فناوری
هوش مصنوعی که مرزهای خود را می‌شناسد
هوش مصنوعی ما برای مشاهده طراحی شده است: دقیق، یکدست و شفاف. هدف آن جایگزین کردن پزشک نیست.
نمای کلی سامانه
مدل بینایی
آنچه قابل مشاهده است.
پزشک
آنچه از نظر بالینی شناخته‌شده است.
منطق سامانه
آنچه قابل استنتاج است.
در عمل
از تصویر تا ارزیابی ساختاریافته
همان مرزبندی میان مدل بینایی، پزشک و منطق سامانه، در اجرای واقعی اپیتلو نمایش داده می‌شود؛ از یک عکس زخم تا رسیدن به راهنمایی ساختاریافته.
صفحات واقعی محصول — روند تحلیل زخم با هوش مصنوعی، به ترتیب.
مجموعه‌داده
مدلی بر پایهٔ داده‌های واقعی بالینی
مدل اصلی اپیتلو با بیش از ۲٬۰۰۰ تصویر زخم دیابتی، که هرکدام با ورودی‌های بالینی ساختاریافته از موارد واقعی همراه‌اند، بهینه‌سازی شده است. به‌جای آموزش با مجموعه‌داده‌های تصویری عمومی، مدل ما از الگوهای بصری اختصاصی زخم‌های دیابتی آموخته است: نحوه بروز انواع بافت، رفتار لبه‌های زخم و شکل ظاهری وخامت زودهنگام.
این آموزش متمرکز و تخصصی به مدل امکان می‌دهد به‌جای برداشت‌های مبهم و موردی، مشاهدات یکدست و ساختاریافته ارائه کند. همان زخم، هر بار با روشی یکسان ارزیابی می‌شود.
ترکیب مجموعه‌داده
مفهومیهمراه با
0
متغیر بالینی ساختاریافته
0+
مورد بالینی · تصویر زخم
هر مورد: یک تصویر زخم همراه با ۱۸ متغیر بالینی ساختاریافته. ارقام مربوط به مجموعه‌دادهٔ توسعهٔ اپیتلو است.
افتخارات
مورد توجه جامعه جهانی مراقبت از زخم
جوایز از سال ۲۰۲۳
0
جایزهٔ بین‌المللی کسب‌شده
۲۰۲۶
برترین اختراع اروپا در سال
ارائه‌شده در کنگرهٔ EWMA
مدل هوش مصنوعی ما در کنگره EWMA (انجمن اروپایی مدیریت زخم)، یکی از رویدادهای علمی بین‌المللی مهم این حوزه، ارائه شد. این دستاورد بازتاب اعتبارسنجی دقیق و تعامل با جامعه علمی است، نه صرفاً آزمون داخلی، و نشان می‌دهد روش اپیتلو برای ارزیابی در شرایط واقعی بالینی طراحی شده است.
این اعتبار در سطح جهانی نیز ادامه داشته و اپیتلو از سال ۲۰۲۳ تاکنون شش جایزه بین‌المللی دریافت کرده است؛ از جمله عنوان برترین اختراع اروپا در سال ۲۰۲۶.
فهرست کامل را در پایین ببینید.
۲۰۲۶
برترین اختراع اروپا در سال
—
جایزهٔ بین‌المللی
—
جایزهٔ بین‌المللی
—
جایزهٔ بین‌المللی
—
جایزهٔ بین‌المللی
—
جایزهٔ بین‌المللی
معماری
معماری سه‌لایه
سه لایه متمایز که عمداً از یکدیگر جدا نگه داشته شده‌اند تا مشاهده، دانش بالینی و استنتاج با یکدیگر درهم نیامیزند.
مدل بینایی
چه چیزی قابل مشاهده است؟
- ترکیب بافت
- نکروز
- اسلاف
- گرانولاسیون
- یافته‌های لبهٔ زخم
- کیفیت تصویر — هر مورد همراه با امتیاز اطمینان ارائه می‌شود
ورودی بالینی
چه چیزی از نظر بالینی شناخته شده است؟
- وضعیت عفونت
- خون‌رسانی
- ترشح
- وضعیت شارکو
- نمایان بودن استخوان یا تاندون
پشتیبانی از تصمیم‌گیری بالینی
چه چیزی را می‌توان با مسئولیت‌پذیری استنتاج کرد؟
- یافته‌های بصری و ورودی‌های بالینی با استفاده از منطق ساختاریافته و مبتنی بر قواعد با یکدیگر ترکیب می‌شوند.
- از گام‌های بعدی پشتیبانی می‌کند؛ اما آن‌ها را تعیین نمی‌کند.
هرگز یک خروجی جعبه سیاه نیست که پزشک صرفاً مجبور باشد به آن اعتماد کند.
هوش مصنوعی مشاهده می‌کند. پزشک دانش بالینی را وارد می‌کند. سامانه از تصمیم‌گیری پشتیبانی می‌کند.
قابلیت اطمینان
کنترل‌های اطمینان داخلی
هر عکسی برای تصمیم‌گیری بر اساس آن مناسب نیست و اپیتلو از ابتدا برای تشخیص این تفاوت طراحی شده است. وقتی کیفیت تصویر پایین باشد یا سطح اطمینان مدل نسبت به یک یافته از آستانه ایمن پایین‌تر بیاید، آن مشاهده برای تأیید پزشک علامت‌گذاری می‌شود و مانند یک نتیجه قطعی به مراحل بعدی منتقل نمی‌شود.
اصل بنیادین
خروجی معتبر از نظر ساختاری، لزوماً به معنای معتبر بودن از نظر بالینی نیست.
اعتبارسنجی
اعتبارسنجی‌شده، نه صرفاً مستقرشده
اپیتلو فراتر از دقت خام مدل ارزیابی می‌شود. هر نسخه در چند لایه اعتبارسنجی بررسی می‌شود؛ از جمله ساختار خروجی، آستانه‌های اطمینان و یکدستی رفتار در مقایسه با نسخه‌های قبلی، تا قابلیت‌های جدید بدون اطلاع رفتار موجود سامانه را تغییر ندهند.
ساختار خروجی
پیش از آنکه به هر نتیجه اعتماد شود، ساختار آن از نظر صحت و کامل بودن بررسی می‌شود.
آستانه‌های اطمینان
محدودیت‌های اطمینان و کیفیت برای هر مشاهده اعمال می‌شوند، نه صرفاً بر اساس میانگین عملکرد.
یکدستی رفتار
نسخه‌های جدید با نسخه‌های قبلی مقایسه می‌شوند تا قابلیت‌های جدید بدون اطلاع، رفتار موجود سامانه را تغییر ندهند.
انضباط انتشار
هر لایه یک مرحله کنترل است. یک نسخه تنها زمانی منتشر می‌شود که تمام مراحل قبلی را با موفقیت پشت سر گذاشته باشد؛ این انضباط مهندسی پشت سامانه‌ای است که پزشکان می‌توانند به آن اتکا کنند.
حریم خصوصی و حفاظت از داده
با محوریت حفاظت از داده‌های بیمار
تصاویر زخم و پرونده‌های بیمار ذاتاً حساس‌اند. اپیتلو از ابتدا بر همین اساس طراحی شده است، نه اینکه حفاظت از داده بعدها به آن اضافه شده باشد.
رمزنگاری در انتقال
تصاویر زخم و داده‌های بالینی از طریق ارتباطات رمزنگاری‌شده میان اپلیکیشن و سامانه‌های اپیتلو منتقل می‌شوند.
دسترسی محدود به تیم درمان
پرونده‌های بیمار بر اساس تیم درمان مسئول آن بیمار مدیریت می‌شوند، نه با دسترسی گسترده در سطح سازمان به‌صورت پیش‌فرض.
استفاده برای مراقبت، نه فروش
داده‌های بالینی برای پشتیبانی از ارزیابی و مراقبت همان بیمار استفاده می‌شوند. این داده‌ها هرگز فروخته نمی‌شوند و برای مقاصد یا محصولات نامرتبط نیز مورد استفاده مجدد قرار نمی‌گیرند.
طراحی‌شده برای مستندسازی بالینی
پرونده‌ها مطابق شیوه‌ای ساختاریافته می‌شوند که انتظار می‌رود داده‌های بیمار در محیط بالینی مدیریت شوند، نه مانند داده‌های یک اپلیکیشن عمومی.
این‌ها اصولی هستند که اپیتلو بر اساس آن‌ها ساخته شده است. اگر مجموعه شما به جزئیاتی درباره محل ذخیره‌سازی داده، مدت زمان نگهداری یا یک چارچوب انطباق مشخص نیاز دارد، با ما تماس بگیرید؛ خوشحال می‌شویم جزئیات آن را با شما بررسی کنیم.
با کمک هوش مصنوعی. با هدایت پزشک.
پشتیبانی از قضاوت بالینی، نه جایگزینی آن
اپیتلو برای جایگزینی قضاوت بالینی ساخته نشده است؛ برای پشتیبانی از آن با ساختار، یکدستی و قابلیت ردیابی ساخته شده است. هر مشاهده، هر ورودی و هر توصیه را می‌توان تا منبع آن ردیابی کرد تا پزشک بتواند نه‌تنها به خروجی، بلکه به منطق پشت آن نیز اعتماد کند.