运用机器学习和智能算法，这家公司可增强乳腺癌筛查的可靠性
HiTechCanada
——探索加拿大科技精华
一个逐步形成的共识是：常规的乳房X光检测可以一定程度上及早发现乳腺癌患病风险。
但常规X光检查解决不了乳房密度的问题，而它却是衡量乳腺癌风险的重要指标。研究报告显示，乳房密度高的女性患癌风险比密度低的女性高4-6倍。
一个令人不安的现象是，在这方面的检测及分析上，放射科医生的主观成分占比较多。例如针对同一张X光影像，不仅不同的医生有着不同的看法，即便是同一个医生在不同的时间也可能做出完全不同的结论。
来自加拿大新斯科舍省的一家专注乳房成像数据分析和软件算法的公司Densitas，开发了一套全面的乳房成像分析平台来提升乳房癌筛查的可靠性，从而一定程度上解决了现有乳腺癌筛查方式的痛点。
Densitas成立于2012年，由一群在机器学习、医学图像分析、信息学和临床护理方面拥有专业知识的专业人士所建立，专注于提供乳房X光检测和诊断方面的机器学习和智能算法软件。
医学方面最新研究发现，在乳房检测影像方面，敏感性测量与乳房密度关联性极大。一般来说，乳房X光检查的灵敏度达80％，但当乳房密度高时，敏感度将低至50％。
这是因为致密的组织和较差的图像质量会掩盖肿瘤、微钙化点和其他在检测和诊断癌症中至关重要的信息。
Densitas的算法所分析的影像照片，与放射科医生用来观测和报告所采用的影像照片相同，但Densitas的算法会在一组图像中会处理大量的照片，并生成一个简单易用的数据文件进行分析。
该软件可以生成特定于图像的数据，包括乳腺密度信息和大量额外的数字图像参数。
该技术最大特点是提供全面的乳房密度评估，提供标准化的针对个体的检测指标。利用这些个体患者的数据，医生可以精确地确定后续成像模式和筛选频率。
而且完全自动化的乳房密度评估提供了标准化的患者特定指标，可以实现护理的一致性。其可靠性和再现性是放射科医师凭借主观评估所无法比拟的。
在提升性能的同时，Densitas平台还能够与现有的医院IT基础设施无缝集成，无需更新设备或增加图像存储容量。
自2015年12月份起，该公司软件销售和安装已经获得加拿大和欧洲国家监管部门的批准。
在去年年底的英国乳房放射科学会上，Density 技术受到了广泛关注，其检测分析准确度与业内专家的判断基本一致。
同一时间，Density与位于波士顿的人工智能交易平台（EnvoyAI）达成协议，为遍布世界各地的医院和诊所按需部署其平台。
借力EnvoyAI，Density 可以随时向医院和诊所提供最新算法，以节省市场人力费用，把精力集中在最擅长的数据建模、机器学习和智能算法的开发方面。
基于Densitas在数据驱动、机器学习和算法设计方面的潜力，该公司也被加拿大一些医疗生物协会挑选前往硅谷，参加在本月举行的专为加拿大生命科技公司提供的导师和业界交流活动Dose of Valley。
成立至今，Densitas也获得了130多万美元的早期投资。
END
- 发表于:
- 原文链接：http://kuaibao.qq.com/s/20180205B05AHA00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
