iCAD erhält FDA-Zulassung für ProFound Detection Version 4.0 und revolutioniert damit die Krebserkennung mit verbesserter Genauigkeit und Effizienz

iCAD, ein führendes Unternehmen im Bereich der KI-gestützten Krebserkennung, hat die FDA-Zulassung für seine ProFound Detection Version 4.0 für die digitale Brusttomosynthese (DBT) erhalten. Diese KI-Lösung der nächsten Generation, die auf fortschrittlichen Convolutional Neural Networks (CNN) für Deep Learning basiert, bietet erhebliche Verbesserungen bei der Erkennung schwer zu identifizierender Krebsarten, insbesondere aggressiver Subtypen. ProFound Detection Version 4.0 steigert die Genauigkeit im Vergleich zu früheren Versionen um 22 % und bietet bemerkenswerte Fortschritte bei der Erkennung von Krebs in dichtem Brustgewebe, invasiven lobulären Krebsarten und Krebsarten, die kleiner als 1 cm sind. Diese Version bietet Ärzten außerdem die Möglichkeit, Daten aus früheren Untersuchungen in aktuelle Screening-Analysen einzubeziehen und so die diagnostische Präzision zu verbessern.

Die neue Version von ProFound Detection verspricht bessere Behandlungsergebnisse durch weniger Fehlalarme und eine genauere Krebserkennung. Sie bietet eine 50-prozentige Verbesserung bei der Erkennung von Krebs in dichtem Brustgewebe und eine 60-prozentige Verbesserung bei der Erkennung von invasivem lobulärem Krebs. Die Cloud-basierte Bereitstellung von iCAD bietet zudem Skalierbarkeit und kontinuierliche Updates und bietet so fortlaufende Unterstützung für Einrichtungen und Gesundheitsdienstleister.

Dana Brown, Präsidentin und CEO von iCAD, betonte: „Mit der FDA-Zulassung von ProFound Detection Version 4.0 setzen wir neue Maßstäbe in der Krebserkennung. Diese Lösung verbessert die Fähigkeit, aggressive Krebsarten zu identifizieren, insbesondere in schwierigen Fällen, und reduziert gleichzeitig falsch-positive Ergebnisse. Dies ist ein bedeutender Fortschritt in der KI-gestützten Brustkrebsdiagnose.“ Dr. Chirag Parghi, MD, MBA, Chief Medical Officer bei Solis Mammography, bemerkte: „Diese Version befasst sich mit den größten Herausforderungen bei der Brustbildgebung, insbesondere bei dichtem Gewebe. Die verbesserte Präzision bei der Läsionsmarkierung und die Möglichkeit, frühere Untersuchungen zu integrieren, werden zu effizienteren und genaueren Arbeitsabläufen führen und eine breitere Einführung von KI in der klinischen Praxis fördern.“