چگونه شرکت‌ها می‌توانند ابزارهای پزشکی نرم‌افزار هوش مصنوعی جدید را وارد بازار کنند؟

منبع

چالش سوم، در دسترس قرار دادن دستگاه در اختیار پزشکان به عنوان بخشی از مجموعه ابزار استاندارد آنهاست. محصول ما، TRAQinform IQ، یک سیستم مبتنی بر ابر است که تصاویر پزشکی سه بعدی مانند اسکن PET/CT را پردازش می کند. اسکن ها در بیمارستان قرار دارند، بنابراین برای انتقال داده ها باید با شبکه های بیمارستانی یکپارچه شویم. علاوه بر این، ما باید با سیستم های الکترونیکی پرونده پزشکی ادغام شویم تا دسترسی پزشکان به گزارش های ما آسان شود. این یکپارچه‌سازی‌ها همگی نیاز به سفارشی‌سازی برای سیستم‌های بیمارستانی جداگانه دارند تا با پیاده‌سازی گردش کار و پیکربندی‌های امنیتی فردی آنها مطابقت داشته باشند.

تیم علمی ما، به رهبری دکتر تیم پرک، نوآوری های بسیار بیشتری در خط لوله دارد!

خوانندگان از کجا می توانند اطلاعات بیشتری بیابند؟

درباره گای استارباک

در صحبت‌هایم، داستان چگونگی تبدیل AIQ از یک پروژه تحقیقاتی متشکل از یک پتنت و مجموعه‌ای از اسکریپت‌های کد را به یک دستگاه پزشکی نرم‌افزار تجاری که توسط FDA پاکسازی شده است، مرور خواهم کرد. من به ترتیبی که فعالیت های خاصی انجام دادیم و اینکه چگونه تیم خود را ساختار داده و رشد داده ایم، توضیح خواهم داد.

AIQ Global در حال تغییر نحوه مدیریت پزشکان بیماری‌های پیچیده، مانند سرطان متاستاتیک، برای افزایش و بهبود زندگی بیماران است. فن‌آوری نرم‌افزار AIQ از اطلاعات اسکن‌های رادیولوژیک برای ارزیابی نحوه پاسخ بیماران به درمان‌های خاص استفاده می‌کند. انکولوژیست ها از فناوری TRAQinform IQ AIQ برای اتخاذ تصمیمات درمانی مطمئن تر، شخصی سازی مراقبت از بیمار و بهبود نتایج درمان استفاده می کنند.

دومین چالش بزرگ در ارائه یک دستگاه پزشکی به بازار، پیچیدگی های بازپرداخت به خصوص در ایالات متحده است. بدون بازپرداخت، استفاده از این محصول برای پزشکان بسیار دشوارتر است زیرا هزینه ها باید توسط سیستم بهداشتی جذب شود یا توسط بیمار پرداخت شود.

من کار با دستگاه‌های پزشکی را بسیار مفید می‌دانم – این احساس بسیار خوبی است که در پایان روز به خانه بروید و بدانید که کاری که انجام می‌دهید دارای پتانسیل تأثیر مستقیم و مثبت بر زندگی مردم است.

شما بنیانگذار و مدیر ارشد فناوری AIQ Global هستید، شرکتی که پزشکان را قادر می سازد تا تصمیمات درمانی آگاهانه تری اتخاذ کنند. لطفاً در مورد AIQ و مأموریت آن بیشتر توضیح دهید؟

درمان سرطان، به ویژه در مورد بیماری متاستاتیک در مراحل آخر، چالش برانگیز است. ضایعات متاستاتیک می تواند متعدد باشد و تعداد آنها به چند صد نفر در هر بیمار برسد و هر ضایعه می تواند به طور متفاوتی به درمان پاسخ دهد (به نام ناهمگنی پاسخ). هنگامی که یک انکولوژیست یک رژیم درمانی را آغاز می کند، با سوالات زیر مواجه می شود: آیا این بیمار به این درمان پاسخ مثبت می دهد، و اگر پاسخ مثبت است، تا چه زمانی این درمان ادامه خواهد داشت؟ آیا این درمان از نظر آسیب به اندام های حیاتی بیشتر از فایده ضرر دارد؟ آیا هزینه مالی این درمان ارزش سود احتمالی را دارد؟ آن‌ها هر چند ماه یک‌بار همین سؤال‌ها را بازبینی می‌کنند تا تصمیم بگیرند که آیا فرد باید تحت درمان بماند یا به یک برنامه درمانی متفاوت روی بیاورد.

اعتبار تصویر: metamorworks/Shutterstock.com

شما در یک زمینه هیجان انگیز کار می کنید، با پیشرفت های جدید با سرعتی باورنکردنی. چه چیزی شما را بیشتر از کار در این زمینه الهام می‌دهد و در سال‌های آینده بیشتر منتظر چه چیزی هستید؟

ما دائماً در حال یافتن برنامه‌های کاربردی جدید و هیجان‌انگیز برای فناوری خود هستیم – یکی از مواردی که در حال حاضر روی آن تمرکز کرده‌ایم ترانوستیک، ترکیبی از درمان و تشخیص است. Theranostics به سرعت در حال گسترش است و می تواند بسیار موثر باشد. با این حال، گران است (260000 دلار برای هر بیمار)، و چالش‌های کلیدی مانند شناسایی بیمارانی که از درمان سود می‌برند، بهینه‌سازی دوز درمانی و نظارت بر پاسخ درمانی وجود دارد. فن‌آوری ما قادر است داده‌های صریح در مورد اثربخشی بالقوه ترانوستیک‌ها برای هر بیمار در اختیار متخصصان سرطان قرار دهد.

من از اینکه فرصتی برای کار در زمینه پزشکی دارم و بخشی از شرکتی هستم که در حال انجام کارهای مشخص برای افزایش عمر و تأثیر واقعی بر مراقبت از بیمار هستم، سپاسگزارم.

از آنجایی که فناوری ما یک دستگاه تشخیصی نیست، باید به نقاطی که در اسکن‌ها شناسایی می‌شوند به‌جای «ضایعات» به عنوان «مناطق مورد نظر» اشاره کنیم. فناوری IQ TRAQinform AIQ به طور خودکار هر منطقه مورد علاقه را در اسکن های فردی شناسایی و اندازه گیری می کند. سپس می توانیم به طور خودکار این مناطق مورد علاقه را بین اسکن ها مطابقت دهیم و تغییرات آنها را در طول زمان اندازه گیری کنیم. این فناوری به طور بالقوه می‌تواند با افزایش مدت درمان‌های خط اول، که به طور قابل‌توجهی ارزان‌تر از گزینه‌های خط دوم و سوم هستند، ارزش اقتصادی برای سیستم مراقبت‌های بهداشتی فراهم کند و از هزینه‌های گزینه‌های درمانی ناکارآمد اجتناب کند.

در حال حاضر، توسعه فناوری جدید پزشکی و آوردن تجهیزات پزشکی به بازار بسیار چالش برانگیز است. چرا این هست؟

اعتبار تصویر: sfam_photo/Shutterstock.com

هوش مصنوعی در سال‌های اخیر توجه بیشتری را به خود جلب کرده است و نقش بالقوه آن در مراقبت‌های بهداشتی هر روز افزایش می‌یابد. فکر می‌کنید هوش مصنوعی چقدر برای بخش مراقبت‌های بهداشتی مهم است، و کجا می‌بینید که بیشترین تأثیر را در مراقبت از بیمار دارد؟

هوش مصنوعی در آینده به بخش بزرگی از مراقبت های بهداشتی تبدیل می شود – در حال حاضر تحقیقات زیادی در حال انجام است و FDA اکنون دستورالعمل های خوبی برای دریافت تاییدیه هوش مصنوعی در دستگاه های پزشکی دارد. همانطور که ابزارها و تکنیک‌های هوش مصنوعی بالغ می‌شوند و پیاده‌سازی آن‌ها آسان‌تر و ایمن‌تر می‌شوند، این روند فقط افزایش می‌یابد – و این پتانسیل را دارد که با بهبود دسترسی به اطلاعات مراقبت‌های بهداشتی سریع و با کیفیت بالا، برای همه مفید باشد.

برای SLAS US 2023، ما با گای استارباک، یکی از بنیانگذاران AIQ Global در مورد اینکه چگونه می توانیم از فناوری هوش مصنوعی برای ارائه دستگاه های پزشکی جدید به بازار استفاده کنیم، صحبت می کنیم.

لطفاً می‌توانید خودتان را معرفی کنید و به ما بگویید چه چیزی الهام‌بخش کار شما در علوم زیستی بوده است؟

ما مزایای زیادی را در استفاده از هوش مصنوعی برای انجام وظایف پیچیده، وقت گیر و نیازمند توجه به جزئیات دیده ایم. در حالی که رادیولوژیست ها میتوانست تمام استخوان‌ها، اندام‌ها و بیماری‌ها را در یک بیمار مشخص کنید و سپس هر ضایعه را به صورت دستی بین دو اسکن مطابقت دهید، این غیرعملی است و انجام نمی‌شود. علاوه بر این، می تواند تفاوت قابل توجهی در نتایج بین رادیولوژیست ها وجود داشته باشد. با استفاده از هوش مصنوعی برای این وظایف، می‌توانیم نتایج ثابتی را ارائه کنیم که انکولوژیست‌ها می‌توانند از آن برای تصمیم‌گیری مطمئن‌تر و مقرون‌به‌صرفه‌تر برای درمان و در نتیجه مراقبت بهتر از بیمار استفاده کنند.

شما در SLAS 2023 سخنرانی می کنید با عنوان “مسیری از تحقیق به دستگاه پزشکی – تجاری سازی هوش مصنوعی در تصویربرداری پزشکی”. آیا می‌توانید درباره آنچه در این سخنرانی بحث خواهید کرد و خوانندگان انتظار یادگیری چه چیزهایی را داشته باشند، بیشتر بگویید؟