محصول
مراقبت از زخم با هوش مصنوعی، از تصویر تا بینش
اپیتلو هر تصویر زخم دیابتی را به اطلاعات بالینی ساختاریافته تبدیل می‌کند. این سامانه به پزشکان کمک می‌کند بیماران را با اطمینان، نه بر اساس حدس و گمان، ارزیابی، پیگیری و مدیریت کنند.
صفحات واقعی محصول · روند تحلیل زخم با هوش مصنوعی
مسئله
پشتیبانی ناکافی؛ و هزینه بالای خطا
مراقبت از زخم دیابتی یکی از حوزه‌هایی است که در مدیریت بیماری‌های مزمن کمترین پشتیبانی را دریافت می‌کند و خطا در آن می‌تواند هزینه بالایی داشته باشد.
ارزیابی زخم همچنان تا حد زیادی ذهنی است.
دو پزشک می‌توانند یک زخم یکسان را متفاوت توصیف کنند.
سابقه بیماران میان پرونده‌های کاغذی، عکس‌های تلفن همراه و یادداشت‌های پراکنده پخش شده است.
اطلاعاتی که بتواند گذشته زخم را به وضعیت فعلی آن متصل کند، معمولاً یکپارچه نیست.
نتایج آزمایشگاهی و داده‌های پیگیری به‌ندرت به خود زخم مرتبط می‌شوند.
این موضوع تشخیص اثربخشی واقعی درمان را دشوار می‌کند.
تشخیص دیرهنگام وخامت زخم یکی از عوامل مهم افزایش خطر قطع عضو است.
اغلب به این دلیل که سابقه‌ای روشن و قابل‌مقایسه از تغییرات زخم در طول زمان در دسترس نبوده است.
پزشکان به اپلیکیشن دیگری که فقط عکس ذخیره کند نیاز ندارند؛ به سامانه‌ای نیاز دارند که وضعیت زخم را درک کند.
راهکار ما
سامانه‌ای برای ایجاد یک تصویر منسجم
اپیتلو یک پلتفرم هوش مصنوعی بهینه‌سازی‌شده و اختصاصی برای مدیریت زخم دیابتی است. این مدل با بیش از ۲٬۰۰۰ تصویر واقعی زخم بالینی همراه با داده‌های بالینی برچسب‌گذاری‌شده توسط متخصصان آموزش دیده و می‌تواند ویژگی‌های مهم زخم، از جمله ترکیب بافت، نکروز، اسلاف، گرانولاسیون و ویژگی‌های لبه زخم را شناسایی کند.
تصویر
عکس زخم
مشاهده
خوانش ساختاریافته
پروندهٔ بیمار
یک پروندهٔ زنده
بافت بالینی
ورودی پزشک
مسیر مراقبت
یک تصویر ساختاریافته
هوش مصنوعی مشاهده می‌کند · پزشکان تصمیم می‌گیرند · سامانه اطلاعات را به خاطر می‌سپارد
اما اپیتلو فقط یک مدل بینایی نیست. این سامانه یک روند کامل بالینی را پوشش می‌دهد: هر تصویر زخم تحلیل می‌شود، هر بیمار یک پرونده جاری دارد و هر نتیجه آزمایش در همان پرونده ثبت می‌شود. به این ترتیب، مشاهدات پراکنده و مقطعی به تصویری پیوسته و ساختاریافته از روند مراقبت از بیمار تبدیل می‌شوند.
بر پایهٔ روند واقعی بالینی
سه قابلیت، یک پروندهٔ پیوسته
مدل تحلیل زخم با هوش مصنوعی
مدل اختصاصی هوش مصنوعی ما با استفاده از مجموعه‌داده‌ای منتخب شامل بیش از ۲٬۰۰۰ تصویر زخم دیابتی و ورودی‌های بالینی متناظر، بهینه‌سازی شده است. این مدل می‌تواند از یک تصویر، یافته‌های بصری ساختاریافته و یکدستی مانند نوع بافت، نکروز، اسلاف، گرانولاسیون، وضعیت لبه زخم و موارد دیگر را استخراج کند.
این مدل در کنگره EWMA (انجمن اروپایی مدیریت زخم)، یکی از معتبرترین گردهمایی‌های علمی بین‌المللی حوزه مراقبت از زخم، ارائه شده است. این ارائه نشان می‌دهد رویکرد اپیتلو فقط در محیط آزمایشگاهی مطرح نیست و در معرض بررسی جامعه بالینی فعال در درمان این زخم‌ها نیز قرار گرفته است.
این هوش مصنوعی برای مشاهده طراحی شده است، نه تشخیص. خروجی سریع، یکدست و ساختاریافته‌ای از آنچه در تصویر قابل مشاهده است در اختیار پزشک قرار می‌دهد، در حالی که قضاوت بالینی همچنان بر عهده پزشک است.
یافته‌های بصری ساختاریافته
دمواین مدل در کنگرهٔ EWMA ارائه شده است — یکی از معتبرترین گردهمایی‌های علمی بین‌المللی حوزهٔ مراقبت از زخم.
پروندهٔ بیماران
هر بیمار یک پرونده اختصاصی و مستمر دارد؛ بنابراین زخم دیگر جدا از سابقه بیمار ارزیابی نمی‌شود. پزشکان می‌توانند سابقه بیمار را ببینند، روند تغییر زخم را در ویزیت‌های مختلف دنبال کنند و به‌جای تکیه بر حافظه یا عکس‌های پراکنده، پیشرفت بیمار را در طول زمان پایش کنند.
صفحات واقعی محصول — ایجاد و راهنمایی پروندهٔ بیمار.
پیگیری نتایج آزمایش و آزمایشگاه
نتایج آزمایشگاهی و آزمایش‌های تشخیصی مستقیماً در پرونده هر بیمار و در کنار تصاویر و ارزیابی‌های زخم ذخیره می‌شوند. به این ترتیب، تصویر کامل بالینی شامل یافته‌های بصری، نتایج آزمایش و سابقه درمان در یکجا قرار می‌گیرد و پزشک زمینه لازم برای تصمیم‌گیری سریع‌تر و آگاهانه‌تر را در اختیار دارد.
پیگیری یکپارچهٔ آزمایش‌ها
درون پروندهٔ بیمار
یافته‌های بصری، نتایج آزمایش و سابقهٔ درمان در یکجا. نمایشی.
چرا اهمیت دارد
زمان کمتر برای بازسازی گذشته؛ زمان بیشتر برای اقدام بر اساس آن.
اپیتلو جایگزین قضاوت بالینی نمی‌شود؛ بلکه اطلاعات پراکنده پیرامون آن را سامان می‌دهد. با ترکیب تحلیل تصویر با کمک هوش مصنوعی، پرونده ساختاریافته بیمار و پیگیری یکپارچه آزمایش‌ها، پزشکان زمان کمتری صرف بازسازی سابقه بیمار و زمان بیشتری صرف اقدام بر اساس آن می‌کنند.