Η SkinBit συγκεντρώνει 6 εκατ. δολάρια σε χρηματοδότηση pre-seed για τη βελτίωση της πρώιμης ανίχνευσης του καρκίνου του δέρματος μέσω της λήψης εικόνων του ολόκληρου σώματος

Η SkinBit συγκέντρωσε 6 εκατ. δολάρια σε χρηματοδότηση pre-seed για την επέκταση τεχνολογικής πλατφόρμας που έχει σχεδιαστεί ώστε να κάνει πιο προσβάσιμη την απεικόνιση δέρματος ολόκληρου του σώματος και να δίνει στους ασθενείς συνεπή καταγραφή των αλλαγών του δέρματός τους στον χρόνο.

Στον γύρο συμμετέχουν οι Boost VC, Cleo Capital, Manna Ventures και Profluent Capital, μαζί με τον συνιδρυτή της Lyft Logan Green και εννέα δερματολόγους με πιστοποίηση ειδικότητας. Αντί να βασίζεται σε μία ετήσια οπτική εξέταση, η SkinBit συνδυάζει τυποποιημένη απεικόνιση, υπολογιστική όραση και έλεγχο δερματολόγου για να δημιουργήσει διαχρονικό αρχείο υγείας του δέρματος που ανήκει στον ασθενή.

Γνωστοποίηση: Είμαι επενδυτής σε αυτόν τον γύρο χρηματοδότησης.

Από τη δερματολογική εξέταση σε επαναλήψιμο σύνολο δεδομένων

Οι περισσότερες εξετάσεις αποτυπώνουν όσα μπορεί να παρατηρήσει ο δερματολόγος σε ένα συγκεκριμένο ραντεβού. Χωρίς τυποποιημένες εικόνες προηγούμενων επισκέψεων, οι κλινικοί μπορεί να έχουν περιορισμένα στοιχεία για το αν μια βλάβη είναι νέα, μεγαλώνει ή αλλάζει με άλλον τρόπο.

Η SkinBit επιχειρεί να κάνει τη διαδικασία πιο συστηματική. Η πλατφόρμα καταγράφει θέση, διαστάσεις και οπτικά χαρακτηριστικά αξιοσημείωτων σημαδιών και συνδέει τις πληροφορίες με εικόνες επόμενων επισκέψεων. Έτσι οι δερματολόγοι συγκρίνουν τις ίδιες περιοχές του σώματος στον χρόνο, χωρίς αποκλειστική εξάρτηση από μνήμη, φωτογραφίες ασθενών ή παλαιότερες σημειώσεις.

Η κεντρική ιδέα της εταιρείας είναι ότι η δεύτερη σάρωση μπορεί να είναι κλινικά χρησιμότερη από την πρώτη. Η αρχική εξέταση ορίζει σημείο αναφοράς, ενώ οι επόμενες μπορούν να αποκαλύψουν αλλαγές που ενδέχεται να απαιτούν προσεκτικότερη αξιολόγηση.

Πώς λειτουργεί το μοντέλο ελέγχου της SkinBit

Το ραντεβού SkinBit περιλαμβάνει δια ζώσης συνεδρία απεικόνισης περίπου 20 λεπτών από εκπαιδευμένο τεχνικό. Η εταιρεία χρησιμοποιεί φωτογραφία υψηλής ανάλυσης και φωτισμό διασταυρούμενης πόλωσης, που μειώνει τις επιφανειακές αντανακλάσεις και επιτρέπει καταγραφή λεπτότερων χαρακτηριστικών υπό ελεγχόμενες συνθήκες.

Το πρωτόκολλο καλύπτει 15 ανατομικές περιοχές και περιλαμβάνει κοντινές δερμοσκοπικές λήψεις αξιοσημείωτων σημαδιών. Οι εικόνες και τα δομημένα μεταδεδομένα εξετάζονται από δερματολόγο με πιστοποίηση ειδικότητας. Οι ασθενείς συνήθως λαμβάνουν γραπτή αξιολόγηση στην εφαρμογή SkinBit εντός 48 ωρών και μπορούν να παραπεμφθούν όταν κρίνεται ενδεδειγμένη πρόσθετη εξέταση ή βιοψία.

Η υπολογιστική όραση οργανώνει εικόνες, υποστηρίζει συγκρίσεις από έτος σε έτος και βοηθά τους δερματολόγους να εστιάζουν την προσοχή τους. Η SkinBit τονίζει ότι το λογισμικό δεν λαμβάνει την τελική κλινική απόφαση. Κάθε σάρωση ελέγχεται από δερματολόγο, που παραμένει υπεύθυνος για συστάσεις και αποφάσεις περαιτέρω φροντίδας.

Η εταιρεία διευκρινίζει επίσης ότι το σύστημα απεικόνισης καταγράφει την επιφάνεια του δέρματος και δεν προορίζεται το ίδιο για διάγνωση, θεραπεία, ίαση ή πρόληψη νόσου. Ο προσυμπτωματικός έλεγχος και η διάγνωση καρκίνου του δέρματος παραμένουν ευθύνη επαγγελματιών υγείας με άδεια άσκησης.

Εξειδικευμένη απεικόνιση μέσα σε υπάρχουσες κλινικές

Η SkinBit σχεδιάζει εγκατάσταση των συστημάτων της σε δερματολογικά ιατρεία, κλινικές μακροζωίας, κέντρα ιατρικής αισθητικής και άλλους χώρους ευεξίας. Η στρατηγική συνεργατών θα μπορούσε να επιτρέψει επέκταση χωρίς κατασκευή μεγάλου δικτύου ανεξάρτητων ιατρικών εγκαταστάσεων.

Σύμφωνα με τον ιστότοπό της, χώρος περίπου 220 τετραγωνικών ποδιών μπορεί να μετατραπεί σε κέντρο απεικόνισης SkinBit. Η εταιρεία παρέχει εξοπλισμό, τυποποιημένο περιβάλλον απεικόνισης και υπηρεσία ελέγχου από δερματολόγο, ενώ ο συνεργάτης διαθέτει τον χώρο και την πρόσβαση σε ασθενείς ή μέλη.

Η SkinBit αναμένει τρία ενεργά σημεία το 2026 και 15 μέχρι το τέλος του 2027. Αναφέρει επίσης ενεργές συζητήσεις με περισσότερα από 20 υποψήφια σημεία και πάνω από 5.000 εγγραφές στη λίστα αναμονής.

Το μοντέλο μπορεί να μειώσει γεωγραφικά εμπόδια και δυσκολίες προγραμματισμού δερματολογικών επισκέψεων, αλλά δημιουργεί λειτουργικές προκλήσεις. Η SkinBit πρέπει να διατηρεί συνεπή φωτισμό, βαθμονόμηση καμερών, θέση ασθενών και ποιότητα εικόνας σε κάθε συνεργαζόμενο σημείο. Χρειάζεται επίσης αξιόπιστες διαδικασίες παραπομπής, ώστε οι ασθενείς με ανησυχητικά αποτελέσματα να έχουν πρόσβαση στην κατάλληλη περαιτέρω φροντίδα.

Υποδομή απεικόνισης για AI στη δερματολογία

Η μακροπρόθεσμη ευκαιρία της SkinBit μπορεί να ξεπερνά το ίδιο το σύστημα σάρωσης.

Τα συστήματα AI ιατρικής απεικόνισης εξαρτώνται πολύ από την ποιότητα και τη συνέπεια των δεδομένων ανάπτυξης και αξιολόγησής τους. Στη δερματολογία, οι φωτογραφίες διαφέρουν ανάλογα με την κάμερα, τον φωτισμό, τη γωνία, την απόσταση, την προετοιμασία δέρματος και το πρωτόκολλο λήψης.

Η SkinBit αναπτύσσει τυποποιημένο σύστημα λήψης εικόνων σε επαναλήψιμες συνθήκες. Η τεχνική εργασία περιλαμβάνει απεικόνιση υψηλής ανάλυσης με πολλές κάμερες, ελεγχόμενο φωτισμό, πόλωση, βαθμονόμηση καμερών, τρισδιάστατη ανακατασκευή και προετοιμασία εικόνων για επόμενη ανάλυση υπολογιστικής όρασης.

Μια αυξανόμενη συλλογή δομημένων εικόνων που παρακολουθούν αλλαγές στον χρόνο θα μπορούσε να γίνει πολύτιμη βάση για συστήματα εντοπισμού λεπτών μεταβολών ή ιεράρχησης βλαβών προς εξέταση. Το μεγάλο σύνολο δεδομένων, όμως, δεν αρκεί μόνο του. Η SkinBit πρέπει ακόμη να αποδείξει συνεπή απόδοση μοντέλων σε διαφορετικούς τόνους δέρματος, σωματότυπους, ηλικίες και κλινικά περιβάλλοντα.

Πρέπει επίσης να θεσπίσει σαφή πρότυπα ιδιωτικότητας, συγκατάθεσης ασθενών, φορητότητας δεδομένων και χρήσης εικόνων στη μελλοντική ανάπτυξη μοντέλων. Τα ζητήματα αυτά αποκτούν μεγαλύτερη σημασία όταν μια πλατφόρμα διατηρεί ιδιαίτερα ευαίσθητες ιατρικές εικόνες επί πολλά χρόνια.

Μια εταιρεία που διαμορφώθηκε από τη διάγνωση του ιδρυτή της

Ο διευθύνων σύμβουλος και συνιδρυτής της SkinBit Jonathan Benassaya είχε συνιδρύσει την υπηρεσία μουσικής Deezer και είχε ανώτερους ρόλους προϊόντος στις Life360 και Meta. Αποφάσισε να δημιουργήσει τη SkinBit μετά τη δική του διάγνωση μελανώματος το 2020, όταν δερματολόγος εντόπισε βλάβη κάτω από τη μάσκα του προς το τέλος ενός ραντεβού.

Η κλινική ομάδα περιλαμβάνει τον Dr. Justin Ko, επικεφαλής Ιατρικής Δερματολογίας στο Stanford Hospital, και την επικεφαλής ιατρική διευθύντρια Dr. Sancy Leachman, πρώην πρόεδρο του τμήματος δερματολογίας στο Oregon Health & Science University και δημιουργό της ερευνητικής πρωτοβουλίας MoleMapper.

Η συμμετοχή εννέα δερματολόγων στη χρηματοδότηση προσφέρει επαγγελματίες με άμεσο ενδιαφέρον για την αξιολόγηση της πλατφόρμας σε πραγματικές κλινικές συνθήκες. Είναι χρήσιμο πρώιμο σημάδι στήριξης, αλλά η ευρεία υιοθέτηση θα εξαρτηθεί τελικά από κλινικά στοιχεία, ενσωμάτωση στη ροή εργασίας και μετρήσιμη βελτίωση της φροντίδας.

Η επόμενη δοκιμασία είναι η εφαρμογή

Ο γύρος των 6 εκατ. δολαρίων δίνει πρόσθετους πόρους για ενεργοποίηση των πρώτων σημείων, βελτίωση του συστήματος απεικόνισης και δημιουργία του διαχρονικού συνόλου δεδομένων της πλατφόρμας.

Η προσέγγιση αποτελεί διαφορετική εφαρμογή AI στην υγεία. Αντί να προτείνει λογισμικό ως αντικατάσταση ειδικού, η SkinBit χρησιμοποιεί υπολογιστική όραση για καλύτερη πληροφόρηση των δερματολόγων και μεγαλύτερη συνέπεια μεταξύ επισκέψεων.

Το άμεσο ζητούμενο είναι αν μπορεί να αναπαραγάγει την εμπειρία σε κατανεμημένο δίκτυο, διατηρώντας κλινική ποιότητα και έγκαιρη πρόσβαση σε περαιτέρω φροντίδα. Αν επιτύχει, η SkinBit θα μπορούσε να βοηθήσει τη μετάβαση από μεμονωμένες ετήσιες εικόνες ελέγχου δέρματος σε πιο συνεχή προσέγγιση βασισμένη σε δεδομένα.