Aide au diagnostic, quantification, caractérisation, reconstruction d’image: l’intelligence artificielle médicale à portée de main pour la radiologie

qXR™

Solution d’IA pour le diagnostic des radiographies du thorax

qXR™ est un outil assistant les radiologues et les services d’urgence dans la détection des pathologies thoraciques en radiographie. qXR™ analyse la radiographie, détecte de nombreuses pathologies thoraciques (poumon, plèvre et médiastin) et intègre le résultat dans l’environnement de lecture habituel du radiologue.
Une liste de travail avec la classification des examens en “normal” et “anormal” permet aux radiologues et aux médecins urgentistes de prioriser le flux des patients aux urgences.

Détection et localisation automatique de pathologies thoraciques.

Telles que Pneumothorax, épanchement pleural, émoussement de l’angle costophrénique, consolidations et autres opacités, Nodules, cardiomégalie et fractures costales.
La solution permet également un dépistage de la tuberculose et de la COVID 19.

Classification et triage automatique des examens comme normaux / anormaux au sein d’une liste de travail

L’algorithme qXR™ propose aux radiologues et urgentistes un aperçu global des résultats de l’IA de tous les examens du jour avec un triage normal/anormal.

Production automatisée d’un rapport intégrant une image annotée et des pathologies détectées et localisées

qXR™ génère un rapport pré-rempli qui contient les images annotées, l’information du caractère normal/anormal de l’examen et toutes les anomalies détectées et leur localisation.

  • pathologies thoraciques
  • poumon
  • plèvre
  • médiastin
  • opacités
  • pneumothorax
  • épanchement
  • radiographie

Priorisez le flux

sort

Priorisez le flux aux urgences et améliorez la prise en charge des patients grâce à la solution de triage.

Gagnez du temps

timelapse

Gagnez du temps grâce à l’automatisation complète de la détection de certaines pathologies.

Intégré à vos flux

dashboard_customize

Intégrez une assistance d’IA directement dans votre infrastructure existante et dans votre flux de travail clinique habituel.

Gagnez du temps, sécurisez votre diagnostic et optimisez votre flux de travail avec Incepto

Qure.ai a été fondé en 2016 par une équipe indienne dont les fondateurs sont issus du Georgia Institute of Technology et de l’Institut de Recherche Max Planck. La mission de l’entreprise est d’utiliser l’intelligence artificielle pour rendre les soins de santé plus accessibles et abordables. Leur équipe combine une expertise unique en Science des données, doublée de connaissances cliniques et scientifiques, qui leur a déjà permis de publier dans de grands journaux scientifiques tels que le Lancet ou Radiology. Très actifs et reconnus dans les programmes mondiaux de dépistage de la tuberculose, ils s’attachent à concevoir des solutions concrètes répondant à diverses questions cliniques.

Le dispositif médical qXR est un produit de santé réglementé qui porte le marquage CE, Classe IIa. Organisme notifié: TÜV SÜD. n°0123. Fabricant : Qure.ai Technologies.

qXR est un outil d’aide au diagnostic et ne peut être utilisé seul pour recommander une prise en charge médicale à des fins de diagnostic. Veuillez lire attentivement les instructions du manuel d’utilisation.

Veuillez contacter contact@incepto-medical.com pour plus d’informations. Dernière mise à jour :  03/11/2022

Publications

  1. United Nations Scientific Committee on the Effects of Atomic Radiation.Sources and Effects of Ionizing Radiation: UNSCEAR 2008 Report. Vol 1. New York, NY: United Nations; 2010.
  2. Forrest JV, Friedman PJ. Radiologic errors in patients with lung cancer. West J Med. 1981; 134:485– 490. PMID: 7257363
  3. Donald J, Barnard SA.Common patterns in 558 diagnostic Radiology Errors.J Med Imaging Radi at Oncol.2012 ; 56(2):173-178. doi:10.1111/j.1754-9485.2012.02348.x
  4. Can Artificial Intelligence Reliably Report Chest X-Rays? Radiologist Validation of an Algorithm trained on 2.3 Million X-Rays. arXiv:1807.07455v2 [cs.CV] 4 Jun 2019
  5. Deep learning in chest radiography: Detection of findings and presence of change. Ramandeep SinghID1,2, Mannudeep K. Kalra1,2, Chayanin NitiwarangkulID1,2,3, John A. Patti1,2, Fatemeh Homayounieh1,2, Atul Padole1,2, Pooja Rao4, Preetham Putha4, Victorine V. Muse1,2, Amita Sharma1,2, Subba R. Digumarthy . PLOS ONE | https://doi.org/10.1371/journal.pone.0204155 October 4, 2018

Gagnez du temps, sécurisez votre diagnostic et optimisez votre flux de travail avec Incepto