Medical Imaging AI
Settore: Radiology Network
Contesto
Network radiologico con 15 centri, 800 esami/giorno e 25 radiologi.
Problema
I referti si accumulavano: 3 giorni di attesa per una radiografia, pazienti ansiosi che chiamavano per sapere. I radiologi, sotto pressione, a volte non notavano anomalie piccole ma importanti. L'8% delle lesioni veniva scoperto solo a distanza di tempo, quando ormai era tardi.
Soluzione
Abbiamo sviluppato un sistema che analizza ogni immagine prima del radiologo umano. Individua automaticamente noduli, fratture, masse e altre anomalie, evidenziandole e assegnando una priorità. I casi urgenti saltano la coda, quelli normali vengono pre-refertati per accelerare il lavoro.
Implementazione
Il sistema è stato addestrato su 2 milioni di immagini tra radiografie, TAC e risonanze. Si integra direttamente con il PACS esistente: le immagini vengono analizzate automaticamente e il radiologo trova già le aree sospette evidenziate sullo schermo.
Risultati
- +45% Throughput
- +18% Detection Rate
- 0 Backlog