Voio มาจาก Stealth ด้วยรายได้ 8.6 ล้านเหรียญสหรัฐ เพื่อเปิดตัวโมเดลการถ่ายภาพทางการแพทย์ที่แม่นยำที่สุดในโลก

Posted on
Voio มาจาก Stealth ด้วยรายได้ 8.6 ล้านเหรียญสหรัฐ เพื่อเปิดตัวโมเดลการถ่ายภาพทางการแพทย์ที่แม่นยำที่สุดในโลก

สิ่งที่คุณควรรู้:

  • Voio ซึ่งเป็นห้องปฏิบัติการ AI ข้ามพรมแดนที่ก่อตั้งโดย UC Berkeley และ UCSF มีหลักประกัน 8.6 ล้านเหรียญสหรัฐ ในการระดมทุนเมล็ดพันธุ์ซึ่งนำโดย Laude Ventures และ The House Fund เพื่อเปิดแพลตฟอร์มการอ่านแบบครบวงจร
  • รูปแบบโอเพ่นซอร์สของบริษัท Pillar-0 แสดงให้เห็นถึงความแม่นยำที่ไม่เคยมีมาก่อน ซึ่งเหนือกว่าโมเดลชั้นนำจาก Google และ Microsoft ที่ 10%-17% AUC เพื่อจัดการกับความเหนื่อยหน่ายของนักรังสีวิทยาและความล่าช้าในการวินิจฉัย

การแก้ปัญหาการกระจายตัวและความเหนื่อยหน่ายในรังสีวิทยา
ภารกิจหลักของ Voio คือการแก้ปัญหาการกระจายตัวที่รบกวนการรายงานทางรังสีวิทยา ซึ่งในปัจจุบันจำเป็นต้องมีการสลับบริบทอย่างต่อเนื่องระหว่างโปรแกรมดูรูปภาพ ซอฟต์แวร์การรายงาน EHR และเครื่องมือ AI หลายอย่าง
เป้าหมายแรกของ Voio คือการสร้างแพลตฟอร์มการอ่านแบบครบวงจรที่ขับเคลื่อนโดยโมเดลภาษาการมองเห็นระดับแนวหน้า
การรายงานที่ไม่ยุ่งยาก: แพลตฟอร์มตีความการสอบที่เสร็จสมบูรณ์และสร้างรายงานคุณภาพสูง ช่วยให้นักรังสีวิทยาตรวจสอบและดำเนินการให้เสร็จเร็วขึ้นโดยไม่สูญเสียความแม่นยำ
คืนความสมดุล: ด้วยการออกแบบประสบการณ์การรายงานตั้งแต่ต้นจนจบ Voio ตั้งเป้าที่จะลดงานหนักที่ไม่น่าพึงพอใจ และปล่อยให้นักรังสีวิทยามุ่งเน้นไปที่การดูแลผู้ป่วย
แนวทางร่วมนี้มีจุดมุ่งหมายเพื่อจัดการกับปัญหาการขาดแคลนแรงงานที่สำคัญในด้านรังสีวิทยา ซึ่งด้วยการสแกน CT 375 ล้านครั้งต่อปี ส่งผลให้ใช้เวลาดำเนินการนานขึ้นและเกิดความล่าช้าในการวินิจฉัย

Pillar-0: ความแม่นยำที่ไม่มีใครเทียบได้ในการตีความภาพทางการแพทย์

Pillar-0 ซึ่งเป็นการทำซ้ำครั้งแรกของ AI ของบริษัท ได้รับการจัดอันดับให้เป็นโมเดล AI ที่แม่นยำที่สุดในโลกสำหรับการถ่ายภาพทางการแพทย์ จุดเด่นด้านประสิทธิภาพหลักได้แก่:
โอกาสในการขายด้านความแม่นยำ: แสดงให้เห็นถึงการปรับปรุงความแม่นยำ AUC 10% ถึง 17% เหนือรุ่นชั้นนำจาก Google, Microsoft และ Alibaba
ครอบคลุมกว้าง: ได้รับ 0.87 AUC จากผลการวิจัยมากกว่า 350 รายการในการสแกน CT หน้าอก, CT ช่องท้อง, CT สมอง และ MRI หน้าอก
พลังการคาดการณ์: การปรับค่า P0 อย่างละเอียดทำให้สามารถคาดการณ์โรคมะเร็งปอดในอนาคต (Sybil-1) ได้ดีขึ้นถึง 7% เมื่อเทียบกับความล้ำสมัยในระหว่างการศึกษาเพื่อการตรวจสอบภายนอกที่โรงพยาบาลทั่วไปแมสซาชูเซตส์

“นักรังสีวิทยาไม่ควรต้องเลือกระหว่างความเร็วและคุณภาพ” ดร.แม็กกี้ ชุง ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่การแพทย์ของ Voio กล่าว “เป้าหมายของเราคือการทำให้การรายงานผลเอ็กซเรย์ราบรื่นโดยการสร้างรายงานที่สมบูรณ์และเชื่อมโยงภาพ ประวัติ และการตรวจก่อนหน้าไว้ในแพลตฟอร์มอัจฉริยะเดียวที่ให้ความรู้สึกเป็นธรรมชาติในการใช้งาน การออกแบบประสบการณ์การรายงานใหม่ตั้งแต่ต้นจนจบ เราสามารถลดงานหนักที่ไม่น่าพอใจ และช่วยให้นักรังสีวิทยามุ่งเน้นไปที่การดูแลผู้ป่วยได้”

ดูแหล่งที่มา

Leave a Reply

Your email address will not be published. Required fields are marked *