AI assistant
Braster S.A. — Regulatory Filings 2021
Feb 18, 2021
5545_rns_2021-02-18_0a1e816d-3397-4885-9cc4-da573c7cded9.html
Regulatory Filings
Open in viewerOpens in your device viewer
W nawiązaniu do informacji zawartych w raportach bieżących i okresowych BRASTER S.A. w restrukturyzacji (dalej: "Spółka", "Emitent") w sprawie wdrożenia nowego algorytmu automatycznej interpretacji "Deep BRASTER", służącego do oceny badań wykonywanych urządzeniem BRASTER przy wykorzystaniu sztucznej inteligencji, Zarząd Spółki informuje, iż w dniu 18 lutego 2021 roku otrzymał raport z walidacji I etapu wdrożenia algorytmu Deep BRASTER do automatycznej interpretacji wyników badań wykonywanych urządzeniem BRASTER przygotowany przez DMT (dział medyczny i telemedyczny) Spółki w oparciu o badania wykonane przez rzeczywistych użytkowników Systemu BRASTER oraz BRASTER PRO z Polski i kilku innych krajów.
Użyteczność algorytmu "Deep BRASTER" oceniono na podstawie zgodności wyników tego algorytmu z wynikami oceny manualnej wykonanej przez certyfikowanego eksperta w 309 analizowanych przypadkach. Wyniki badań wskazują, że algorytm Deep BRASTER ma o ok. 12 pkt. proc. wyższą zgodność z oceną eksperta niż algorytm AMIK, z którego obecnie korzysta Spółka. Ogólny poziom zgodności oceny eksperckiej z oceną Deep Braster wynosi ok 85%, podczas gdy dla AMIK odsetek wynosi 73%. Oznacza to istotne korzyści z wdrożenia nowego algorytmu. Ponadto w przypadku badań z rozbieżną oceną algorytmów automatycznych prawie 2/3 ocen eksperta było zgodnych z Deep BRASTER, a tylko 1/3 ocen eksperta było zgodnych z AMIK.
Należy przy tym zauważyć, że Deep BRASTER jest systemem samouczącym się z rezultatów kolejnych badań, w związku z czym należy oczekiwać, iż w miarę zwiększania się liczby przeprowadzanych badań wskaźnik zgodności z oceną eksperta będzie wzrastał.
Do czasu finalnego wdrożenia nowego algorytmu automatycznej interpretacji "Deep BRASTER" Spółka będzie dokonywała interpretacji wyników badań obydwiema metodami tj. za pomocą algorytmu AMIK i Deep BRASTER
Badania z rozbieżnymi wynikami są i będą poddawane dodatkowej analizie eksperckiej tak by móc nieustannie optymalizować działanie algorytmów automatycznych.