Da 23 a +7,000 studi in 12 mesi: come la piattaforma Imaging Covid-19 di Quibim è diventata uno degli strumenti di intelligenza artificiale più potenti e disponibili gratuitamente per la classificazione e la segmentazione della polmonite da Covid-19.
Un anno fa, Quibim ha tracciato un filo che avrebbe contribuito a svelare il mistero della polmonite da Covid-19.
L'epidemia sembrava limitata all'Asia. Ma i segnali che il virus si stava diffondendo rapidamente in altre parti del mondo erano già visibili nelle immagini mediche.
"I radiologi caricavano sui social media immagini di pazienti affetti da una forma molto particolare di polmonite", ricorda il CEO e co-fondatore di Quibim Angel Alberich-Bayarri. "Ci siamo chiesti come avremmo potuto aiutarli al meglio a diagnosticare questa infezione altamente sospetta e abbiamo deciso di creare e testare un modulo di apprendimento profondo con ciò che avevamo a portata di mano. "
Questo fu l'inizio di il nostro percorso per aiutare i team medici a rilevare e controllare il Covid-19 dalle immagini della tomografia computerizzata (TC) dei polmoniAbbiamo chiesto ai medici di caricare le loro immagini sulla nostra piattaforma Imaging Covid-19 appena creata per aiutarci a generare un ampio database e addestrare un modello che avrebbe fatto la differenza nella pratica clinica e alleviato i servizi sanitari sovraccarichi.
La risposta è stata incredibile. Pochi mesi dopo la nostra chiamata, Nel nostro database erano già stati salvati 3,000 casi da tutto il mondoIn un solo anno sono stati caricati più di 7,000 casi e avviate 3,041 analisi sulla nostra piattaforma, disponibile gratuitamente qui.
Grazie al contributo di tutti, abbiamo sviluppato uno dei migliori strumenti di deep learning per rilevare, classificare e segmentare automaticamente il Covid-19 su TC. Il nostro strumento è servito come framework per un progetto europeo per migliorare la TC nella diagnosi del Covid-19 utilizzando l'intelligenza artificiale (IA).
L'iniziativa Imaging Covid-19 AI è coordinata dalla European Society of Medical Imaging Informatics (EuSoMII), Robovision e Quibim (1). Il progetto è guidato da Erik Ranschaert, professore ospite di radiologia presso l'Università di Gand in Belgio, e Laurens Topff, radiologo presso l'NKI.
L'iniziativa ha visto la partecipazione di numerosi ospedali e centri di radiologia in tutto il mondo e anche la collaborazione dell' Società radiologica del Nord America (2).
I modelli di classificazione e segmentazione di Quibim sono stati elogiati per le loro prestazioni e il modulo sarà presto implementato in 26 ospedali.
Lo strumento rappresenta un valore aggiunto nella diagnosi e nella valutazione della gravità del Covid-19, poiché la segmentazione consente di quantificare il volume delle opacità a vetro smerigliato o delle addensamenti all'interno dei polmoni. Queste informazioni potrebbero supportare il processo decisionale terapeutico nel prossimo futuro.
"Siamo vicini a una soluzione che migliorerà significativamente il triage dei pazienti e la valutazione della malattia," ha detto Alberich-Bayarri. "La TC viene utilizzata nel controllo delle malattie e possiamo ragionevolmente aspettarci che, abbinata al nostro modulo, ci aiuterà a prendere decisioni terapeutiche molto presto.".
Siamo estremamente orgogliosi di questi risultati che evidenziano il valore dei biomarcatori di imaging nel migliorare la conoscenza della malattia da Covid-19 e ci avvicina al nostro obiettivo di migliorare la salute umana. Il nostro piccolo contributo ha avuto un effetto domino, con ora più possibilità di prenderci cura dei pazienti in modo appropriato e salvare più vite.
Grazie mille per averci aiutato a raggiungere questo traguardo!
Referenze
(1) https://imagingcovid19ai.eu
(2) https://press.rsna.org/timssnet/media/pressreleases/14_pr_target.cfm?ID=2167