Embed Size (px)
Citation preview
Solución de IA para radiografías de tórax
Descripción general del producto
Beneficios para el usuario
Validación clínica
Casos clínicos
10
18
26
34
Dra. Eun-hye Lee
Siriraj Hospital, Tailandia
Hospital Vimercate, Italia
PreventSenior, Brasil
Cathay Life Insurance, Taiwán
14
22
24
30
32
Testimonios de usuariosInformación del producto
05Visión con IA, acción más temprana
México
Estados Unidos
Brasil
Reino Unido Países Bajos
China
Corea del Sur
200+
80+
7M+
Sitios de referencia
Países de todo el mundo
Imágenes analizadas(para uso clínico e investigativo)
07Visión con IA, acción más temprana
Nunca omitaun hallazgo.
HIGHLOW
CASE REPORT
Atl
PEf
Calc
Cm
Csn
Atelectasis
Pleural effusion
Calcification
Cardiomegaly
Consolidation
98%
85%
Low
Low
Low
Multiple Lesions
Right zone
-
-
-
Abnormality Score 99%
...
Visión con IA, acción más temprana 09
1097-99%
¿Qué analiza Lunit INSIGHT CXR en las imágenes de radiografías de tórax?Lunit INSIGHT CXR detecta 10 hallazgos radiológicos anormales con una precisión
del 97 % al 99 % y es compatible con la detección de tuberculosis en imágenes
de radiografías de tórax.
Hallazgos radiológicos anormales
Precisión
Atelectasia
Calcificación
Cardiomegalia
Consolidación
Fibrosis
Ensanchamiento mediastínico
Nódulo
Derrame pleural
Neumoperitoneo
Neumotórax*Es compatible con la detección de tuberculosis
10 resultados radiológicos anormales
Descripción general del producto 11Visión con IA, acción más temprana
CASE REPORT
Atl
PEf
Calc
Cm
Csn
Atelectasis
Pleural effusion
Calcification
Cardiomegaly
Consolidation
99%
88%
Low
Low
Low
Multiple Lesions
Right zone
-
-
-
Abnormality Score 99%
...
Desarrollado mediante el uso de la tecnología de vanguardia de aprendizaje profundo de Lunit
Lunit INSIGHT CXR genera
Descripción general del producto
Ubicación detectada
La información de ubicación
de las lesiones detectadas en
forma de mapas de calor o
mapas de contorno
Una puntuación de anomalías que
refleja el cálculo de IA (inteligencia
artificial) de la presencia real de la
lesión detectada
Puntuación de anomalías
Informe de IA
Un informe de caso de
IA en el que se resumen
los resultados del análisis
general limitados a cada
hallazgo
Baja probabilidad de presencia de una lesión
Anormal100%
Normal0%
Alta probabilidad depresencia de
lesiones
13Visión con IA, acción más temprana
P1. ¿Qué tipos de pacientes acuden al Departamento de Neumología y Alergias?
Nuestro departamento tiene muchos
pacientes hospitalizados, la mayoría
derivados principalmente de
departamentos ambulatorios y de
urgencias. La mayoría de ellos presentan
síntomas respiratorios, como tos, flema,
sangre en esputo y hemoptisis. A
algunos se les han realizado exámenes
y exploraciones de TC en clínicas para
detectar hallazgos anormales y han acudido
a nuestro departamento para solicitar una
segunda opinión.
P2. ¿Cuándo solicitanexploraciones radiológicas de tórax?
Solicitamos exploraciones radiológicas
de tórax cuando los pacientes son
admitidos en el hospital y antes del alta
hospitalaria, para asegurarnos de que no
haya complicaciones. También solicitamos
exploraciones radiológicas de tórax en
el caso de pacientes con enfermedades
infecciosas, como neumonía, para controlar
el avance y la regresión de estas.
P3. ¿Cómo ayuda en la lectura la IA?
Uno de los grupos de pacientes que más
se beneficia del uso de IA es el grupo
de pacientes asintomáticos. Se debe a
que, por lo general, solicito exploraciones
radiológicas de tórax a todos los pacientes
con fines preliminares de revisión y no
presto mucha atención a los exámenes
de pacientes sin síntomas. Sin embargo,
si Lunit detecta algo y muestra puntajes
altos, tiendo a prestar más atención a
ellos. Luego, solicito la siguiente serie de
exámenes, incluida la TC. Y, aunque haya
anomalías en los pulmones claramente
visibles en las radiografías de tórax, y los
pacientes muestren síntomas, algunos
casos son difíciles de analizar de forma
definitiva, como aquellos en los que se
presentan anomalías ocultas por los vasos
sanguíneos y las costillas. La IA de Lunit
me ayuda a verificar minuciosamente estos
casos y confirmar mi análisis con seguridad.
Haga clic para ver
Entrevista del usuarioMédico, Departamento de Neumología y Alergias del
Hospital Yongin Severance en Corea
Dra. Eun-hye Lee
Entrevista del usuario 15Visión con IA, acción más temprana
P5. ¿Existe algún caso en el que haya detectado cáncer en fase inicial mediante IA?
Al paciente anterior se le diagnosticó
cáncer del conducto biliar y lo ingresaron
en nuestro hospital. Después de realizar
una exploración radiológica de tórax, fue
derivado a nuestro departamento para
decidir si podría obtener un anestésico
general para cirugía.
Cuando observé su imagen de radiografía
de tórax, no vi ninguna anomalía clara.
El paciente tampoco mostró ningún
síntoma respiratorio. Sin embargo, la IA de
Lunit detectó un nódulo y lo mostró en el
mapa de calor.
Después de examinar de cerca la imagen
original, me di cuenta de que podría haber
un nódulo. Así que solicité una exploración
por TC y una biopsia. Tan pronto como la
biopsia confirmó que padecía de cáncer de
pulmón en estadio I, el paciente tuvo una
cirugía inmediatamente.
P4. En particular, ¿en qué tipos de casos la IA lo ayuda a interpretar mejor?
Diría que en los casos en que se presentan
nódulos pulmonares. Es difícil encontrar
tumores pulmonares pequeños en las
imágenes de radiografías de tórax. La IA
de Lunit me envía una alarma si hay un
nódulo y me alienta a solicitar exámenes
de seguimiento. También hay casos
de tuberculosis y neumonía en los que
solo se presentan síntomas leves. Si los
casos con síntomas de resfriado leve
presentan puntajes altos, pienso en
solicitar antibióticos o exploraciones por
TC. En los casos de tuberculosis, considero
la posibilidad de solicitar pruebas de
esputo. Ciertamente, la IA de Lunit me
ayuda a decidir si debo solicitar exámenes
de seguimiento para este tipo de casos
anormales.
P6. ¿Tiene planes de realizar investigaciones mediante IA?
Estoy en la fase de planificación, así que
por ahora solo se me han ocurrido ideas
generales. Un tema de investigación que
estoy considerando es comprobar los
resultados de la AI en casos de nódulos
y tumores pulmonares. Antes de que los
nódulos y tumores pulmonares crezcan
lo suficiente y se solidifiquen, es habitual
que sea difícil detectarlos en imágenes
sencillas de radiografías. Por lo tanto,
pienso recopilar imágenes de radiografías
de tórax con nódulos en vidrio esmerilado
y opacidad en vidrio esmerilado, así como
exploraciones por TC, y descubrir si la IA
de Lunit los detecta con precisión.
Otro tema es el siguiente: Cuando se trata
a pacientes con neumonía y tuberculosis,
por lo general, se solicitan exploraciones
radiológicas de tórax en intervalos de dos
o tres días. Si detectamos ciertos patrones
en los puntajes de anomalías de la IA
que indican el avance y la regresión de
esos pacientes con neumonía, podríamos
predecir la tasa de mortalidad general y el
pronóstico de los pacientes con neumonía.
Aún estoy tratando de desarrollar estas
ideas en temas de investigación más
específicos.
La IA de Lunit me envía una alarma si hay un nódulo y me alienta a solicitar exámenes de seguimiento.
“
Entrevista del usuario
▲ P5. La IA de Lunit detectó el cáncer de pulmón antes de la cirugía de cáncer del conducto biliar.
17Visión con IA, acción más temprana
¿Cuáles son los principales beneficios de usarla?
Clasificación rápidade casos normales.
Lectura eficiente mediante la priorización de exámenes.
Rendimiento mejorado de lectura.
Beneficios para el usuario
Centros de revisión de salud
Clínicas de diagnóstico por imágenes
Centros de telerradiología
Según las puntuaciones de anomalías generadas mediante IA, los radiólogos pueden
clasificar los casos normales rápidamente y centrarse en la lectura de casos anormales
en los que puede haber lesiones.
Clasificación rápida de casos normales
01
Rendimiento mejorado de lectura
Los médicos no radiólogos, los radiólogos generales y los radiólogos torácicos pueden
mejorar la precisión del diagnóstico respecto de las principales anomalías del tórax,
como los nódulos pulmonares malignos, el neumotórax, la neumonía y la tuberculosis
pulmonar activa.² ³ ⁴ ⁵ ⁶ ⁷ ⁸
Departamentos clínicos previos a cirugías y procedimientos
(Emergencias, Pulmonar, Oncología, Cardiotorácico, Cirugía, etc.)
Hospitales y clínicas de la comunidad
03
02
En referencia a las puntuaciones de anomalías en la lista de trabajo, los radiólogos
pueden priorizar los exámenes en su orden de lectura, lo que genera una reducción del
13 % en el tiempo de lectura y un 33 % en el tiempo de reducción en los casos normales.¹
Lectura eficiente mediante la priorización de exámenes
Departamentos de radiología
Clínicas de diagnóstico por imágenes
Centros de telerradiología
13% 33%en tiempo de reducción en casos normales
reducción del tiempo de lectura
Visión con IA, acción más temprana 19
Reducción del cáncer de pulmón
inadvertido.
Flujo de trabajo optimizado de la unidad de emergencias.
Clasificación y control de pacientes con COVID-19.
Beneficios para el usuario
Centros de revisión de salud
Hospitales y clínicas de la comunidad
La detección automática asistida por IA de nódulos pulmonares pequeños y sutiles
sobrepuestos en la sombra hiliar, las costillas, el corazón y el diafragma permite a los
radiólogos reducir los casos de cáncer de pulmón inadvertidos, especialmente durante
revisiones periódicas.⁹
Reducción de cáncer de pulmón inadvertido
04
Con la ayuda de la IA, los residentes de radiología pueden mejorar el rendimiento en
el diagnóstico¹0 y reducir el tiempo de lectura¹¹, lo que acelera el proceso de toma de
decisiones y el tratamiento en la unidad de urgencias.
Flujo de trabajo optimizado de la unidad de urgencias
05
Unidad de urgencias
<Tiempo de lectura para detectar la infección respiratoria aguda>
Médicos de urgencias+IA de Lunit Médicos de urgencias (n=3)
165min101min 39%Reducción
(Imagen N = 387)
Clasificación y control de pacientes con COVID-19
La interpretación de radiografías de tórax asistida por IA puede ayudar a los profesionales
médicos a detectar neumonía infectada por COVID-19 de forma rápida¹² y precisa¹³, lo
que permite un aislamiento rápido y un tratamiento oportuno.
Centros de análisis de COVID-19
Unidad de urgencias
06
Haga clic para ver • Thammasat University Hospital, Tailandia
• Songklanagarind Hospital, Tailandia
Visión con IA, acción más temprana 21
Con respecto a los resultados del análisis de IA para el diagnóstico preliminar, podemos realizar el proceso de tratamiento de forma más rápida y eficiente.
“
Dr. Trongtum Tongdee
Siriraj Hospital, el hospital más grande de Tailandia con 2400 camas, realiza
234 000 exploraciones radiológicas de tórax al año. No obstante, debido a
la escasez de radiólogos y una carga de trabajo abrumadora, los radiólogos
leyeron menos del 10 % de las exploraciones radiológicas de tórax de pacientes
hospitalizados. "La IA parecía ser una solución óptima para cubrir el volumen
fuera del alcance de los radiólogos", afirmó el Dr. Trongtum del Departamento de
Radiología.
En abril del 2020, Lunit INSIGHT CXR se implementó en el hospital y ha
estado analizando todas las radiografías de tórax de la unidad de pacientes
hospitalizados (IPD). Cuando los departamentos clínicos, incluido el departamento
de medicina interna, realizan exploraciones radiológicas de tórax en la sala de
pacientes hospitalizados con un dispositivo móvil de diagnóstico por imágenes
o en la sala de radiología, las imágenes se analizan de inmediato a través del
algoritmo de IA de Lunit y el resultado se envía directamente a PACS en su
oficina.
El Dr. Trongtum afirmó: "Antes de recibir un informe final de los radiólogos,
utilizamos los resultados de IA para el diagnóstico preliminar. El diagnóstico
inmediato y preciso de la solución de IA de Lunit nos permite llevar a cabo un
tratamiento adecuado sin demoras. Cada acción debe realizarse en el momento
oportuno en todo el proceso de la atención del paciente, y Lunit lo hace posible".
Agilización del proceso de tratamiento para pacientes hospitalizadosSiriraj Hospital, Tailandia
Lea los testimonios de nuestros usuarios 23Visión con IA, acción más temprana
Priorizar los exámenes de acuerdo con los puntajes de IA nos ayuda a informar inmediatamente a los pacientes con hallazgos, en especial durante la pandemia.
“
Dr. Marcello Intotero
El Hospital Vimercate se ubica en Lombardía, Italia, y, en él, 17 radiólogos y 19
técnicos realizan alrededor de 160 000 exploraciones radiológicas al año.
En marzo del 2020, cuando la pandemia golpeó a Italia, el Hospital Vimercate
implementó Lunit INSIGHT CXR. El Dr. Marcello Intotero, jefe del Departamento
de Servicios de Diagnóstico y Estructura de Radiología, señaló que "la crisis de
la COVID-19 ha dado lugar a la necesidad de mejorar nuestro flujo de trabajo de
lectura mediante la reducción de la carga de la lectura de una gran cantidad de
exámenes".
Lunit INSIGHT CXR se utiliza en todos los análisis de radiografías de tórax, lo que
incluye pacientes de urgencias con síntomas respiratorios, es decir, pacientes con
COVID-19.
El Dr. Intotero señaló: "Con los resultados de la IA de Lunit integrados en la
plataforma Fujifilm Synapse, podemos identificar rápidamente casos graves.
En particular, priorizar los exámenes de acuerdo con las puntuaciones de la IA
en la lista de trabajo nos ayuda a informar inmediatamente a los pacientes con
hallazgos. Esta perfecta integración nos permite agilizar nuestro flujo de trabajo
de lectura en el Departamento de Radiología, así como responder a la pandemia
de forma más eficiente a nivel de hospital".
Mejora del flujo de trabajo de lectura en medio de la pandemia gracias a la priorización de exámenes basada en la IAHospital Vimercate, Italia
Lea los testimonios de nuestros usuarios 25Visión con IA, acción más temprana
50% 60% 70% 80% 90% 100% AUROC
98%
90%
81%
94%
90%
0 0.3 0.6
65%
40%
53%
0 0.20.1
96%
93%
A continuación, se presentan algunos aspectos destacados de los
estudios publicados en revistas con revisión científica experta que
validan el desempeño de Lunit INSIGHT CXR y su valor clínico en la
interpretación de radiografías de tórax.
¿Qué se indica en las revistas médicas?
Diagnósticos eficientes y precisos con tecnología de IA
Validación clínica
(Imagen N= 1,015)
<Detección de anomalías torácicas graves>
Valor P
Médicos no radiólogos
(n = 5)
Radiólogos certificados
(n = 5)
ASPECTO DESTACADO 1
Rendimiento de lectura mejorado de médicos no radiólogos,
radiólogos generales y radiólogos torácicos.14
IA de Lunit
Radiólogos torácicos
(n = 5)
ASPECTO DESTACADO 2
Una mejor detección del cáncer de pulmón en estadio temprano
inadvertido sin aumentar los casos con resultado positivo falso.15
(Imagen N = 117) (Imagen N = 117)
<Sensibilidad> <Marcas positivas falsas por radiografía>
Radiólogos(n = 9)
Radiólogos(n = 9)
Radiólogos+ IA
Radiólogos+ IA
IA de Lunit IA de Lunit
<0,001
<0,001
0,001
0,14
0,14
0,24
SIN IA
CON IA
27Visión con IA, acción más temprana
0
200
400
600
0 0
10
10
20
30 20
ASPECTO DESTACADO 3
Reducir el tiempo de lectura general.16
(Imagen N = 146)(Imagen N = 202)
<Tiempo de lectura en casos normales y anormales>
<Tiempo de lectura en casos normales>
13%Reducción
33%Reducción
SinIA
ConIA
SinIA
ConIA
<Tiempo de obtención de un resultado analítico entre el informe de radiología y el resultado de rRT-PCR>
Reducción a
1/10
Resultado de rRT-PCR
507min
Informes de radiología asistidos por IA
51min
ASPECTO DESTACADO 4
La interpretación de radiografías de tórax asistida por IA tarda menos tiempo que
las pruebas de PCR en la clasificación de pacientes con sospecha de COVID-19.17
(Imagen N = 332)
¿Qué se indica en las revistas médicas sobre la interpretación de radiografías de tórax con tecnología de IA?
Ir al video
¿Cómo funciona la IA en entornos de COVID-19?
Ir al video
Vea y obtenga más información sobre Lunit INSIGHT CXR
23,5 s20,5 s
17,9 s
13,5 s
P <0,001P <0,001
29Visión con IA, acción más temprana
PreventSenior, una de las redes
hospitalarias más grandes de Brasil,
con ocho ubicaciones en toda la
región metropolitana de São Paulo. La
institución es uno de los centros de
detección de la COVID-19 en los que
se utiliza la detección sistemática por
radiografía de tórax en pacientes con
síntomas leves.
En mayo del 2020, la institución
implementó Lunit INSIGHT CXR para el
análisis de más de 20 000 imágenes
de radiografías de tórax en las que
se sospecha de una infección por
coronavirus.
El Dr. Fabrício Próspero Machado del
Departamento de Radiología señaló:
"Nuestro hospital está desbordado con
pacientes y el número de radiólogos
permanece bajo. Lunit INSIGHT
CXR proporciona una gran ayuda,
especialmente en la clasificación y el
control de pacientes".
La IA de Lunit brinda una gran ayuda, especialmente en la clasificación y el control de pacientes en medio de la sobrecarga de pacientes y la escasez de radiólogos.
“
Dr. Fabrício Próspero Machado
Clasificación y control de pacientes con COVID-19 mediante radiografías de tórax asistidas por IA
Lea los testimonios de nuestros usuarios
PreventSenior, Brasil
31Visión con IA, acción más temprana
“ Ahorro del 90% del tiempo de lectura en el proceso de suscripción de segurosCathay Life Insurance, Taiwán
Con la IA, no solo ahorramos tiempo de lectura, sino que también mejoramos la precisión de la evaluación de las afecciones médicas de nuestros clientes.
Tzu-Ling Ke, vicepresidenta sénior del Departamento de Suscripción
Cathay Life Insurance, una de las empresas de seguros más grandes de Taiwán,
revisa, anualmente, alrededor de 30 000 imágenes de radiografías de tórax
como parte de los requisitos de los nuevos contratos de seguros. Para reducir
la carga del proceso de suscripción de seguros, la empresa decidió emplear
Lunit INSIGHT CXR.
Antes de la implementación, los médicos del Departamento de Suscripción
validaron su rendimiento, con casi 200 exploraciones radiológicas de tórax
revisadas internamente. Los resultados mostraron una precisión general del
90 % y una reducción del 90 % en el tiempo de lectura.
Tzu-Ling Ke, vicepresidenta sénior del Departamento de Suscripción, señaló:
"El algoritmo de IA de Lunit detecta con precisión pequeños nódulos y fibrosis
pulmonar, los que no son fáciles de distinguir en radiografías de tórax. Además,
el proceso de revisión asistido por IA reduce significativamente el tiempo de
lectura, en comparación con el proceso anterior de revisión manual".
Lea los testimonios de nuestros usuarios 33Visión con IA, acción más temprana
18%
73%
2013
2014
2016
Tasa de supervivencia a 5 años con la detección temprana asistida por IA
Cuando se efectúa una detección temprana mediante IA (estadio I y II)
Casos inadvertidos(estadio III y IV)
Referencias: AJCC, octava edición
Lunit INSIGHT analizó con éxito la imagen de radiografía de tórax de
un paciente varón de 54 años de edad, con la que se detectó cáncer
de pulmón que se había omitido hace 3 años.
Casos clínicos
Puntuación de IA del 16,7 %
DETECTADO
CASO
INADVERTIDO
Puntuación de IA del 43,1 %
DETECTADO
CASO
INADVERTIDO
Puntuación de IA del 90,7 %
DETECTADO
CÁNCER DE PULMÓN
DIAGNOSTICADO
Visión con IA, acción más temprana 35
63%
98%
77%
Casos clínicos
Casos de muestra
Múltiples lesiones, lo que
incluye atelectasia y derrame
pleural
Neumonía infectada por
COVID-19 detectada
Puntuación de anomalías
Puntuación de anomalías
Puntuación de anomalías
Se detectó un nódulo
pequeño
Pruebe la solución de IA de Lunit
Ir a la página
Visite insight.lunit.io y cargue un archivo DICOM que tenga.
Obtendrá el resultado de IA en cuestión de segundos.
Visión con IA, acción más temprana 37
1
2
3
4
5
6
7
8
9
10
11
12
13
Ju Gang Nam, Minchul Kim, et al. Development and validation of a deep learning algorithm detecting 10 common
abnormalities on chest radiographs. European Respiratory Journal. 2020
Ju Gang Nam, Sunggyun Park, et al. Development and Validation of Deep Learning–based Automatic Detection
Algorithm for Malignant Pulmonary Nodules on Chest Radiographs. Radiology. 2018
Eui Jin Hwang, Sunggyun Park, et al. Development and Validation of a Deep Learning-based Automatic Detection
Algorithm for Active Pulmonary Tuberculosis on Chest Radiographs. Clinical Infectious Diseases. 2018
Eui Jin Hwang, Sunggyun Park, Kwang-Nam Jin, et al. Development and Validation of a Deep Learning–Based
Automated Detection Algorithm for Major Thoracic Diseases on Chest Radiographs. JAMA Network Open. 2019
Jong Hyuk Lee, Sunggyun Park, et al. Deep learning–based automated detection algorithm for active pulmonary
tuberculosis on chest radiographs: diagnostic performance in systematic screening of asymptomatic individuals.
European Radiology. 2020
Eui Jin Hwang, Jung Hee Hong, et al. Deep learning algorithm for surveillance of pneumothorax after lung biopsy: a
multicenter diagnostic cohort study. European Radiology. 2020
Jong Hyuk Lee, Hye Young Sun, et al. Performance of a Deep Learning Algorithm Compared with Radiologic
Interpretation for Lung Cancer Detection on Chest Radiographs in a Health Screening Population. Radiology. 2020
Hyunsuk Yoo, Ki Hwan Kim, et al. Validation of a Deep Learning Algorithm for the Detection of Malignant Pulmonary
Nodules in Chest Radiographs JAMA Network Open. 2020
Sowon Jang, Hwayoung Song, et al. Deep Learning–based Automatic Detection Algorithm for Reducing Overlooked
Lung Cancers on Chest Radiographs. Radiology. 2020
Eui Jin Hwang, Ju Gang Nam, et al. Deep Learning for Chest Radiograph Diagnosis in the Emergency Department.
Radiology. 2019
Jae Hyun Kim, Jin Young Kim, et al. Clinical Validation of a Deep Learning Algorithm for Detection of Pneumonia
on Chest Radiographs in Emergency Department Patients with Acute Febrile Respiratory Illness. Journal of Clinical
Medicine. 2020
Eui Jin Hwang, Hyungjin Kim, et al. Implementation of a Deep Learning-Based Computer-Aided Detection System for
the Interpretation of Chest Radiographs in Patients Suspected for COVID-19. Korean Journal of Radiology. 2020
Se Bum Jang, Suk Hee Lee, et al. Deep-learning algorithms for the interpretation of chest radiographs to aid in the
triage of COVID-19 patients: A multicenter retrospective study. PLOS ONE. 2020
Eui Jin Hwang, Sunggyun Park, Kwang-Nam Jin, et al. Development and Validation of a Deep Learning–Based
Automated Detection Algorithm for Major Thoracic Diseases on Chest Radiographs. JAMA Network Open. 2019
Sowon Jang, Hwayoung Song, et al. Deep Learning–based Automatic Detection Algorithm for Reducing Overlooked
Lung Cancers on Chest Radiographs. Radiology. 2020
Ju Gang Nam, Minchul Kim, et al. Development and validation of a deep learning algorithm detecting 10 common
abnormalities on chest radiograph, European Respiratory Journal, 2020
Eui Jin Hwang, Hyungjin Kim, et al. Implementation of a Deep Learning-Based Computer-Aided Detection System for
the Interpretation of Chest Radiographs in Patients Suspected for COVID-19. Korean Journal of Radiology. 2020
14
15
16
17
Beneficios para el usuario
Referencias
Validación clínica
Este documento es para uso exclusivo de profesionales de la salud. El radiólogo siempre debe confiar en su opinión clínica
y profesional a la hora de decidir si se debe usar un producto determinado para diagnosticar o tratar a un paciente.
Es posible que no todos los productos Lunit estén disponibles en todos los mercados, puesto que la disponibilidad se basa
en las prácticas médicas o regulatorias de cada mercado. Comuníquese con su representante de Lunit si tiene alguna
pregunta acerca de la disponibilidad de productos Lunit en su área.
Lunit Inc. posee, utiliza o aplica las siguientes marcas comerciales o marcas de servicio: Lunit, Lunit INSIGHT CXR.
Los productos descritos tienen el marcado CE de acuerdo con los estándares y las directivas correspondientes de la UE.
El producto cumple con los requisitos de marcado CE.
Lunit Inc. 15 Floor, 27 Teheran-ro 2-gil, Gangnam-gu, Seúl, 06241, República de Corea
Socios de investigación
Socios de distribución
Damos la bienvenida a asociaciones de investigación y otros organismos de
colaboración con instituciones médicas, proveedores de atención médica y empresas
interesadas en la implementación de nuestros productos de software. Actualmente,
contamos con más de 30 socios mundiales de investigación en todo EE. UU., Canadá,
Reino Unido, Suecia, China y Corea.
Autorización de la FDA esperada en el 2021
Número de documento: CXR-BR-TA-EN_Ver.1
Comuníquese con nosotros
General: [email protected]
Inversiones: [email protected]
Prensa: [email protected]
Asociación: [email protected]
Oficina
Sede de Seúl
Boston, EE. UU.
Ámsterdam, Países Bajos
Shanghái, China
Visión con IA, acción más temprana
© Lunit Inc.© Lunit Inc.
Comuníquese con nosotros
No dude en enviarnos un correo electrónico con respecto a cualquier consulta o pregunta.
Correo electrónico: [email protected]
Sitio web: www.lunit.io
