موافقة FDA على DeepHealth لسونار الثدي: خفض القراءة 37%
جاءت موافقة FDA على DeepHealth لسونار الثدي في 30 يوليو 2026، حين أعلنت الشركة التابعة لـ RadNet حصولها على تصريح 510(k) لأداة ذكاء اصطناعي تكتشف آفات الثدي وتصفها وتكتب تقريرها أثناء الفحص والقراءة. وتقول الشركة إن الأداة خفّضت زمن التفسير 37% في دراسة شملت 16 أخصائي أشعة. وبالنسبة إلى مقدمي خدمات التصوير، تستهدف الأداة فحصًا يعتمد على المشغّل وله رمز تعويض قائم، ضمن ما يقدّر بأكثر من 700,000 دراسة سنويًا لدى RadNet.
لماذا يصعب توحيد معايير سونار الثدي
يعتمد سونار الثدي اعتمادًا كبيرًا على من يمسك المسبار ومن يقرأ الصور. ويخضع نحو 40% من النساء لهذا الفحص في مرحلة ما من حياتهن، بحسب الدكتور جيسون ماكيلوب، المدير الطبي لتصوير النساء في RadNet كاليفورنيا.
"إنه فحص شديد التعقيد ويعتمد على المشغّل، وقد يؤدي إلى تباين كبير في التقاط الصور وتفسيرها وإعداد التقارير." — الدكتور جيسون ماكيلوب، RadNet كاليفورنيا
وبالنسبة إلى أعمال التصوير، يعني التباين فحوصات أبطأ وتقارير غير متسقة ووقتًا أطول يقضيه أخصائيو السونار في التوثيق اليدوي.
ما الذي وافقت عليه FDA لـ DeepHealth
منحت FDA تصريح 510(k) لـ DeepHealth Breast Ultrasound، وهي أداة تعمل بالذكاء الاصطناعي تؤتمت اكتشاف الآفات ووصفها وإعداد تقاريرها. وDeepHealth، ومقرها سومرفيل بولاية ماساتشوستس، شركة تابعة مملوكة بالكامل لـ RadNet المدرجة في ناسداك برمز RDNT.
وبعد الموافقة صار المنتج متاحًا تجاريًا للعملاء في الولايات المتحدة. وتقول DeepHealth إنه يشكل الآن جزءًا من أشمل منصة للثدي في القطاع، إلى جانب أدواتها بالذكاء الاصطناعي لتصوير الثدي بالأشعة وتقييم الكثافة والتنبؤ بخطر سرطان الثدي.
كيف يعمل الذكاء الاصطناعي أثناء الفحص والقراءة
تغطي الأداة أربع خطوات من الفحص. ففي الاكتشاف، تساعد الطبيب القارئ على إيجاد آفات الأنسجة الرخوة المشتبه بها في صور السونار القياسية. وفي الوصف، تصف شكل كل آفة واتجاهها وحافتها ونمط الصدى والسمات الخلفية وفق ACR BI-RADS.
ثم تصوغ مسودة تقرير أشعة بالنتائج والانطباعات الرئيسية، ويحتفظ أخصائي الأشعة بالتحكم في التقييم النهائي. وبالنسبة إلى أخصائيي السونار، تستخرج قياسات الآفات وغيرها من النتائج وتنظمها بصيغة معيارية، بهدف تقليل التوثيق اليدوي والزمن الكلي للفحص.
ماذا تُظهر نتائج الدراسة
تعلن DeepHealth ثلاث نتائج من دراسة متعددة القراء والحالات شملت 16 أخصائي أشعة أمريكيًا معتمدًا في مراكز تصوير ومستشفيات. وتقول الشركة إن الأداة أظهرت دقة تفوق 98% في تحديد مواقع آفات الثدي، وحسّنت حساسية اكتشاف سرطان الثدي بنسبة 8%، وخفّضت زمن تفسير أخصائيي الأشعة 37%.
وتقول RadNet إنها تحققت من الأداة أيضًا في بيئات سريرية حية بموجب بروتوكولات بحثية منظمة. وهذه الأرقام من الشركة نفسها؛ ولا ينشر البيان الصحفي الدراسة كاملة.
ماذا يغيّر هذا لدى مراكز التصوير
تقوم الجدوى التجارية على الدفع والإنتاجية. فيستطيع العملاء السعي إلى التعويض بموجب رمز CPT من الفئة III القائم لتوصيف الأنسجة بالموجات فوق الصوتية الكمية. وتخطط RadNet لتطبيق الأداة في شبكتها بنهاية هذا العام، بما يقدّر بأكثر من 700,000 دراسة سونار للثدي سنويًا قد تكون مؤهلة للتعويض.
وقال الرئيس التنفيذي لـ RadNet الدكتور هاوارد بيرغر إن الشركة تتوقع مساهمة في الإيرادات وفي توفير التكاليف من هذا الإطلاق في النصف الثاني من العام. وهذا توقع. وسجّل قطاع الصحة الرقمية الذي يبيع منتجات DeepHealth إيرادات سنوية متكررة بلغت 105.5 مليون دولار في 30 يونيو 2026، بزيادة 97.2% عن العام السابق.
كيف تبيع DeepHealth خارج RadNet
تُباع منتجات DeepHealth بالفعل خارج الشركة الأم. وتقول RadNet إن العملاء الخارجيين يولّدون الآن نحو 63% من إيرادات الصحة الرقمية، وإن الأعمال الجديدة الموقعة في الربع الثاني بلغت قيمتها الإجمالية للعقود نحو 21 مليون دولار، معظمها مع المستشفيات والأنظمة الصحية. وتدير RadNet 442 مركز تصوير للمرضى الخارجيين تملكها وتشغلها، ما يمنح أداة السونار موطنًا أول كبيرًا قبل أن تصل إلى المشترين الخارجيين.
أسئلة وأجوبة
ماذا يفعل DeepHealth Breast Ultrasound؟
يساعد أخصائيي السونار والأشعة باكتشاف الآفات المشتبه بها ووصفها وفق ACR BI-RADS وصياغة تقرير أشعة وتنظيم قياسات الآفات. ويحتفظ أخصائي الأشعة بالتحكم في التقييم النهائي.
هل يستطيع مقدمو الخدمة الحصول على تعويض عن سونار الثدي بالذكاء الاصطناعي؟
نعم، بحسب DeepHealth. فيستطيع العملاء في الولايات المتحدة السعي إلى التعويض بموجب رمز CPT من الفئة III القائم لتوصيف الأنسجة بالموجات فوق الصوتية الكمية.
متى ستستخدم RadNet الأداة في مراكزها؟
تقول DeepHealth إن الحل سيُطبَّق في شبكة مراكز RadNet بنهاية هذا العام.
رؤية MOZGII
كيف كنا سنبنيه
يساعد الذكاء الاصطناعي والروبوتات في الطب أكثر ما يساعد حيث يتكرر العمل ويُقاس ويسهل التحقق منه: التموضع والقياس والتوثيق والإشارة إلى ما ينبغي للأخصائي أن ينظر فيه أولًا. وسونار الثدي يناسب هذا الوصف. فالصور قياسية، والأوصاف تتبع ACR BI-RADS، وأخصائي الأشعة يوقّع كل تقرير أصلًا.
لو كنا نبني أداة كهذه، لبدأنا بالبيانات: صور السونار، وقياسات أخصائي السونار، ووصف BI-RADS النهائي لأخصائي الأشعة، ونتيجة الخزعة حيث وُجدت لتؤكد السرطان أو تنفيه. ويصوغ النموذج وصف الآفة والتقرير، ويعتمد أخصائي الأشعة كل مسودة أو يصححها. وتعود كل تصحيحات إلى مجموعة مراجعة، ليرى الفريق أين يختلف النموذج والأخصائيون. ونُبقي التقييم النهائي مع الطبيب، كما تفعل DeepHealth.
وسينهار الأمر حيث تختلف الصور عن بيانات التدريب: جهاز سونار جديد أو موقع جديد أو أخصائي له عادة مسح مختلفة. وقد تنحرف النتائج بصمت بعد الإطلاق في مراكز كثيرة. والمقياس الوحيد الذي سنتابعه هو عدد المرات التي يغيّر فيها أخصائيو الأشعة مسودة تقرير الذكاء الاصطناعي، حسب الموقع وحسب الجهاز، لأن ارتفاع معدل التعديل أول علامة على أن النموذج لم يعد يناسب العيادة.
بعد ذلك، سنبني فحصًا لجودة المسح يخبر أخصائي السونار، أثناء الفحص، حين تكون الصورة غير كافية للقراءة.
المصادر
من أين جاءت حقائق هذا الخبر.