Raygenic Rayspad – sztuczna inteligencja wspomagająca diagnostykę radiologiczną w Polsce

Nowoczesne technologie coraz szerzej wkraczają do medycyny, a jednym z najbardziej obiecujących kierunków jest wykorzystanie sztucznej inteligencji w diagnostyce obrazowej. Narzędzie diagnostyczne oparte na sztucznej inteligencji usprawniające pracę lekarzy radiologów powstało w Akademii Górniczo-Hutniczej w Krakowie. Wspomaga lekarzy w analizie obrazów m.in. z tomografii komputerowej i rezonansu magnetycznego, skracając czas diagnozy i zwiększając jej precyzję. Rozwiązanie to odpowiada na rosnące potrzeby systemu ochrony zdrowia, w którym szybkość i dokładność diagnozy mają kluczowe znaczenie dla efektywnego leczenia pacjentów.

Kierownik projektu prof. Zbisław Tabor z Katedry Biocybernetyki i Inżynierii Biomedycznej AGH poinformował, że system oparty na algorytmach sztucznej inteligencji testowany był przez blisko pół roku w Szpitalu Uniwersyteckim w Krakowie. Ma on za zadanie wspomagać specjalistów w analizie obrazów medycznych, redukować ryzyko przeoczenia zmian patologicznych oraz znacząco przyspieszyć proces diagnostyczny. Opracowana w AGH technologia jest rdzeniem systemu Raygenic Rayspad – zaawansowanej przeglądarki diagnostycznej z komputerowym wspomaganiem opartym na AI.

Platforma testowana była w warunkach klinicznych, gdzie w ramach pilotażu lekarze opisali blisko sto badań obrazowych, takich jak rezonans magnetyczny i tomografia komputerowa. Algorytmy AI dokonywały automatycznej segmentacji, detekcji zmian oraz precyzyjnych pomiarów – wyniki te były następnie zestawiane z analizą wykonaną przez lekarzy. Według naukowców najważniejsze funkcjonalności platformy diagnostyczno-radiologicznej to wbudowane w narzędzie algorytmy AI, które służą do generowania szeregu kluczowych dla diagnozy danych. Są to m.in.: automatyczna segmentacja organów, detekcja anomalii oraz precyzyjne wymiarowanie wykrytych zmian.

„Naszym celem było stworzenie narzędzia, które realnie będzie wspierało lekarzy w ich codziennej pracy. Dzięki integracji nowoczesnych metod AI z wiedzą kliniczną możemy zapewnić radiologom lepsze warunki pracy oraz system, który przyczynia się do szybszej i dokładniejszej diagnozy pacjentów” – wskazał prof. Zbisław Tabor, cytowany w komunikacie prasowym uczelni. Prof. Rafał Obuchowicz, specjalista radiolog, uczestniczący w pilotażu w Szpitalu Uniwersyteckim w Krakowie, podkreślił praktyczne korzyści płynące z wykorzystania systemu. „To jak mieć dodatkowego, niezwykle uważnego asystenta, który analizuje każde zdjęcie i nie przeoczy żadnego szczegółu. Wdrożenie w pełni funkcjonalnego systemu będzie pewnie wymagało jeszcze pracy inżynierów, natomiast w nieodległej perspektywie tego typu rozwiązania mogą być dla nas, lekarzy dużym wsparciem” – ocenił lekarz.

Jedną z kluczowych zalet systemu Raygenic Rayspad jest jego niezależność od sprzętu i lokalizacji. Dzięki chmurowemu rozwiązaniu lekarze mogą analizować obrazy z różnych urządzeń i w różnych placówkach, bez konieczności synchronizacji danych. Interfejs aplikacji zapewnia ujednoliconą prezentację wyników, co eliminuje błędy wynikające z różnic w standardach poszczególnych systemów.

Zespół z AGH zapowiada dalsze prace rozwojowe, obejmujące rozszerzenie funkcjonalności systemu. „Jesteśmy przekonani, że przyszłość medycyny to współpraca człowieka z technologią. Nasze narzędzie to dowód na to, że nauka może bezpośrednio wspierać lekarzy – efektywnie, bezpiecznie i z realnym wpływem na zdrowie pacjentów” – podsumowała prof. Joanna Jaworek-Korjakowska, dyrektor Centrum Doskonałości Sztucznej Inteligencji, AGH w Krakowie. Dotychczasowe prace realizowane były przez interdyscyplinarny zespół pod kierunkiem prof. Zbisława Tabora, specjalisty w dziedzinie analizy obrazów medycznych, prof. Joanny Jaworek-Korjakowskiej, kierującej Centrum Doskonałości Sztucznej Inteligencji i zajmującej się zagadnieniami sztucznej inteligencji oraz prof. Bartosza Zielińskiego z Wydziału Matematyki i Informatyki Uniwersytetu Jagiellońskiego, zajmującego się wyjaśnialną sztuczną inteligencją.

Raygenic Rayspad jest przykładem skutecznej integracji nowoczesnej technologii z praktyką kliniczną, pokazując jak sztuczna inteligencja może realnie wspierać lekarzy w codziennej pracy. Dzięki takim rozwiązaniom możliwe staje się skrócenie czasu diagnozy, zwiększenie precyzji wykrywania zmian patologicznych oraz poprawa jakości opieki medycznej, co w perspektywie przynosi wymierne korzyści pacjentom i całemu systemowi ochrony zdrowia.

Czym jest Raygenic Rayspad?
Raygenic Rayspad to narzędzie diagnostyczne oparte na sztucznej inteligencji, które wspomaga lekarzy radiologów w analizie obrazów z tomografii komputerowej i rezonansu magnetycznego, zwiększając precyzję diagnozy i skracając czas jej wykonania.

Jak działa system diagnostyczny AI w radiologii?
System wykorzystuje algorytmy sztucznej inteligencji do automatycznej segmentacji organów, detekcji zmian patologicznych oraz precyzyjnego wymiarowania wykrytych anomalii, a wyniki są zestawiane z analizą wykonaną przez lekarzy.

Czy Raygenic Rayspad jest zależny od sprzętu i lokalizacji?
Nie, dzięki chmurowej architekturze narzędzie pozwala lekarzom analizować obrazy z różnych urządzeń i placówek, eliminując błędy wynikające z różnic w standardach poszczególnych systemów.

Jakie korzyści daje zastosowanie AI w diagnostyce obrazowej?
AI wspiera radiologów, skraca czas diagnozy, redukuje ryzyko przeoczenia zmian patologicznych i pozwala na precyzyjne analizy obrazów medycznych, co zwiększa bezpieczeństwo i jakość opieki nad pacjentem.

Kto opracował narzędzie Raygenic Rayspad?
System został opracowany przez interdyscyplinarny zespół w AGH w Krakowie pod kierunkiem prof. Zbisława Tabora, prof. Joanny Jaworek-Korjakowskiej oraz prof. Bartosza Zielińskiego, łącząc wiedzę z zakresu analizy obrazów medycznych, sztucznej inteligencji i wyjaśnialnej AI.