Projektbeschreibung
Maschinelles Lernen unterstützt radiologische Dienste
Die Anzahl der in Europa durchgeführten Röntgenaufnahmen steigt. Im Jahr 2018 betrug die Zahl der Muskel-Skelett-Aufnahmen über 140 Millionen. Gleichzeitig muss sich eine kleiner werdende Gruppe von Radiologinnen und Radiologen mit dem zunehmenden Arbeitsfluss auseinandersetzen. Infolgedessen können medizinische Berichte nicht rechtzeitig erstellt werden, und die Behandlung der Betroffenen verzögert sich. Es werden daher neue Lösungen zur Unterstützung von radiologischen Diensten benötigt. Das EU-finanzierte Projekt AutoRay will die Radiobotics-Lösung – ein validiertes, umfassendes Softwaretool auf Basis des maschinellen Lernens, das die Röntgenaufnahmen des Muskel-Skelett-Systems automatisch analysiert, auf dem Medizinmarkt einführen. Die neue Software hilft Radiologinnen und Radiologen bei der schnellen und genauen Analyse. Sie wird auch den Arbeitsablauf in Krankenhäusern optimieren, Kosten senken sowie die Qualität von Dienstleistungen verbessern.
Ziel
Routine radiology services are facing a huge problem on having efficient workflows to deliver X-ray analysis and diagnosis
shortly after image acquisition – with patients waiting days or weeks for the results. The volume of X-rays scans is quickly
growing year after year –more than 140 million X-rays analysis of the musculoskeletal (MSK) system were performed in
2018 in Europe alone. The current number of radiologists is insufficient to efficiently analyse and deliver the medical report
shortly, causing unnecessary stress for patients and potential delay in the treatment. Thus, there is an urgent need for
solutions optimizing the workflow on routine radiology services.
Radiobotics (RDB) has developed a comprehensive machine learning-based software tool that automatically analyses X-rays
of the MSK system and generates the respective medical report. The algorithms used have been trained with data
screened and validated by our clinical partners, in order to mimic expert accuracy and a state-of-the-art performance. RDB
automatic software will greatly benefit: 1) radiologists/physicians (end-users) by lowering the time required to analyse
images and generate diagnostic reports; 2) hospitals (customers) by optimizing the services workflow, saving costs and
offering higher quality services; and 3) patients by having access to a faster and accurate diagnosis and consequently early
treatments.
AutoRay project will enable RDB to mature its product to a market-ready software suite addressing multiple conditions in multiple anatomical regions while ensuring a seamless integration in IT systems. In addition, it will provide a stage to a large-scale demonstration of its performance in clinical practice. Upon completion, RDB will open up for a very large business opportunity, providing a perspective for RDB to become a lead player in the medical imaging arena.
Wissenschaftliches Gebiet
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-EIC-SMEInst-2018-2020-3
Finanzierungsplan
SME-2 - SME instrument phase 2Koordinator
1263 Copenhagen
Dänemark
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).