DeepHealth (deo RadNet-a) dobio je 510(k) odobrenje FDA za AI sistem za ultrazvuk dojke koji automatski lokalizuje, karakteriše i izveštava o lezijama. Sistem je testiran u multi-reader, multi-case studiji sa 16 sertifikovanih radiologa i validiran u kliničkim uslovima. Kompanija navodi >98% tačnosti u lokalizaciji, +8% osetljivost u detekciji raka i do 37% kraće vreme interpretacije. RadNet planira implementaciju u mreži do kraja godine, pri čemu bi više od 700.000 studija godišnje moglo biti podobno za nadoknadu.
DeepHealth Dobio 510(k) Od FDA: AI Sistem Za Ultrazvuk Dojke Sa >98% Tačnosti Lokalizacije
RadNet plans to implement DeepHealth Breast Ultrasound network-wide this year
RadNetova filijala DeepHealth dobila je 510(k) odobrenje Američke agencije za hranu i lekove (FDA) za proizvod DeepHealth Breast Ultrasound — AI alat koji automatizuje detekciju, karakterizaciju i izveštavanje o lezijama dojke na ultrazvuku.
Šta sistem radi
DeepHealth Breast Ultrasound dizajniran je da pomogne kliničarima automatizacijom lokalizacije lezija, karakterizacijom osobina prema ACR BI-RADS klasifikaciji i generisanjem preliminarnih radioloških izveštaja. Cilj je standardizacija radnih tokova za sonografe i radiologe, povećanje doslednosti i ubrzanje pregleda.
Podaci i validacija
Za podršku FDA odobrenju kompanija navodi rezultate iz multi-reader, multi-case studije u kojoj je učestvovalo 16 sertifikovanih radiologa u izabranim američkim centrima za snimanje i bolnicama. DeepHealth takođe tvrdi da je alat validiran u realnim kliničkim uslovima pod regulisanim istraživačkim protokolima koje je vodio RadNet.
Dr Jason McKellop, medicinski direktor RadNet California za žensku radiologiju, izjavio je: "Ultrazvuk dojke je ključna komponenta puta nege dojke — otprilike 40% žena prolazi kroz ovaj pregled u nekom trenutku života. To je veoma kompleksan, od operatera zavisan pregled, koji može dovesti do znatne varijabilnosti u akviziciji snimaka, interpretaciji i izveštavanju. Sa DeepHealth-ovim rešenjem možemo postići veću standardizaciju radnih tokova, poboljšati doslednost i uštedeti vreme za pacijentkinje, sonografe i radiologe."
Ključne performanse
- Tačnost lokalizacije lezija: kompanija navodi >98%.
- Povećanje osetljivosti: navodno +8% u detekciji raka dojke u testiranim scenarijima.
- Efikasnost: do 37% smanjenja vremena potrebnog radiologu za interpretaciju, prema prijavljenim rezultatima.
Implementacija i nadoknada
Tehnologija je sada dostupna za prodaju u SAD, a pružaoci zdravstvenih usluga mogu tražiti nadoknadu kroz postojeći CPT kod Kategorije III za kvantitativnu karakterizaciju tkiva ultrazvukom. RadNet planira da uvrsti DeepHealth Breast Ultrasound u svoju mrežu do kraja godine i procenjuje da bi više od 700.000 godišnjih studija ultrazvuka dojke moglo biti podobno za nadoknadu.
Širi portfolio i partnerstva
DeepHealth razvija i druge AI alate za mamografiju, procenu gustine dojke, procenu kalcifikacija u arterijama dojke, predviđanje rizika i operativnu analitiku. U septembru 2024. DeepHealth i HOPPR uspostavili su partnerstvo za komercijalizaciju medicinski kvalifikovanog generalizovanog osnovnog modela (foundation model) koji će podržavati razvoj fino podešenih modela za detekciju raka.
Ovo otobrenje predstavlja još jedan primer rasta primene AI rešenja u radiologiji koja ciljaju na povećanje doslednosti, brzine i osetljivosti detekcije, uz potencijal za naplatu usluga kroz postojeće kodove nadoknade.
Pomozite nam da budemo bolji.
