شرکت ارائه‌دهنده نرم‌افزار هوش مصنوعی در رادیولوژی، Gleamer، با انجام دو معامله ادغام و تملک (M&A) وارد حوزه MRI شد.

استارتاپ فرانسوی Gleamer با دو معامله وارد حوزه MRI شد تصویربرداری پزشکی یک حوزه گسترده است که شامل فناوری‌های مختلفی می‌شود.

پس از توسعه ابزارهای هوش مصنوعی برای بهبود تصاویر X-ray و ماموگرافی، استارتاپ فرانسوی Gleamer اکنون قصد دارد به تصویربرداری تشدید مغناطیسی (MRI) بپردازد.

به جای شروع از صفر، Gleamer یک استارتاپ فعال در تحلیل MRI مبتنی بر هوش مصنوعی به نام Caerus Medical را خریداری کرده و همچنین با Pixyl ادغام شده است.

این شرکت بخشی از موج دوم استارتاپ‌هایی است که در تلاش برای بهبود تصویربرداری پزشکی با استفاده از هوش مصنوعی هستند.

موج اول این استارتاپ‌ها در سال‌های ۲۰۱۴ و ۲۰۱۵ شکل گرفت، اما بسیاری از آن‌ها به موفقیت نرسیدند.

در این میان، برخی شرکت‌ها در این صنعت ادغام یا خریداری شده‌اند؛ به عنوان مثال، Zebra Medical Vision و Arterys به ترتیب توسط Nanox و Tempus خریداری شدند.

استارتاپ Gleamer که در سال ۲۰۱۷ تأسیس شده است، یک دستیار هوش مصنوعی برای رادیولوژیست‌ها توسعه داده که مانند یک همکار کمکی در تحلیل تصاویر پزشکی عمل می‌کند. این فناوری می‌تواند دقت تشخیصی را در تفسیر تصاویر پزشکی بهبود بخشد.

تا کنون، ۲,۰۰۰ مؤسسه در ۴۵ کشور از نرم‌افزار Gleamer استفاده کرده‌اند و در مجموع ۳۵ میلیون مورد تصویربرداری را پردازش کرده است.

این شرکت مجوز CE و تأییدیه FDA را برای محصول تفسیر آسیب‌های استخوانی دریافت کرده و در اروپا محصولات تخصصی برای تصاویر قفسه سینه، ارتوپدی و اندازه‌گیری سن استخوان را نیز با تأییدیه CE ارائه می‌دهد.

کریستین آلوش (Christian Allouche)، هم‌بنیان‌گذار و مدیرعامل Gleamer، به TechCrunch گفت: "متأسفانه، یک مدل واحد برای تمام شاخه‌های رادیولوژی کارایی ندارد.

طراحی مدلی که تمام حوزه‌های تصویربرداری پزشکی را پوشش دهد و عملکرد مورد انتظار پزشکان را ارائه دهد، بسیار پیچیده است." به همین دلیل، Gleamer تیم‌های داخلی کوچکی را برای تمرکز بر حوزه‌های خاص مانند ماموگرافی و سی‌تی‌اسکن ایجاد کرده است.

آلوش افزود: "سه هفته پیش، محصول ماموگرافی خود را که ۱۸ ماه روی آن کار کرده‌ایم، منتشر کردیم." این محصول مبتنی بر یک مدل اختصاصی هوش مصنوعی است که روی ۱.۵ میلیون ماموگرافی آموزش دیده است.

Gleamer با خرید Caerus Medical و ادغام با Pixyl ورود خود را به MRI تسریع می‌کند کریستین آلوش، مدیرعامل Gleamer، در گفتگو با TechCrunch گفت: "ما با Jean Zay، خوشه پردازشی GPU دولت فرانسه، همکاری داریم.

 این شرکت علاوه بر توسعه سی‌تی اسکن برای تشخیص سرطان‌ها، اکنون به دنبال ورود به حوزه MRI است.

MRI یک حوزه کاملاً متفاوت از نظر فناوری است. آلوش توضیح می‌دهد: "در MRI وظایف زیادی وجود دارد. این فقط به تشخیص محدود نمی‌شود؛ بلکه شامل بخش‌بندی (segmentation)، تشخیص (detection)، توصیف (characterization)، طبقه‌بندی (classification) و تصویربرداری چندتوالی (multi-sequence imaging) نیز می‌شود.

به همین دلیل، Gleamer تصمیم گرفته است یک استارتاپ کوچک (Caerus Medical) را خریداری کند و با یک شرکت بزرگ‌تر (Pixyl) ادغام شود تا روند توسعه در MRI را تسریع کند.

این دو شرکت سال‌ها در این حوزه فعالیت داشته‌اند و اکنون بخشی از پلتفرم MRI Gleamer خواهند شد. Gleamer شرایط مالی این معاملات را فاش نکرده است، اما هدف اصلی از این ادغام‌ها، پوشش تمامی کاربردهای MRI طی دو تا سه سال آینده است.

آلوش می‌گوید: این دو شرکت به دو پلتفرم MRI ما تبدیل خواهند شد، با این هدف مشخص که طی دو تا سه سال آینده، تمامی موارد استفاده را پوشش دهیم.

هوش مصنوعی و آینده تصویربرداری پزشکی پیشگیرانه

در حالی که مدل‌های Gleamer نتایج امیدوارکننده‌ای نشان می‌دهند، اما هنوز کاملاً بی‌نقص نیستند. برای مثال، مدل جدید ماموگرافی این شرکت می‌تواند چهار مورد از پنج سرطان را تشخیص دهد، در حالی که یک رادیولوژیست بدون کمک هوش مصنوعی معمولاً سه مورد از پنج مورد را شناسایی می‌کند.

با این حال، افزایش بهره‌وری ناشی از ابزارهایی مانند Gleamer می‌تواند تصویربرداری پزشکی را به شکل اساسی تغییر دهد. به عنوان مثال، یک تومور که در یک اسکن اولیه نادیده گرفته شده است، احتمالاً در آزمایش‌های بعدی چند ماه بعد آشکار خواهد شد.

کریستین آلوش، مدیرعامل Gleamer، معتقد است که در آینده‌ای نه چندان دور، تصویربرداری پیشگیرانه می‌تواند به یک استاندارد در مراقبت‌های پزشکی تبدیل شود: فکر می‌کنم در آینده نزدیک، همه ما به طور معمول MRI تمام بدن را که توسط شرکت‌های بیمه پوشش داده می‌شود، انجام خواهیم داد، زیرا این روش اشعه‌ای ندارد.

با این حال، یکی از چالش‌های کنونی در صنعت تصویربرداری پزشکی این است که در بسیاری از شهرها تعداد کافی رادیولوژیست برای تأمین تقاضای تصویربرداری واکنشی وجود ندارد. اگر این صنعت به سمت تصویربرداری پیشگیرانه حرکت کند، ابزارهای هوش مصنوعی ضروری خواهند شد.

مدیرعامل Gleamer معتقد است که هوش مصنوعی می‌تواند به عنوان یک ابزار هماهنگ‌کننده و اولویت‌بندی‌کننده عمل کند. از آنجایی که بسیاری از آزمایش‌های تصویربرداری پزشکی برای رد احتمال برخی تشخیص‌ها انجام می‌شوند، وی می‌گوید:یک نیاز واقعی برای خودکارسازی این فرآیند با استفاده از یک مدل هوش مصنوعی بسیار قوی که سطح حساسیت بالاتری نسبت به یک انسان دارد، وجود دارد.

منبع:techcrunch