運用機器學習和智能演算法，這家公司可增強乳腺癌篩查的可靠性

HiTechCanada

——探索加拿大科技精華

一個逐步形成的共識是：常規的乳房X光檢測可以一定程度上及早發現乳腺癌患病風險。

但常規X光檢查解決不了乳房密度的問題，而它卻是衡量乳腺癌風險的重要指標。研究報告顯示，乳房密度高的女性患癌風險比密度低的女性高4-6倍。

一個令人不安的現象是，在這方面的檢測及分析上，放射科醫生的主觀成分佔比較多。例如針對同一張X光影像，不僅不同的醫生有著不同的看法，即便是同一個醫生在不同的時間也可能做出完全不同的結論。

來自加拿大新斯科舍省的一家專註乳房成像數據分析和軟體演算法的公司Densitas，開發了一套全面的乳房成像分析平台來提升乳房癌篩查的可靠性，從而一定程度上解決了現有乳腺癌篩查方式的痛點。

Densitas成立於2012年，由一群在機器學習、醫學圖像分析、信息學和臨床護理方面擁有專業知識的專業人士所建立，專註於提供乳房X光檢測和診斷方面的機器學習和智能演算法軟體。

醫學方面最新研究發現，在乳房檢測影像方面，敏感性測量與乳房密度關聯性極大。一般來說，乳房X光檢查的靈敏度達80％，但當乳房密度高時，敏感度將低至50％。

這是因為緻密的組織和較差的圖像質量會掩蓋腫瘤、微鈣化點和其他在檢測和診斷癌症中至關重要的信息。

Densitas的演算法所分析的影像照片，與放射科醫生用來觀測和報告所採用的影像照片相同，但Densitas的演算法會在一組圖像中會處理大量的照片，並生成一個簡單易用的數據文件進行分析。

該軟體可以生成特定於圖像的數據，包括乳腺密度信息和大量額外的數字圖像參數。

該技術最大特點是提供全面的乳房密度評估，提供標準化的針對個體的檢測指標。利用這些個體患者的數據，醫生可以精確地確定後續成像模式和篩選頻率。

而且完全自動化的乳房密度評估提供了標準化的患者特定指標，可以實現護理的一致性。其可靠性和再現性是放射科醫師憑藉主觀評估所無法比擬的。

在提升性能的同時，Densitas平台還能夠與現有的醫院IT基礎設施無縫集成，無需更新設備或增加圖像存儲容量。

自2015年12月份起，該公司軟體銷售和安裝已經獲得加拿大和歐洲國家監管部門的批准。

在去年年底的英國乳房放射科學會上，Density 技術受到了廣泛關注，其檢測分析準確度與業內專家的判斷基本一致。

同一時間，Density與位於波士頓的人工智慧交易平台（EnvoyAI）達成協議，為遍布世界各地的醫院和診所按需部署其平台。

借力EnvoyAI，Density 可以隨時向醫院和診所提供最新演算法，以節省市場人力費用，把精力集中在最擅長的數據建模、機器學習和智能演算法的開發方面。

基於Densitas在數據驅動、機器學習和演算法設計方面的潛力，該公司也被加拿大一些醫療生物協會挑選前往矽谷，參加在本月舉行的專為加拿大生命科技公司提供的導師和業界交流活動Dose of Valley。

成立至今，Densitas也獲得了130多萬美元的早期投資。

END

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！