Czas e-biznesu

Wszystkie najświeższe informacje o Polsce z Czasu e Biznesu.

Kardiologia pakuje 3,2 miliona dolarów na sztuczną inteligencję do odczytu EKG – TechCrunch

Polski startup technologii medycznych choroba serca Ogłoszono podwyżkę o 3,2 miliona dolarów w celu rozszerzenia wykorzystania technologii automatyzacji odczytu elektrokardiogramu (EKG).

Trasę prowadzi VC Kaya z Europy Środkowo-Wschodniej, z udziałem Nina Capital, Nova Capital i Innovation Nest.

Na zbiórkę fundacji składa się także niekapitałowa dotacja w wysokości 1 miliona dolarów z Narodowego Centrum Badań i Rozwoju.

Startup, założony w 2017 r., sprzedaje narzędzie w chmurze, które przyspiesza diagnozę i zwiększa efektywność interpretacji EKG przez kardiologów, lekarzy i innych pracowników służby zdrowia — automatyzując wykrywanie i analizę prawie 20 nieprawidłowości i zaburzeń serca za pomocą oprogramowania, które generuje raporty ze skanów w minut, szybciej niż przeszkolony specjalista ludzki, aby móc pracować.

Cardiomatics reklamuje swoją technologię jako pomoc w demokratyzacji dostępu do opieki zdrowotnej – mówiąc, że narzędzie umożliwia kardiologom usprawnienie ich pracy, dzięki czemu mogą widzieć i leczyć więcej pacjentów. Mówi również, że pozwala lekarzom rodzinnym i mniejszym praktykom na dostarczanie pacjentom analizy EKG bez konieczności kierowania ich do szpitali specjalistycznych.

Narzędzie AI przeanalizowało dotychczas komercyjnie ponad 3 miliony godzin sygnałów EKG dla każdego startupu, który twierdzi, że z jego oprogramowania korzysta ponad 700 klientów w ponad 10 krajach, w tym w Szwajcarii, Danii, Niemczech i Polsce.

Oprogramowanie jest w stanie zintegrować się z ponad 25 monitorami EKG w tym momencie i zachwala, że ​​oferuje nowoczesny interfejs oprogramowania w chmurze jako oprogramowanie medyczne premium w porównaniu ze starszym.

Kiedy zapytano startup, jak sprawdzić dokładność odczytów EKG AI, powiedział nam: „Zbiór danych, których używamy do opracowania algorytmów, zawiera ponad 10 miliardów uderzeń serca od prawie 100 000 pacjentów i systematycznie rośnie. Większość tworzonych przez nas zestawów danych sami, reszta Publicznie dostępne bazy danych.

Dziewięćdziesiąt procent danych służy jako zestaw uczący, a 10 procent służy do sprawdzania poprawności i testowania algorytmu. Dzięki sztucznej inteligencji zorientowanej na dane przywiązujemy dużą wagę do zestawów testów, aby zapewnić, że zawierają one najlepszą możliwą reprezentację sygnałów od naszych klientów. Dokładność algorytmów sprawdzamy w pracy eksperymentalnej podczas ciągłego rozwoju zarówno algorytmów, jak i danych z częstotliwością raz w miesiącu. Nasi klienci sprawdzają to codziennie w praktyce klinicznej.”

READ  Apel Solidarności: Potęga „nieuzbrojonych proroków”

Firma Cardiomatics poinformowała, że ​​wykorzysta fundusze zalążkowe na inwestycje w rozwój produktów, rozszerzając swoją działalność na istniejące rynki i przygotowując się do wejścia na nowe rynki.

„Przychody z rundy zostaną wykorzystane na wsparcie planów szybkiej ekspansji w całej Europie, w tym na zwiększenie skali wiodącej na rynku technologii sztucznej inteligencji i zapewnienie klinicystom najlepszego doświadczenia. Przygotowujemy produkt do wprowadzenia również na nowe rynki. Nasze plany na przyszłość obejmują Certyfikacja FDA i wejście na rynek amerykański.

Narzędzie AI uzyskało europejską certyfikację urządzeń medycznych w 2018 r. – chociaż warto zauważyć, że system regulacyjny UE dotyczący urządzeń medycznych i sztucznej inteligencji nadal ewoluuje wraz z aktualizacją dyrektywy dotyczącej klastrów w sprawie wyrobów medycznych (obecnie znanej jako UE Rozporządzenie) Wchodzi w życie na początku tego roku (maj).

Trwają również prace nad nowymi ramami opartymi na ryzyku dla zastosowań sztucznej inteligencji – czyli prawem AI – i prawdopodobnie rozszerzą wymagania dotyczące zgodności dla narzędzi sztucznej inteligencji w zakresie zdrowia, takich jak Cardiomatics, wprowadzając jednocześnie wymagania, takie jak wykazanie bezpieczeństwa, niezawodności i bezstronnych zautomatyzowanych wyników.

Zapytany o krajobraz regulacyjny, powiedział: „Kiedy wprowadzaliśmy na rynek w 2018 roku, byliśmy jednymi z pierwszych rozwiązań opartych na sztucznej inteligencji, które uzyskały certyfikację jako wyrób medyczny w Europie. Aby wyprzedzić tempo, uważnie monitorujemy sytuację w Europie oraz proces legislacji opartej na ryzyku dla regulacji zastosowań wywiadowczych. Monitorujemy również projekty regulacji i wymagań, które mogą zostać wkrótce wprowadzone. Jeśli zostaną wprowadzone nowe standardy i wymagania AI, natychmiast wdrożymy je w procesach firmowych i produktowych, ponieważ oraz rozszerzyć walidację dokumentacji i algorytmów o dowody niezbędne dla niezawodności i bezpieczeństwa naszych produktów.”

Jednak uznano również, że obiektywny pomiar skuteczności algorytmów odczytu EKG jest wyzwaniem.

„Obiektywna ocena skuteczności algorytmów może być bardzo trudna” – powiedział TechCrunch. „Często jest wykonywany na wąskim zestawie danych od pewnej grupy pacjentów, zarejestrowanych jednym urządzeniem. Otrzymujemy sygnały od różnych grup pacjentów, pochodzące z różnych rejestratorów. Pracujemy nad tą metodą, aby ocenić skuteczność. Nasz algorytmów, które pozwoliłyby im wiarygodnie ocenić ich wydajność niezależnie od różnych czynników towarzyszących badaniu, w tym urządzenia rejestrującego czy grupy społecznej, na której będą testowane.”

READ  Rajd dolara sprawia, że ​​Fed idzie wcześnie, pomimo gwałtownego wzrostu liczby przypadków Covid

„Kiedy lekarz przeprowadza analizę, interpretacja EKG jest funkcją doświadczenia, zasad i sztuki. Kiedy człowiek interpretuje EKG, widzi krzywą. Pracuje na warstwie wizualnej. Algorytm zamiast tego widzi strumień liczb obrazu, więc zadanie staje się problemem matematycznym. Ale przecież nie można budować wydajnych algorytmów bez znajomości domeny.” „Wiedza i doświadczenie naszego zespołu medycznego to dzieło sztuki w kardiologii. Nie możemy zapominać, że algorytmy są również szkolone na danych generowanych przez kardiologów. Istnieje silny związek między wiedzą fachową lekarzy a uczeniem maszynowym.”