O BoneView® é um software revolucionário de IA projetado para auxiliar radiologistas e médicos de unidades de urgência no diagnóstico de fraturas esqueléticas. Recorre a algoritmos avançados para detetar e localizar lesões em raios-X – destacando graficamente as áreas de interesse – antes de enviar as imagens aos radiologistas para validação. Os sistemas de raios-X Fujifilm estão equipados com uma nova caixa de processamento de imagem chamada EX-Mobile que permite a conexão com o software BoneView®. Os resultados estão disponíveis em 30 segundos no ponto de atendimento, fornecendo aos profissionais de saúde um suporte adicional para ajudar a melhorar a gestão do paciente.
O software user-friendly pode ser perfeitamente integrado à linha abrangente de modalidades de raios-X da Fujifilm, tornando-o adequado para clínicas pequenas ou remotas, centros médicos, lares de idosos e até grandes instituições multifuncionais. Tal ajudará a equipa médica na identificação rápida de pacientes com suspeita de fraturas, triando-os para investigações adicionais para facilitar os fluxos de trabalho e melhorar os caminhos de atendimento do paciente. Um ensaio clínico envolvendo fraturas esqueléticas apendiculares descobriu que o BoneView® reduziu o número de falsos positivos em 41,9% e melhorou a sensibilidade e especificidade1. Estes resultados são apoiados por outro estudo envolvendo áreas anatómicas adicionais, onde a assistência de IA reduziu os tempos de leitura de radiografias em 6,3 segundos por paciente2.
Richard Cahalane, Product Manager Digital Modalities, FUJIFILM Europe GmbH, explica:
Christian Allouche, CEO da GLEAMER, acrescenta:
BO software BoneView® vai ser lançado na Europa no Congresso Europeu de Radiologia (ECR 2022), em julho.
Visite www.gleamer.ai/boneview para mais informações.
®BoneView é uma marca registada da GLEAMER
Referências
- Duron L, Ducarouge A, Gillibert A, et al. Assessment of an AI Aid in Detection of Adult Appendicular Skeletal Fractures by Emergency Physicians and Radiologists: A Multicenter Cross-sectional Diagnostic Study. Radiology. 2021;300(1):120-129. doi:10.1148/radiol.2021203886
- Guermazi A, Tannoury C, Kompel AJ, et al. Improving Radiographic Fracture Recognition Performance and Efficiency Using Artificial Intelligence. Radiology. 2022;302(3):627-636. doi:10.1148/radiol.210937
Contacto para mais informação
Sarah Ballard at kdm communications limited, St Neots, UK
Tel. +44 (0)1480 405333
Fax: +44 (0)1480 477833
email ideas@kdm-communications.com