De Australische start-up Harrison.ai heeft een AI ontwikkeld met de naam “Ivy”. Deze AI verhoogt kansen van in-vitrofertilisatie. Hierdoor biedt het vrouwen die een in-vitrofertilisatie ondergaan de best mogelijke resultaten.
Ivy gebruikt een algoritme om time-lapse video’s van embryo’s te analyseren wanneer deze na de bevruchting worden geïncubeerd. De AI identificeert welke embryo’s de grootste kans op een succesvolle ontwikkeling hebben. Bovendien is Ivy een zelflerende AI dat voortdurend leert van geanalyseerde embryo’s door de groei van de embryo’s tijdens alle ontwikkelingsfasen in de incubator volledig te evalueren.
Harrison.ai
Harrison.ai is een door Aengus Tran en Dimitry Tran opgericht bedrijf voor kunstmatige intelligentie (AI). Als organisatie werken zij constant onder leiding van een arts. Hun missie is het voortdurend innoveren en commercialiseren van efficiëntere en meer betaalbare zorgproducten en -diensten voor zorgverleners en patiënten. Harrison.ai stelt artsen en zorgverleners in staat om met op maat gemaakte AI-tools te integreren in bestaande klinische workflows die uiteindelijk leiden tot betere resultaten voor de patiënt. Het meest recente voorbeeld hiervan is Ivy.
AI verhoogt kansen van in-vitrofertilisatie
Samen met hun partner Virtus Health Limited (’s werelds grootste IVF-aanbieder) heeft Harrison.ai met succes een deep learning-model (‘IVY’) ontwikkeld, gevalideerd en ingezet voor het voorspellen van de kans op zwangerschap aan de hand van analyse van time-lapse incubatievideo’s. IVY is een technologie waarvoor een patent is aangevraagd en die het klinische succespercentage van een zwangerschap bij IVF-behandeling met meer dan 30% heeft verhoogd. Het succespercentage van een gemiddelde embryoloog die een succesvol embryo selecteert ligt rond de 65%, terwijl het onderscheidend vermogen van Harrison.ai’s IVY 93% is.
Samen met hun partner I-MED Radiology Network (het grootste medische beeldvormingsnetwerk van Australië) zal Harrison.ai een diepgaand leermodel ontwikkelen en inzetten om meerdere radiologische bevindingen te voorspellen.
