Quantib ontwikkelt en verkoopt AI-gebaseerde software die grote hoeveelheden scans verwerkt en daardoor patronen leert te herkennen die klinisch relevant zijn. Radiologen kunnen zo snel en accuraat diagnoses stellen. De spin-out is volgens het Erasmus MC een schoolvoorbeeld van het nut van Convergentie. Dit is een initiatief van de TU Delft, het Erasmus MC en de EUR om samenwerking tussen technologen en clinici, industrie en gezondheidszorg te ondersteunen.
Quantib al langer in VS actief
Quantib was al langer actief in de VS. Het Rotterdamse bedrijf leverde Amerikaanse zorgaanbieders in de VS software voor het vinden en monitoren van neurologische aandoeningen. In 2019 kreeg Quantib goedkeuring van de Amerikaanse medische toezichthouder FDA voor de verkoop van hun radiologiesoftwareproduct Quantib Neurodegeneratief (ND). Dit ondersteunt radiologen bij het interpreteren van MRI-hersenscans.
De banden met de VS worden nu nog hechter. “Door aan te sluiten bij RadNet kan Quantib meer voor patiënten betekenen”, vertelt CEO Arthur Post Uiterweer. “We kunnen onze software nu nog accurater en efficiënter maken.” Radnet heeft 350 eigen klinische centra voor beeldvorming, waar ongeveer 800 radiologen 9 miljoen beelden per jaar beoordelen. Radnet voegt het bedrijf toe aan zijn de AI-divisie, die voor de drie meest voorkomende vormen van kanker (borst, prostaat en long) AI-ondersteunde screening zal aanbieden.
Subtiele veranderingen oppikken
De objectieve kwantificatie door AI maakt het mogelijk om subtiele veranderingen op te pikken in radiologische beelden van bijvoorbeeld een prostaat of de hersens, aldus Quantib-oprichter en Erasmus MC hoogleraar biomedische beeldanalyse Wiro Niessen. Hij gebruikt prostaatkanker als voorbeeld: ‘1 op de 8 mannen wordt in zijn leven gediagnosticeerd met deze vorm van kanker. “Met MRI-scans schat de radioloog in of er mogelijk sprake van prostaatkanker is. Die inschatting zelf maken op de grote hoeveelheid beelden is ontzettend complex en tijdrovend.”
Quantib-Prostaat herkent de prostaat, rekent het volume uit, identificeert de verdachte gebieden (laesies) en ondersteunt de bepaling van de PI-RADS score (een score die uitdrukt hoe klinisch significant een tumorlaesie is). De radioloog is zo veel minder tijd kwijt met de beoordeling en kan de MRI scan preciezer interpreteren. Dit kan vroege detectie van prostaatkanker bevorderen en over- of onderhandeling bij prostaatkanker helpen voorkomen. Niessen: “Bovendien is snelheid en efficiëntie van belang om de gezondheidszorg in de toekomst te kunnen blijven bekostigen.”
