АЙРА Лабс

Наше видение

Количество исследований увеличивается каждый год - это приводит к возрастанию нагрузки на врачей, оказывая влияние на качество диагностики.

IRA Labs улучшает условия работы врачей и повышает качество диагностики:

01

Минимизируем риск ошибок,

комплексно анализируя всё исследование и обратив внимание не только на основную, но и на сопутствующие патологии

02

Уменьшаем время анализа,

производя автоматически все рутинные вычисления

Мы предлагаем

Определение и визуализация патологий

Подсчет трудоемких индексов и классификация

Формирование описания исследования

Интуитивный интерфейс

Chest-IRA -
комплексный анализ
КТ ОГК

Дыхательная система Сердечно-сосудистая система Скелетно-мышечная система Органы брюшной полости

COVID-19

Модуль COVID-IRA оценивает наличие признаков COVID 19: уплотнения легочной ткани по типу «матового стекла», консолидации и ретикулярных изменений. При высокой вероятности COVID 19 - определяет степень тяжести поражения легких по классификации КТ0-КТ4.

Подключено к ЕРИС, метрики качества:
ROC AUC - 0,98
Чувствительность - 0,94
Специфичность - 0,94

Рак легкого

Модуль LungNodules-IRA производит поиск легочных узлов для выявления подозрений на злокачественные новообразования (С34). Для найденных узлов измеряется линейный размер и объем.

Подключено к ЕРИС, метрики качества:
ROC AUC - 0,93

Чувствительность - 0,86
Специфичность - 0,90

Пневмоторакс, гидроторакс

Анализ легких на наличие пневмоторакса, гидроторакса, гематорокса, пиоторакса (J90-J94)

Подключено к ЕРИС, метрики качества:
ROC AUC - 0,999
Чувствительность - 0,98
Специфичность - 1

Эмфизема, сотовое легкое

Анализ лёгочной паренхимы для оценки эмфиземы легких (J43)

В разработке

Увеличение лимфоузлов

Поиск увеличенных в размерах лимфатических узлов средостения (C77,C59)

В разработке

Аневризмы и дилатации аорты

Модуль Aorta-IRA измеряет диаметры восходящего и нисходящего отрезков аорты для выявления аневризмы, дилатации (I79)

Подключено к ЕРИС, метрики качества:
ROC AUC - 0,997
Чувствительность - 0,96
Специфичность - 1

Расширение легочного ствола

Модуль Pulm Trunk-IRA измеряет диаметр легочного ствола для выявления легочной гипертензии (I25)

Подключено к ЕРИС, метрики качества:
ROC AUC - 1
Чувствительность - 1
Специфичность - 0,98

Кальциноз коронарных артерий

Модуль Agatston-IRA оценивает наличие или отсутствие признаков кальциноза коронарных артерий (I25), при наличии - производит количественную оценку коронарного кальция с помощью индекса Агатстона.

Подключено к ЕРИС, метрики качества:
ROC AUC - 0,99
Чувствительность - 0,96
Специфичность - 0,96

Паракардиальный жир

Модуль CardiacFat-IRA измеряет объем жировой ткани, окружающей сердце (перикардиальный и эпикардиальный жир) (I27)

Подключено к ЕРИС, метрики качества:
ROC AUC - 0,99
Чувствительность - 0,94
Специфичность - 0,98

Остеопороз и компрессионные переломы

Модуль Genant-IRA оценивает минеральную плотность тел позвонков для выявления признаков остеопороза (M81), измеряет деформацию тел позвонков и производит оценку по классификации Genant для выявления компрессионных переломов.

Подключено к ЕРИС, метрики качества:
ROC AUC - 0,995
Чувствительность - 1
Специфичность - 0,98

Саркопения

Оценка мышечной и жировой ткани для диагностики саркопении (M62.5)

В разработке

Переломы ребер

Автоматический поиск переломов ребер

В разработке

Образования надпочечников

Оценка надпочечников для поиска признаков новообразований (D44), при нахождении образования измеряется его линейный размер и объем

Завершена разработка первой версии

Стеатоз печени

Оценка плотности печени с целью выявления жировой инфильтрации (K70-K77)

В разработке

Образования печени

Оценка печени для выявления образований (доброкачественных и злокачественных) (C22)

В разработке

* ROC AUC - статистический показатель, позволяющий оценить качество бинарной классификации. Чем ближе показатель к единице, тем качественнее классификатор.

Преимущества

Комплексный
подход

IRA Labs анализирует патологии в различных системах органов грудной клетки: дыхательной, сердечно-сосудистой, скелетно-мышечной, а также в органах брюшной полости. Единая информация о найденных патологиях с их количественными оценками помогает врачу быстрее составить полное представление о состоянии пациента, и уделить больше времени дифференциальной диагностике.

Высокое качество
алгоритмов

Разработка осуществляется сильнейшей командой алгоритмистов, состоящей из выпускников МФТИ и Сколтеха под руководством эксперта в области компьютерного зрения Михаила Беляева. В обучении каждого алгоритма участвует команда врачей экспертного уровня. Все модули проходят несколько этапов тестирования и постоянно совершенствуются.

Лидер в Эксперименте
ДЗМ

IRA Labs является лидером «Московского Эксперимента» по качеству и числу анализируемых патологий на КТ - к ЕРИС на данный момент подключены сервисы:

COVID-19 - 0.97
Легочные узлы - 0.93
Эмфизема 0.98
Плевральный выпот - 0.99
Аневризмы аорты - 0.99
Расширение легочного ствола - 1.0
Коронарный кальций - 0.98
Паракардиальный жир - 0.99
Остеопороз - 0.99

(Приведены значения ROC AUC*)

Соответствие клиническим
рекомендациям

Наш продукт говорит на том же языке, что и врач: для каждого типа находок мы строим интерпретируемый результат в соответствии с ведущими российскими и международными клиническими рекомендациями.

Передовые научные
результаты

Продукт построен на основе передовых научных результатов, полученных в сотрудничестве со Сколковским институтом науки и технологий.

1 / 0

CT-based COVID-19 Triage: Deep Multitask Learning Improves Joint Identification and Severity Quantification

M. Goncharov, M. Pisov, A. Shevtsov, B. Shirokikh, …, M. Bely...

2021, Medical image analysis

Мы предложили новый алгоритм компьютерного зрения, который повышает качество триажа пациентов с помощью одновременной идентификации симптомов COVID-19 и оценки степени тяжести. Работа опубликована в журнале Medical Image Analysis, лидирующем журнале по радиологии.

Keypoints Localization for Joint Vertebra Detection and Fracture Severity Quantification

M. Pisov, V. Kondratenko, A. Zakharov, …, M. Belyaev

2020, MICCAI

Мы предложили первый в мире полностью автоматический алгоритм для оценки высот тел позвонков и выявления компрессий в соответствии с рекомендациями Международной ассоциации остеопороза

Artificial intelligence for diagnosis of vertebral compression fractures using a morphometric analysis model, based on convolutional neural networks

A. Petraikin, Z. Belaya, A. Kiseleva, Z. Artyukova, M. Belyaev

2020, Problemy Endokrinologii

Клиническое исследование алгоритма оценки высот тел позвонков для выявления признаков остеопороза совместно с НПКЦ ДиТ ДЗМ и НМИЦ Эндокринологии, ROC AUC составил 0.95-0.98.

Epicardial Fat Tissue Volumetry: Comparison of Semi-Automatic Measurement and the Machine Learning Algorithm

V. Chernina, M. Pisov, M. Belyaev, I. Bekk, K. Zamyatina, T. Ko...

2020, Kardiologiia

Клиническое исследование алгоритма оценки объема паракардиального жира совместно с НПКЦ ДиТ ДЗМ. Показано, что автоматизация снижает время анализа в 30 раз при корреляции 0.95 с ручной разметкой.

Accelerating 3D Medical Image Segmentation by Adaptive Small-Scale Target Localization

B. Shirokikh, A. Shevtsov, A. Dalechina, E. Krivov, …, M. Be...

2021, Journal of Imaging

Исследование алгоритмов детекции и сегментации новообразований различной локализации. Был предложен специализированный алгоритм, снижающей время обработки исследований до 40 раз.

First U-Net Layers Contain More Domain Specific Information Than The Last Ones

B. Shirokikh, I. Zakazov, A. Chernyavskiy, I. Fedulova, M. Bel...

2020, Domain Adaptation and Representation Transfer, and...

Исследование эффекта смены протоколов сканирования на работу сегментационных нейросетей. Предложен простой, но эффективный способ дообучения на данных с новых для алгоритма протоколов.

Universal loss reweighting to balance lesion size inequality in 3d medical image segmentation

B. Shirokikh, A. Shevtsov, A. Kurmukov, A. Dalechina, …, M. ...

2020, MICCAI, top-1 conference in the field

Системное исследование проблемы низкого качества детекции новообразований малого размера. Предложен новый метод, повышающий чувствительность определения таких очагов в 3-5 раз.

Anatomy of Domain Shift Impact on U-Net Layers in MRI Segmentation

B. Shirokikh, I. Zakazov, A. Chernyavskiy, M. Belyaev

2021, MICCAI, oral talk

Проведено комплексное исследование влияния смены протоколов сканирования на внутренние параметры глубоких сверточных сетей. Предложен новый способ дообучения, адаптирующийся к различному количеству данных с новыми, неизвестными ранее протоколами.

«Современная диагностика развивается огромными шагами и предъявляет высочайший уровень требований к врачу. С помощью передовых технологий мы стремимся помогать врачам повышать качество оказания медицинской помощи для каждого пациента»

Михаил Беляев,
генеральный директор АЙРА Лабс

Мы, компания
IRA Labs

Наша цель

Создать лучший сервис для помощи в работе врачу-рентгенологу. Мы стремимся, чтобы искусственный интеллект забрал на себя рутинные измерения, помог в выявлении не только основного заболевания, но и сопутствующих патологий, для обеспечения высочайшего качества диагностики

Наша история

С 2016 года наша исследовательская группа изучает методы машинного обучения в биомедицинских задачах. В 2020 году, когда пандемия резко увеличила поток КТ- исследований, мы увидели возможность применения своих знаний в решении задачи автоматического анализа КТ. Мы одни из первых сделали продукт по COVID-19. Наше решение было признано лидером среди 15 компаний-участников и имеет самое высокое значение ROC AUC среди публично доступных сервисов

Наше название

Наши ценности нашли отражение в названии: IRA Labs - это сокращение от англ. Intelligent Radiology Assistance Laboratories, что означает разумного ассистента врача-рентгенолога.

Наша команда

Михаил Беляев

Генеральный директор

к. физ.-мат. н., профессор Сколтеха,
14 лет опыта создания продуктов на основе технологий искусственного интеллекта

Максим Писов

Технический директор

Высшее техническое образование (МФТИ);
6 лет опыта руководства разработкой алгоритмов компьютерного зрения для анализа медицинских изображений (МРТ, КТ, гистология)

Мария Дугова

Медицинский директор

Врач-рентгенолог, более 13 лет опыта работы,
Эксперт в области проведения КТ и МРТ исследований, член Европейского общества радиологов (ESR)

Регина Гареева

Продакт-менеджер

Высшее техническое образование (МФТИ);
4 года аналитической работы и руководства продуктами в медицинских организациях

Екатерина Петраш

Старший медицинский консультант

Врач-рентгенолог, к.м.н, 11 лет опыта работы,
Эксперт в области проведения КТ и МРТ исследований, член Европейского общества радиологов (ESR), член клуба молодых ученых Европейского общества Информатики Медицинской Визуализации (EuSoMII)

Михаил Гончаров

Старший инженер-исследователь

Высшее техническое образование (МФТИ + Сколтех);
5 лет участия и руководства разработкой ИИ продуктов

Алексей Шевцов

Инженер-исследователь

Высшее техническое образование (МФТИ); 4 года опыта разработки ИИ продуктов.

Алексей Захаров

Инженер-исследователь

Высшее техническое образование (МФТИ); 3 года опыта разработки ИИ продуктов

Присоединяйся
к команде АЙРА Лабс

Присылай свое резюме на join@ira-labs.com

Оставь
обратную связь

Мы стремимся сделать функциональный продукт, который будет максимально удобным в использовании, поэтому для нас очень важно получать обратную связь от пользователей!

Перейдя по ссылке, ты сможешь предложить изменения: