Médecine nucléaire

SubtlePET par Subtle Medical

Aide au diagnostic en imagerie cérébrale

Amélioration de la qualité image en médecine nucléaire

Le TEP-scan est devenu un outil de choix pour le diagnostic et le suivi des traitements en particulier en cancérologie. Rien qu’en France, plus de 300 000 examens sont réalisés chaque année, et ce nombre ne cesse d’augmenter. Pourtant le PET-scan reste lourd pour le patient et le médecin du fait de sa durée élevée d’acquisition. L’outil SubtlePET permet d’optimiser cet examen en divisant sa durée d’enregistrement par quatre.

Et si une solution d’IA pouvait permettre de diviser par quatre la durée d’acquisition nécessaire à un examen TEP-scan ?

Fondé sur des algorithmes propriétaires d’apprentissage profond, SubtlePET permet de diviser par quatre le temps d’acquisition nécessaire pour un TEP-scan. A partir du résultat d’un examen plus court, SubtlePET débruite et améliore l’image pour retrouver une qualité équivalente à un examen classique et aboutir au même diagnostic.

Avantages

  • Améliorez l’expérience de vos patients en réduisant le temps passé dans le scanner.
  • Augmentez la fréquence des examens et rationalisez l’usage de vos équipements.
  • Boostez les performances de vos appareils, quelle que soit leur marque, sans investir dans du matériel neuf.
  • Intégrez un outil d’intelligence artificielle pour optimiser votre temps sans perturber votre flux de travail.

Ce qu'en disent les utilisateurs

La qualité des images améliorées par l’outil Subtle les rend indifférenciables des images obtenues par voie classique. De plus les résultats ne présentent pas d’artefacts et on peut parfaitement y repérer les lésions. Je vois déjà comment l’outil va permettre d’améliorer à la fois notre flux de travail et l’expérience des patients.».

Peter Giuliano, Directeur du Département de Médecine Nucléaire à l’hôpital HOAG (California)

Publications

  1. Quantitative Standardized Uptake Value Evaluation of 4x Faster PET Scans Enhanced using Deep Learning – A Chaudhari, PhD; P Gulaka, PhD; T Zhang; S Srinivas, MD, PhD; G Zaharchuk, MD, PhD; E Gong, PhD, Stanford.
  2. 200x Low-dose PET Reconstruction using Deep Learning – Junshen Xu*, Enhao Gong*, John Pauly, Greg Zaharchuk.
  3. Accelerating Whole-Body PET Acquisitions Using Deep Learning: External validation on foreign country data – Jose Leite, Gustavo Tukamoto1, Akshay Chaudhari, Praveen Gulaka, Enhao Gong, GregZaharchuk, Igor Rafael Martins dos Santos, Flávia Paiva Proença Lobo Lopes, Felipe Campos, Kitamura.