クラウド上でのAI支援医療画像処理

過去10年間で医療画像データの量は加速し続けています。平均的な画像研究のサイズは150MBに倍増し、臨床意思決定を遅らせ、エラー率を増加させています。例えば、ポストコロノスコピー大腸癌（CRC）の原因の多くは、大腸腫瘍のアデノーマミス率（AMR）であり、これはコロノスコピー手順で腫瘍性病変が検出されない率です。一部の研究では、ポストコロノスコピーCRC症例の約52％が患者のコロノスコピー中に見逃された病変によるものとされています。コロノスコピー手順中に腫瘍性病変の25％が見逃されると推定されています。

大腸画像診断では、前癌性または初期段階の大腸ポリープを見逃す可能性が常に高く、後に腺癌に変わることがあります。

クラウド技術を活用することで、医療提供者とそのソフトウェアパートナーは、クラウド上で医療画像アプリケーションを実行し、規模を拡大しながらインフラストラクチャコストを削減できます。さらに、AIとMLモデルは、画像解析と解釈を改善し、エラー率を低下させることで、放射線診断の効率と精度を向上させるのに役立ちます。これにより、医療エコシステムの負担を大幅に軽減し、ケアの成果を向上させることができます。

SourceFuseは、AWSヘルスケアコンピテンシーを持つAWSアドバンストコンサルティングパートナーとして、AWS HealthLake Imagingを活用し、クラウド上でペタバイト規模の医療画像を保存、アクセス、分析するのを支援できます。これは、HIPAA準拠のAI支援医療画像サービスです。

私たちの最近のブログをお読みください： Amazon HealthLake: 非構造化データの理解

医療提供者に次の利点を提供します：

• 総所有コストの削減：高度な圧縮を使用し、クラウドに医療画像の単一コピーを保存することで、コストを最大40％削減します。
• サブセカンド画像アクセス：クラウドネイティブAPIとアプリケーションによって、どこからでもサブセカンドの画像取得遅延でAI支援医療画像データにアクセスできるようにします。
• 自動化されたインフラストラクチャ管理：インフラストラクチャ管理の負担を軽減し、高品質な患者ケアの提供に時間とリソースを集中させます。

既存の病院ITインフラストラクチャでの放射線診断との連携方法：