رادیولوژی هوشمند با Raidium

استارتاپ فرانسوی Raidium یک پلتفرم تصویربرداری پزشکی مبتنی بر هوش مصنوعی طراحی کرده که از ابتدا با تمرکز بر فناوری هوش مصنوعی ساخته شده است. این پلتفرم که Raidium Read نام دارد، اکنون در مرکز سرطان موفیت (Moffitt Cancer Center)، یکی از مراکز پیشرو تحقیقات و درمان سرطان در آمریکا، مورد استفاده قرار گرفته است.

این فناوری توانسته ابزارهای قدیمی رادیومیکس (Radiomics) مورد استفاده در این مرکز را جایگزین کند و در حال حاضر برای انجام تحقیقات پزشکی و آزمایش‌های بالینی در دسترس قرار دارد. شرکت Raidium انتظار دارد تأییدیه FDA 510(k) را تا پایان سال ۲۰۲۶ دریافت کند.

مدل هوش مصنوعی Curia؛ قلب فناوری Raidium

سیستم Raidium Read بر پایه مدل اختصاصی هوش مصنوعی این شرکت با نام رادیولوژی هوشمند Curia ساخته شده است. این مدل با استفاده از بیش از ۲۰۰ میلیون برش تصاویر CT و MRI از حدود ۱۵۰ هزار آزمایش تصویربرداری پزشکی آموزش داده شده است.

برخلاف بسیاری از راهکارهای موجود که ابتدا یک نرم‌افزار مشاهده تصاویر پزشکی ایجاد می‌کنند و سپس ابزارهای هوش مصنوعی را به آن اضافه می‌کنند یعنی هوش مصنوعی مثل یک افزونه یا ابزار جانبی به سیستم اضافه می‌شود. ، اما Raidium برعکس عمل کرده است:

• از همان ابتدا نمایشگر تصاویر را با هدف استفاده از هوش مصنوعی طراحی کرده.
• مدل هوش مصنوعی Curia داخل ساختار اصلی سیستم قرار گرفته است.
• هوش مصنوعی فقط یک قابلیت اضافه نیست، بلکه بخش اصلی عملکرد نرم‌افزار است.

اندازه‌گیری خودکار تومورها با استاندارد RECIST

یکی از قابلیت‌های مهم Raidium Read، انجام خودکار اندازه‌گیری‌های RECIST است. RECIST یک روش استاندارد در پزشکی برای بررسی پاسخ تومورها به درمان است که پزشکان از آن برای مقایسه تغییرات توده‌های سرطانی در طول زمان استفاده می‌کنند.

رادیولوژی هوشمند Curia  می‌تواند بدون وابستگی به نوع اندام، ضایعات و تومورها را در بخش‌های مختلف بدن شناسایی و اندازه‌گیری کند. این سیستم همچنین می‌تواند تصاویر مربوط به زمان‌های مختلف را با یکدیگر مقایسه کرده و روند تغییرات تومورها را دنبال کند.

طبق اعلام Raidium، استفاده از این فناوری باعث شده اختلاف میان نتایج متخصصان مختلف در بررسی تصاویر تا سه برابر کاهش پیدا کند.

حل یک مشکل قدیمی در رادیولوژی سرطان

یکی از مشکلات اصلی که Raidium قصد دارد آن را برطرف کند، فرآیند زمان‌بر و پیچیده بررسی تصاویر بیماران سرطانی است.

در روش‌های سنتی، رادیولوژیست‌ها باید به‌صورت دستی ضایعات را در تصاویر جدید و قدیمی پیدا کنند، اندازه‌گیری‌های قبلی را بررسی کنند و تغییرات آن‌ها را با تصاویر جدید مقایسه کنند.

این فرآیند علاوه بر زمان‌بر بودن، ممکن است باعث ایجاد تفاوت در نتایج بین پزشکان مختلف شود. حتی متخصصان باتجربه نیز ممکن است در اندازه‌گیری یا تفسیر برخی تغییرات کوچک، اختلاف نظر داشته باشند.

Raidium Read این فرآیند را خودکار می‌کند. سیستم می‌تواند حجم زیادی از تصاویر پزشکی را بررسی کرده، ضایعات را در بخش‌های مختلف بدن شناسایی کند، آن‌ها را دسته‌بندی کند و اطلاعات مربوط به تصاویر قبلی را با اسکن‌های جدید تطبیق دهد.

جایگزینی رویکرد سنتی PACS با یک سیستم هوشمند

پل هرنت (Paul Herent)، مدیرعامل و یکی از بنیان‌گذاران Raidium، معتقد است نمایشگرهای استاندارد PACS (نرم‌افزارهای بایگانی و نمایش تصاویر پزشکی) در دو دهه گذشته تغییرات محدودی داشته‌اند.

به گفته او، بسیاری از سیستم‌های تصویربرداری پزشکی همچنان بر پایه فناوری‌های قدیمی کار می‌کنند و نیاز به یک تحول اساسی دارند.

Raidium به جای اضافه کردن یک ابزار هوش مصنوعی به یک سیستم موجود، تصمیم گرفته است خود نمایشگر پزشکی را بر اساس مدل هوش مصنوعی طراحی کند.

این رویکرد باعث می‌شود هوش مصنوعی از ابتدا با فرآیند کاری پزشکان هماهنگ باشد و بتواند نقش مؤثرتری در تشخیص و تحقیقات پزشکی ایفا کند.

استقرار سریع‌تر بدون نیاز به تغییرات پیچیده

یکی از مزیت‌های رادیولوژی هوشمند Raidium Read این است که برای راه‌اندازی آن نیازی به یکپارچه‌سازی پیچیده با زیرساخت‌های قدیمی وجود ندارد.

این ویژگی باعث می‌شود مراکز درمانی بتوانند سریع‌تر از فناوری استفاده کنند؛ در حالی که نصب و هماهنگ‌سازی سیستم‌های سنتی PACS معمولاً زمان و منابع زیادی نیاز دارد.

دکتر سزار لام (Dr. Cesar Lam)، متخصص رادیولوژی در مرکز سرطان موفیت ، اعلام کرده است که این رادیولوژی هوشمند امکان انجام پروژه‌های تحقیقاتی را فراهم کرده که تا همین چند سال پیش غیرممکن به نظر می‌رسیدند.

آینده هوش مصنوعی در تصویربرداری پزشکی

هوش مصنوعی در سال‌های اخیر توانسته پیشرفت‌های قابل توجهی در حوزه پزشکی ایجاد کند. برخی ابزارهای تحقیقاتی حتی در تشخیص و درجه‌بندی بعضی سرطان‌های نادر عملکردی بهتر از روش‌های سنتی نشان داده‌اند، اما بسیاری از این فناوری‌ها هنوز در مرحله تحقیقاتی باقی مانده‌اند.

Raidium معتقد است کلید ورود واقعی هوش مصنوعی به فرآیندهای روزمره پزشکی، ساخت سیستم‌هایی است که هوش مصنوعی در مرکز طراحی آن‌ها قرار داشته باشد؛ نه اینکه تنها به نرم‌افزارهای قدیمی اضافه شود.

اگر این رویکرد موفق شود، می‌تواند مسیر جدیدی برای توسعه ابزارهای پزشکی هوشمند ایجاد کند؛ ابزارهایی که به پزشکان کمک می‌کنند سریع‌تر، دقیق‌تر و با اطلاعات کامل‌تر تصمیم‌گیری کنند.

برای مطالعه جدیدترین مقالات فناوری و هوش مصنوعی، از دیگر مطالب ما دیدن کنید.