qXR™
Solución de IA para el diagnóstico de radiografías de tórax.
qXR™ es una herramienta que ayuda al radiólogo y a los servicios de urgencias a detectar patologías torácicas en radiografía.
Detección y localización automática de patologías torácicas en pulmón, pleura y mediastino:
Por ejemplo, la solución qXR detecta opacidades como cavidades, cardiomegalia, derrames, neumotórax, etc. La solución también permite el cribado de tuberculosis y COVID 19.
Clasificación y triaje automático de exámenes como normales / anormales dentro de una lista de trabajo:
El algoritmo qXR™ ofrece a los radiólogos y médicos de urgencias una visión global de los resultados de la IA de todos los exámenes del día con un triaje normal / anormal.
Creación automatizada de un informe que integra una imagen con notas y patologías detectadas y localizadas:
qXR genera un informe precargado que contiene las imágenes con notas, la información del examen normal / anormal y todas las anomalías detectadas y su ubicación.
- patologías torácicas
- pulmón
- pleura
- mediastino
- opacidades
- neumotórax
- derrame
- radiografía
Gane tiempo, asegure su diagnóstico y optimice su flujo de trabajo con Incepto.
El dispositivo médico qXR es un producto sanitario regulado y lleva la marca CE, Clase IIa. Organismo notificado: TÜV SÜD. Nº 0123. Fabricante: Tecnologías Qure.ai.
La qXR es una herramienta de diagnóstico y no puede utilizarse por sí sola para recomendar un tratamiento médico con fines de diagnóstico. Lea atentamente las instrucciones del manual de usuario.
Para más información, póngase en contacto con contact@incepto-medical.com. Última actualización: 03/11/2022
Publications
- 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.
- Forrest JV, Friedman PJ. Radiologic errors in patients with lung cancer. West J Med. 1981; 134:485– 490. PMID: 7257363
- 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
- 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
- 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