Ved første øyekast er det en liten enhet som virker tapt ved siden av en stor enhet. Men boksen som måler rundt 10 ganger 20 centimeter, som den Brno-baserte oppstarten Maia Labs har begynt å distribuere i Tsjekkia, har store ambisjoner: den vil bidra til å snu den ubehagelige statistikken rundt tykktarmskreft. Umiddelbart under undersøkelsen gjør legen oppmerksom på abnormiteter som kan indikere en svulst.
Det som er interessant er ikke synlig på selve boksen, men på monitoren som legen ser på under koloskopien. Kunstig intelligens analyserer alt som spesialister ser under en rutineundersøkelse. Det kan også varsle legen om knapt merkbare abnormiteter. Den gjør dette i sanntid, dvs. på det nøyaktige tidspunktet da eksamen finner sted. Og da hjelper det blant annet også med sluttrapporten, som legen normalt skal skrive etter undersøkelsen.
«Det er mange selskaper og startups i markedet som bruker kunstig intelligens for bildelesing og deteksjon,» sier Lukáš Loun, administrerende direktør og en av medgründerne. Og han beskriver at prosjektets teknologi er basert på et annet prinsipp for læring og prosessering. Maia Labs sitt system lærer ikke av bilder, men av videoer. Og takket være det burde han lære raskere.
«Forskjellen er den samme som om jeg ba deg lære deg å gå på ski fra bilder. Du lærer det på en måte. Men du trenger mange bilder med beskrivelser for å forstå. Eller jeg vil gi deg en video der du kan se individuelle bevegelser, inkludert dynamikk. Du vil forstå dette mye raskere og også uten feil.» sammenligne Loun. Og resultatene bekrefter hans ord. Enheten kalt Maia Box finnes på syv sykehus i Tsjekkia og Slovakia. Pilotutplasseringen av selskapet, som offisielt ble grunnlagt i august i fjor, har allerede innbrakt mer enn en million kroner. Den unge bedriften samarbeider med fakulteter og det tsjekkiske samfunnet for gastroenterologi.
I lang tid var Tsjekkia landet med høyest forekomst av tykktarmssvulster i verden. Takket være den gratis forebyggende undersøkelsen har statistikken blitt noe bedre, men 7500 pasienter får diagnosen denne kreften hvert år i Tsjekkia, og nesten 3400 mennesker bukker under for sykdommen. I Europa forårsaker denne sykdommen ett dødsfall hvert tredje minutt og er den nest dødeligste kreftformen.
En koloskopi kan oppdage problemer, men grunnleggerne av Maia Labs forklarer at i følge statistikk ser ikke selv en erfaren lege omtrent 20% av svulstene. Maia er ment å fremheve områder som virker problematiske. Ifølge skaperne hjelper det med påvisning og klassifisering av inflammatoriske tykktarmssykdommer, som Crohns sykdom. Og dessuten bruker den også chattesystemer som ChatGPT, som for tiden bøyes overalt.
«Vi bruker samme prinsipp som store språkmodeller, der ChatGPT ser tilbake i teksten for å forstå konteksten. Vi bruker samme prinsipp når vi mer effektivt kan trekke ut informasjon fra tidligere videobilder. Dette lar oss øke kvaliteten på selve videoen, legen ser et mye bedre bilde i sanntid enn uten å bruke enheten vår, men fremfor alt forbedrer vi kvaliteten på deteksjonene.» sier Loun.
Maia Box kobles til endoskopet
«Vårt mål i fremtiden er å lære systemet vårt selvstendig uten hjelp fra lege, men bare fra medisinske rapporter og et videoopptak av undersøkelsen», forklarer Michal Hradiš, en annen av medgründerne.
Foruten Louno og Hradiš (nå CTO), er medgründeren av oppstarten for medisinsk teknologi også Petr Musil, som er ansvarlig for utvikling og forskning. Sammen kan de skilte med erfaring fra ulike yrker innen næringsliv, industri, transport og akademia. De utviklet AI-enheten sammen og designet den for å kunne kobles til alle eksisterende endoskopmodeller.
Maia Box sies å være basert på Teslas AI-arkitektur, så det er en liten industriell datamaskin med mye grafikkprosessorkraft. «Den er dobbelt så kraftig som MacBookPro M og bruker ti ganger mindre strøm enn tilsvarende høyytelses databehandlingsalternativer,» sier Loun. Gründerne har jobbet med prosjektet i omtrent ett år og har investert millioner av kroner i det. Med unntak av et tilskudd de fikk, så langt har pengene kommet fra dem. Gründerne anslår imidlertid at de kan bli enige om en pre-seed-investering på 1,5 millioner euro.
Foreløpig fortsetter systemet å lære. Det må fortsatt utvikles, og formålet med tilleggsfasilitetene er å samle inn undersøkelsesposter og lage datasett for de neste fasene. Loun mener bedrifter allerede har vist interesse for utstyret deres. Sykehus og helseinstitusjoner måtte betale for tjenestene, men målet ville være at selv små ambulanser hadde råd til teknologien. Hvis alt fungerer, vil kunstig intelligens sørge for blant annet raskere undersøkelser. Og det kan igjen forkorte ventetiden for ham. Disse når normalt opp til fire måneder.
De støtter Startups-delen
Student. Subtilt sjarmerende bacon-junkie. Spiller. TV-utøver. Frilansmusikkekspert
