Sichere Frakturdiagnostik mit Röntgenbildern

Die Traumatologie spielt in Arztpraxen, medizinischen Instituten und Spitälern Tag und Nacht eine wichtige Rolle. Zugleich nimmt sie für Mediziner einen großen Anteil der verfügbaren Arbeitszeit ein. Durchschnittlich weisen lediglich ca. 10% aller Röntgenbilder tatsächlich Frakturen auf.

Mit grosser Freude präsentieren wir Ihnen Rayvolve, eine AI-Software für die Frakturerkennung auf Röntgenbildern.

Warum Rayvolve bedeutend ist und wie es arbeitet

Rayvolve unterstützt die rasche und sichere Frakturdiagnostik auf Röntgenbildern des Achsenskeletts und des peripheren Skeletts.

Frakturbefunde werden in klaren Bildern visualisiert. Der Hersteller spricht von einer Zeitersparnis für Radiologen von knapp 30% und einer deutlichen Verbesserung der diagnostischen Genauigkeit mit einer Verringerung falsch negativer Ergebnisse um mehr als 60%.

Jeder Mediziner kann Rayvolve für jeden einzelnen Traumapatienten einsetzen. In medizinischen Institutionen kann diese AI-Software seine Arbeit auch automatisch im Hintergrund verrichten. Dadurch werden Frakturen sofort nach der Aufnahme der Röntgenbilder erkannt, noch bevor der Radiologe die Studien selbst gesehen hat. Diese Patienten können entsprechend priorisiert, diagnostiziert und behandelt werden.

Wer profitiert

Patienten, Kliniker und Radiologen durch eine detailliertere und genauere Diagnose und der verringerten Wahrscheinlichkeit einer verpassten Therapie.

Unsere eigene Erfahrung bei Radailogy

Jedem Mediziner ist es für jeden einzelnen Patienten möglich, durch den raschen und einfachen Upload auf Radailogy die Frakturanalyse dieser AI-Software anzufordern. Unsere Kunden in der Telemedizin verwenden Rayvolve auch als Standard in der täglichen Praxis, um ihren Workflow zu optimieren.

Unsere eigenen Ergebnisse bei Radailogy mit einer Kohorte von einigen Hundert Patienten sind: Sensitivität 93,5%, Spezifität 87,8%, positiver Vorhersagewert 92%, negativer Vorhersagewert 93%.

Die wissenschaftliche Evidenz

Dupuis M, Delbos L, Veil R, Adamsbaum C. External validation of a commercially available deep learning algorithm for fracture detection in children. Diagn Interv Imaging. 2022 Mar;103(3):151-159.