Pixyl.Neuro.MS

Solution d’IA pour l’aide au diagnostic et suivi de la sclérose en plaques (SEP)

Pixyl.Neuro.MS est un outil de deep learning qui assiste le radiologue dans le diagnostic et le suivi de la sclérose en plaques (SEP) en IRM. Pour chaque région du cerveau, Pixyl.Neuro.MS compte les lésions présentes et calcule leur volume global, en intégrant de manière totalement automatisée les résultats dans l’environnement de lecture habituel du radiologue. L’algorithme étudie les séquences T2 FLAIR ou T1 GADO pour identifier les hypersignaux provoqués par les inflammations de substance blanche dans la SEP.  

Détection, quantification et caractérisation automatique des lésions dans les zones anatomiques d’intérêt

Pixyl.Neuro.MS réalise une mesure du volume et de la charge lésionnelle pour le cerveau entier et pour chacune des régions cérébrales d’intérêt (périventriculaire, juxtacortical, infratentoriel, matière blanche profonde) en regard des critères de McDonald (révision 2017)

Analyse longitudinale de l’évolution de la maladie en cas de présence dans le PACS d’une antériorité

Pixyl.Neuro.MS effectue automatiquement une mesure de l’activité de la maladie par segmentation et caractérisation de l’évolution des lésions de la matière blanche en fonction de l’antériorité.

Production automatisée d’un rapport structuré et d’une série segmentée (contour des lésions) directement dans le PACS

Pixyl.Neuro.MS fournit au radiologue un rapport quantitatif complet sur les lésions, leurs caractéristiques et leur évolution, ainsi que leur visualisation sur les images cérébrales annotées.

  • sclérose en plaques
  • T2 FLAIR
  • T1 GADO
  • charge lésionnelle
  • IRM
  • détection
  • analyse longitudinale

Automatisation

rotate_right

Gagnez du temps grâce à l’automatisation complète de certaines tâches chronophages comme le comptage des lésions ou la comparaison avec les antériorités

Gagnez en précision

unfold_less

Réduisez la variabilité des mesures intra et inter opérateurs, et standardisez le suivi de vos patients

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

Témoignage

Dans le service de Neuroradiologie du CHU, nous utilisons le logiciel Pixyl neuro en routine clinique comme aide au suivi longitudinal de patients atteints de sclérose en plaques.
La sensibilité du logiciel pour la détection de nouvelles plaques est bonne, supérieure à celle du radiologue, notamment pour les charges lésionnelles élevées, permettant une meilleure prise en charge du patient ( injection ou non de gadolinium, adaptation thérapeutique).
Il permet en outre un gain de temps significatif pour l’interprétation, cette analyse comparative étant un procédé long et fastidieux.

Dr Béatrice Claise,

Neuroradiologue,
CHU Gabriel Montpied, Clermont-Ferrand

Pixyl est une jeune startup française, fondée en et basée à Grenoble. Son équipe dirigeante est issue de l’INSERM et de l’INRIA. À la croisée du médical, de la science des données et du développement de logiciels, Pixyl ambitionne de révolutionner l’imagerie cérébrale en proposant une analyse quantifiée de biomarqueurs des maladies neurodégénératives et neuroinflammatoires.Leur technologie de pointe à base de Deep Learning, leur a permis de finir lauréats du Data Challenge 2019de la Société Française de Radiologie.

Le dispositif médical Pixyl.Neuro.MS est un produit de santé réglementé qui porte le marquage CE, Classe IIa. Organisme notifié: TÜV Rheinland. n°0197. Fabricant: Pixyl.

Pixyl.Neuro.MS 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 [email protected] pour plus d’informations. Dernière mise à jour :  02/11/2021

Publications

  1. Benjamin Lambert and Maxime Louis and Senan Doyle and Florence Forbes and Michel Dojat and Alan Tucholka. “Leveraging 3D Information in Unsupervised Brain MRI Segmentation.” 2021 IEEE 18th International Symposium on Biomedical Imaging (ISBI) (pp. 187-190). 2021
    http://arxiv.org/abs/2101.10674
  2. Pauline Roca, Arnaud Attyé, Lucie Colas, Alan Tucholka, Pascal Rubini, Stenzel Cackowski, Juliette Ding, Jean-François Budzik, Felix Renard, Senan Doyle, Emmanuel L. Barbier, Imad Bousaid, Romain Casey, Sandra Vukusic, Nathalie Lassau, Sébastien Verclytte, and François Cotton. “Artificial intelligence to predict clinical disability status scale score in patients with multiple sclerosis using FLAIR MRI” Diagnostic and Interventional Imaging 2020.
    https://doi.org/10.1016/j.diii.2020.05.009
  3. Alexander Robert W. “Use of Software Analytics of Brain MRI (with & without contrast) As Objective Metric in Neurological Disorders and Degenerative Diseases” 2017, International Physical Medicine & Rehabilitation Journal
    https://doi.org/10.15406/ipmrj.2017.02.00046

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