Innowacje, które zmieniają medycynę – od cyfrowego bliźniaka żył po AI wspierającą diagnostykę demencji. W ramach Miesiąca Partnera Klastra Poznaj SanBox – wewnętrzny program inkubacji w Sano, w którym naukowe pomysły zyskują realną szansę na wdrożenie i wpływ na zdrowie pacjentów. Zajrzyj za kulisy projektów, które pokazują, jak nowoczesne technologie obliczeniowe mogą usprawniać opiekę zdrowotną już dziś.
W świecie nauki przełomowe pomysły często rodzą się w laboratoriach – podczas testów, analiz czy pracy z danymi. Droga od innowacyjnej koncepcji do realnego wpływu na życie pacjentów bywa jednak długa i wymagająca. Dlatego Sano – Centrum Medycyny Obliczeniowej – uruchomiło wewnętrzny program mentoringu i inkubacji, który wspiera rozwój pomysłów, narzędzi i technologii tworzonych przez badaczy i programistów tej instytucji.
Sano to międzynarodowa fundacja badawcza wdrażająca zaawansowane technologie obliczeniowe – takie jak sztuczna inteligencja, analiza dużych zbiorów danych i komputerowe modelowanie – w celu poprawy efektywności i jakości opieki zdrowotnej na świecie. Równocześnie fundacja wspiera swoich pracowników w rozwijaniu kompetencji biznesowych i przedsiębiorczych.
Podejście Sano do wdrażania badań w praktyce
Sano dąży do tego, aby wyniki prowadzonych badań znajdowały zastosowanie w praktyce – w szpitalach, laboratoriach i firmach biotechnologicznych. Celem jest przekładanie nauki na konkretne rozwiązania wspierające codzienną pracę specjalistów. Aby to osiągnąć zespoły w Sano otrzymują pomoc w rozwijaniu innowacji, które mają potencjał zmienić sposób funkcjonowania opieki zdrowotnej i systemów diagnostycznych.
Wśród projektów rozwijanych w ramach programu SanBox znajduje się kilka, które już dziś zasługują na wyróżnienie:
Cyfrowy Bliźniak Żył Głębokich – wsparcie personalizowanego leczenia zakrzepicy
Jednym z projektów rozwijanych w ramach programu SanBox jest narzędzie, które ma wspierać lekarzy w podejmowaniu trafniejszych decyzji w leczeniu zakrzepicy żył głębokich (DVT) i zespołu pozakrzepowego (PTS) – poważnych schorzeń, które mogą prowadzić do zatorowości płucnej, przewlekłego bólu i niewydolności żylnej.
Obecne procedury kliniczne często nie uwzględniają indywidualnych różnic w budowie i funkcjonowaniu układu żylnego pacjenta. A przecież każdy organizm jest inny – i właśnie ta różnorodność może mieć kluczowe znaczenie dla skuteczności leczenia.
Projekt opracowany przez Magdalenę Ottę, rozwijany przy wsparciu Katarzyny Baliga-Nicholson oraz Dominika Czaplickiego, opiera się na wykorzystaniu Wirtualnego Cyfrowego Bliźniaka (Virtual Digital Twin) – narzędzia umożliwiającego symulację przepływu krwi w oparciu o dane konkretnego pacjenta. Dzięki modelom numerycznym chirurg naczyniowy może przewidzieć reakcję organizmu na różne strategie leczenia i wybrać tę najbardziej optymalną.
Dlaczego to rozwiązanie warto rozwijać?
- Indywidualne podejście – model uwzględnia konkretną anatomię i fizjologię pacjenta.
- Przejrzystość i zaufanie – wyjaśnialne modelowanie fizyczne zamiast „czarnej skrzynki” AI.
- Gotowość kliniczna – narzędzie projektowane jest tak, by dało się je zintegrować z obecnymi systemami szpitalnymi.
Potencjał projektu został zauważony i doceniony – obecnie jest on rozwijany w ramach grantu PRIME Fundacji na rzecz Nauki Polskiej.
„Projekt PRIME – wsparcie komercjalizacji nauki, jest realizowany przez Fundację na rzecz Nauki Polskiej (FNP) ze środków z programu Fundusze Europejskie dla Nowoczesnej Gospodarki (FENG)”
CACTUS – wyjaśnialna sztuczna inteligencja w służbie rehabilitacji dziecięcej
Zespół Computational Intelligence pod kierownictwem dr. Jose Sousy pracuje nad systemem CACTUS – narzędziem wykorzystującym sztuczną inteligencję do analizy złożonych i niepełnych danych zdrowotnych. Autorska metoda dzielenia informacji na tzw. „flipy” pozwala systemowi identyfikować różnice między grupami pacjentów, np. zdrowych i chorych, a następnie budować dynamiczną sieć wiedzy wspierającą proces diagnostyczny.
CACTUS nie tylko klasyfikuje dane medyczne, ale również wyjaśnia mechanizmy stojące za podejmowanymi decyzjami, zapewniając przejrzystość działania modelu. Aktualnie trwa pilotażowe wdrożenie rozwiązania w Wojewódzkim Szpitalu Rehabilitacyjnym dla Dzieci w Ameryce.
Dlaczego to rozwiązanie jest przydatne?
- Zrozumiałość – lekarz widzi, co wpływa na decyzję AI.
- Personalizacja – model dopasowuje się do danych konkretnego pacjenta.
- Integracja danych klinicznych i behawioralnych – tworzy pełniejszy obraz zdrowia.
CACTUS to przykład, jak wyjaśnialna sztuczna inteligencja może wspierać lekarzy i pacjentów – w sposób przejrzysty, mądry i gotowy do wdrożenia.
BSD4health – sztuczna inteligencja wspiera wczesne wykrywanie demencji
Projekt BSD4health (Brain Signature of Dementia for Health), realizowany przez Rosmary Blanco – doktorantkę w zespole Computational Neuroscience – wykorzystuje AI do analizy sygnałów EEG w celu wykrywania wczesnych oznak demencji i choroby Alzheimera.
Zamiast polegać wyłącznie na badaniach neuropsychologicznych lub kosztownym obrazowaniu, BSD4health analizuje subtelne wzorce aktywności mózgu, które mogą świadczyć o pogarszającej się funkcji poznawczej, zanim pojawią się wyraźne objawy kliniczne.
Na czym polega innowacja?
Zamiast polegać wyłącznie na badaniach neuropsychologicznych czy kosztownym obrazowaniu, BSD4health analizuje subtelne wzorce aktywności elektrycznej mózgu, które mogą świadczyć o pogarszającej się funkcji poznawczej – i to zanim pojawią się wyraźne objawy kliniczne.
Co oferuje system?
- Szybkie, nieinwazyjne badanie EEG.
- Algorytmy AI wykrywające charakterystyczne „podpisy” demencji.
- Wsparcie decyzji klinicznych poprzez liczbową ocenę ryzyka.
BSD4health ma szansę stać się alternatywą dla tradycyjnych metod diagnozy demencji, to szybka, przystępna i dostępna metoda, szczególnie cenna tam, gdzie brakuje specjalistów. Jej celem jest wspieranie lekarzy w podejmowaniu decyzji i wpisuje się w misję SanBox: realne wsparcie dla innowacji poprawiających jakość życia pacjentów.
BabyNet++ – Sztuczna inteligencja wspierająca opiekę okołoporodową
BabyNet++ to rozwiązanie w obszarze medycyny obliczeniowej, które już teraz znacząco usprawnia szacowanie masy urodzeniowej płodu. Łącząc nagrania wideo z USG oraz dane kliniczne z zaawansowanym modelem AI opartym na architekturze transformera, system ten dostarcza prognozy bardziej precyzyjne i standaryzowane niż tradycyjne metody. Eliminuje przy tym błędy wynikające z subiektywnych ocen sonografistów, co ma kluczowe znaczenie dla planowania bezpiecznego porodu – zwłaszcza w przypadkach zagrożenia niską masą urodzeniową lub makrosomią.
Rozwiązanie powstało dzięki współpracy interdyscyplinarnego zespołu z Sano, w którego skład wchodzą Szymon Płotka i Michał Grzeszczyk oraz partnerów zewnętrznych, a jego skuteczność została potwierdzona na danych pochodzących z czterech szpitali i uczelni medycznych w Polsce. Dzięki swojej skalowalności BabyNet++ może być z powodzeniem wdrażany również w mniejszych placówkach, wspierając mniej doświadczonych lekarzy i przyczyniając się do bardziej równomiernego dostępu do wysokiej jakości opieki okołoporodowej.
To doskonały przykład na to, jak innowacje rozwijane w SanBox mogą bezpośrednio przełożyć się na poprawę jakości usług medycznych i bezpieczeństwo pacjentek oraz noworodków.
SNeuronEye – AI wspomagające diagnozę zmian w mózgu
System SNeuronEye, rozwijany przez Monikę Pytlarz – doktorantkę w zespole Computational Neuroscience – wspiera radiologów w analizie obrazów MRI mózgu.
Co to jest?
SNeuronEye to inteligentna platforma, która automatycznie analizuje skany MRI, wykrywa zmiany, klasyfikuje je (np. w kierunku glejaków) i generuje wstępny opis diagnostyczny. Wykorzystując metody computer vision oraz przetwarzania języka naturalnego (NLP), system tworzy uporządkowane raporty medyczne gotowe do weryfikacji przez specjalistów.
Choć projekt początkowo powstał z myślą o zastosowaniach edukacyjnych, dziś posiada realny potencjał wdrożeniowy w praktyce klinicznej. Może stać się codziennym narzędziem pracy, przyspieszając diagnostykę i wspierając jakość opieki nad pacjentem. To kolejny przykład innowacji rozwijanej w Sano, która ma szansę znaleźć zastosowanie w środowisku klinicznym.
Kompleksowe wsparcie dla innowatorów
Program SanBox zapewnia kompleksowe wsparcie naukowcom rozwijającym innowacyjne projekty – od mentoringu po indywidualne doradztwo. Pomaga dopracować koncepcję, kierować rozwojem projektu, a także wspiera w zakresie ochrony własności intelektualnej i transferu technologii. Projekty wymagające walidacji lub przygotowania do wejścia na rynek mogą zostać objęte pełnym procesem inkubacyjnym. Najbardziej obiecujące rozwiązania mają szansę na zgłoszenie patentowe, co otwiera drogę do ich komercjalizacji.
SanBox to przestrzeń, w której innowacje nabierają realnych kształtów, a koncepcje naukowe zyskują praktyczne zastosowanie. W Sano uznaje się, że dobre pomysły zasługują na solidne wsparcie – od inspiracji po wdrożenie.
Po więcej informacji odwiedź profil Sano na Platformie Współpracy LSOS.
Materiały do powyższego artykułu zostały dostarczone przez Sano.