W IP_CMC dane medyczne zamieniamy w konkretne rozwiązania. Realizujemy projekty badawczo-rozwojowe, w których sztuczna inteligencja i uczenie maszynowe wspierają lekarzy i badaczy — od wczesnej diagnostyki, przez personalizację leczenia, po sprawniejszą organizację opieki nad pacjentem. Poniżej przedstawiamy nasze projekty.
- AMBU-PRO
System inteligentnej optymalizacji zarządzania wizytami ambulatoryjnymi, wykorzystujący uczenie maszynowe do przewidywania, którzy pacjenci mogą nie zgłosić się na zaplanowaną wizytę. Umożliwia działania ograniczające liczbę nieodbytych wizyt (np. przypomnienia SMS), skracające kolejki i usprawniające pracę poradni. Efekt: krótszy czas diagnostyki, większa dostępność wizyt i lepsze wykorzystanie czasu personelu. Projekt realizowany we współpracy z Uniwersytetem Gdańskim.
- CARLOTA
System automatycznej detekcji potencjalnych zmian nowotworowych w niskodawkowej tomografii komputerowej płuc, oparty na analizie radiomicznej i głębokim uczeniu. Wspiera badania przesiewowe raka płuca, zwiększając trafność wczesnego wykrywania. Projekt realizowany we współpracy z Politechniką Śląską.
- Cyfrowy bliźniak onkologiczny
Narzędzie do personalizacji radioterapii, integrujące dane radiomiczne i genomiczne w celu przewidywania indywidualnej wrażliwości pacjenta na promieniowanie. Oparte na uczeniu maszynowym i wyjaśnialnej AI (XAI), wspiera decyzje kliniczne dotyczące doboru i dawkowania leczenia.
- DiagMol
Uniwersalne narzędzia informatyczne do kontroli jakości danych i analiz w diagnostyce molekularnej NGS. Automatyzują ocenę jakości na każdym etapie procesu, wskazują próbki do ponownego sekwencjonowania i wspierają laboratoria w uzyskaniu akredytacji — niezależnie od technologii, urządzeń i odczynników. Efekt: rzetelniejsza diagnostyka genetyczna i lepsza jakość opieki nad pacjentem.
- DiSCharge-PRO
Inteligentny system wsparcia decyzji o wypisie pacjenta, oparty na uczeniu maszynowym. Analizując dane kliniczne, laboratoryjne i okołooperacyjne, przewiduje ryzyko powikłań: pomaga zatrzymać w szpitalu pacjentów wysokiego ryzyka i bezpiecznie skrócić pobyt pacjentów o dobrym rokowaniu. Efekt: lepszy nadzór, mniejsze ryzyko zakażeń szpitalnych i większa przepustowość oddziałów zabiegowych. Projekt realizowany we współpracy z Uniwersytetem Gdańskim.
- Inteligentny rytm dobowy
Model AI (sieć LSTM), który personalizuje analizę całodobowego pomiaru ciśnienia (ABPM), automatycznie wykrywając indywidualne okna snu i aktywności na podstawie fuzji sygnałów z Holtera EKG i ABPM. Pozwala trafniej ocenić nocny spadek ciśnienia (status dipper/non-dipper) i lepiej stratyfikować ryzyko sercowo-naczyniowe — bez potrzeby dodatkowego sprzętu.
- TAVRisk-Integrate
Multimodalny system predykcji powikłań i wspomagania decyzji klinicznych w przezcewnikowej implantacji zastawki aortalnej (TAVR). Integruje dane kliniczne oraz obrazowe (TK, echokardiografia) i wykorzystuje uczenie maszynowe do identyfikacji pacjentów wysokiego ryzyka, doboru strategii zabiegowej i personalizacji opieki. Efekt: mniej powikłań i rehospitalizacji oraz standaryzacja kwalifikacji do zabiegów TAVR. Projekt realizowany we współpracy z Uniwersytetem Gdańskim.
- Wirtualny Patolog
System automatycznej analizy obrazów tkankowych oparty na przetwarzaniu obrazów, nienadzorowanym uczeniu maszynowym i uczeniu głębokim. Działa niezależnie od barwienia i rozdzielczości, wykorzystuje wyjaśnialną AI (XAI) do identyfikacji nowych biomarkerów histopatologicznych i automatycznej oceny wskaźnika TILs. Wspiera diagnostykę i personalizację leczenia nowotworów. Projekt realizowany we współpracy z Politechniką Śląską.