Quibim wurden für ihre Leistung gelobt und das Modul wird bald in 26 Krankenhäusern eingesetzt.
Das Tool bietet einen Mehrwert für die Diagnose und Beurteilung des Schweregrads von Covid-19, da durch die Segmentierung das Volumen von Milchglastrübungen oder Verdichtungen in der Lunge quantifiziert werden kann. Diese Informationen könnten in naher Zukunft die Therapieentscheidung unterstützen.
"Wir stehen kurz vor einer Lösung, die die Patiententriage und Krankheitsbewertung deutlich verbessern wird.“, sagte Alberich-Bayarri. „Die CT wird zur Krankheitskontrolle eingesetzt und wir können davon ausgehen, dass sie in Verbindung mit unserem Modul schon bald dazu beitragen wird, therapeutische Entscheidungen zu treffen."
Wir sind sehr stolz auf diese Erfolge die den Wert bildgebender Biomarker für die Erweiterung des Wissens über die Covid-19-Erkrankung hervorheben und bringt uns unserem Ziel näher, die menschliche Gesundheit zu verbessern. Unser kleiner Beitrag hatte einen Dominoeffekt, der uns nun mehr Möglichkeiten bietet, Patienten angemessen zu versorgen und mehr Leben zu retten.
Vielen Dank, dass Sie uns geholfen haben, dieses Wahrzeichen zu erreichen!
Referenzen
(1): https://imagingcovid19ai.eu
(2): https://press.rsna.org/timssnet/media/pressreleases/14_pr_target.cfm?ID=2167