Rak piersi coraz częściej dotyka kobiety w pełni aktywne zawodowo, rodzinnie i społecznie. Wykryty i leczony w początkowej fazie może być całkowicie wyleczalny, natomiast w przypadku rozwoju guza do IV stadium, wskaźnik przeżycia spada do zaledwie 22%. Wczesna diagnoza jest kluczowym elementem walki z rakiem piersi.
Technologia opracowana przez krakowski startup jest odpowiedzią na ten problem. AILIS wykorzystuje sieci neuronowe sztucznej inteligencji, rozwiązania telemedyczne oraz POD (Parametryczne Obrazowanie Dynamiczne). Innowacyjny projekt został doceniony przez Narodowe Centrum Badań i Rozwoju, które przekazało jego twórcom grant w wysokości prawie 5 mln złotych. Obecnie trwają także rozmowy z kolejnymi potencjalnymi inwestorami. Pozyskane środki zostaną przeznaczone na dalszy rozwój technologii, w tym zwiększenie zespołu badawczego do 60 osób oraz przeprowadzenie badań klinicznych.
Startup już wcześniej zdobył zaufanie inwestorów, otrzymując grant w wysokości 1,4 mln złotych od NCBR oraz wsparcie inwestora prywatnego, co umożliwiło stworzenie prototypu urządzenia oraz przeprowadzenie badań przedklinicznych. Jak zapowiadają twórcy, innowacyjna technologia to przełom w obszarze diagnostyki, zwłaszcza w przypadku tzw. gęstych piersi, czyli tych o gruczołowej budowie, charakterystycznych dla młodych kobiet oraz Azjatek.
Szacuje się, że na świecie 43% kobiet w wieku 40-74 lat ma gęste piersi, które ze względu na swoje zbite struktury stanowią największe wyzwanie diagnostyczne. Z wielu badań wynika, że u takich kobiet wykrywane nowotwory są większe i częściej stanowią przyczynę przerzutów. Ten problem jest szczególnie istotny w Azji, gdzie aż 70% kobiet posiada piersi o gęstej tkance. To tam technologia AILIS znajdzie największe zapotrzebowanie– tłumaczy dr n. med. Marcin Mika.
System monitoringu stanu zdrowia piersi AILIS porównuje standaryzowane wyniki badań każdej kobiety w czasie i wykrywa nawet najmniejsze anomalnie przy wykorzystaniu algorytmów AI. Dzięki temu możliwe jest uzyskanie precyzyjnego wyniku na bardzo wczesnym etapie rozwoju choroby, co jest niemożliwe w przypadku standardowych technik. Ponadto, na podstawie analizy struktury piersi oraz wywiadu rodzinnego, sieci neuronowe rozpoznają ryzyko wystąpienia choroby w przyszłości.
