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

Transpara

Solution d’IA pour le dépistage des cancers du sein

Transpara est un outil qui assiste le radiologue dans son interprétation d’un examen de mammographie. Transpara évalue la probabilité de présence ou non d’un cancer sur la base des lésions automatiquement détectées et qualifiées par l’IA

Détection automatisée des lésions : masses et foyers de microcalcification

Segmentation et contourage des zones suspectes

Evaluation du niveau de malignité de chaque lésion

Attribution d’un score à chaque lésion détectée

Evaluation du risque de présence d’un cancer du sein dans l’examen

Attribution d’un score global à l’ensemble de examen

  • cancer du sein
  • mammographie
  • masse
  • microcalcification
  • tomosynthèse
  • 3D
  • lésions

Conforter vos diagnostics

done_all

Conforter vos diagnostics des cas normaux ou suspects grâce à une double lecture par l’IA

Sécurité

gpp_good

Ajouter un filet de sécurité grâce aux alertes données par les scores d’examen

Rapidité

speed

Identifier et qualifier plus rapidement le caractère malin ou bénin des zones suspectes

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

Témoignage

Quand je vois un score 1 ou 2, même sur des seins denses, je suis très rassuré. Évidemment, j’analyse la mammographie avec beaucoup d’attention, mais de façon plus sereine et plus rapide que ce que je faisais jusqu’à présent, ce qui me laisse plus de temps pour porter mon attention sur des résultats moins favorables. A contrario, quand les scores sont de 8, 9, et 10, je m’appuie sur les anomalies indiquées par Transpara et suis encore plus vigilant dans mon analyse.

Dr Marc Abehsera,

Expert en sénologie et radiologue
Hôpital Américain de Paris.

Publications

  1. van Winkel, S. L. et al. Impact of artificial intelligence support on accuracy and reading time in breast tomosynthesis image interpretation: a multi-reader multi-case study. Eur Radiol (2021) doi:10.1007/s00330-021-07992-w.
  2. Sasaki, Raya-Povedano, J. L. et al. AI-based Strategies to Reduce Workload in Breast Cancer Screening with Mammography and Tomosynthesis: A Retrospective Evaluation. Radiology 203555 (2021) doi:10.1148/radiol.2021203555.
  3. Lång, K. et al. Identifying normal mammograms in a large screening population using artificial intelligence. Eur Radiol (2020) doi:10.1007/s00330-020-07165-1.
  4. Rodriguez-Ruiz, A. et al. Can we reduce the workload of mammographic screening by automatic identification of normal exams with artificial intelligence? A feasibility study. Eur Radiol 29, 4825–4832 (2019).
  5. Rodriguez-Ruiz, A. et al. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists. 7 (2019).
  6. Le, E. P. V., Wang, Y., Huang, Y., Hickman, S. & Gilbert, F. J. Artificial intelligence in breast imaging. Clinical Radiology 74, 357–366 (2019).
  7. Bahl, M. Detecting Breast Cancers with Mammography: Radiology 2 (2019) doi:https://doi.org/10.1148/radiol.2018182404.
  8. Rodríguez-Ruiz, A. et al. Detection of Breast Cancer with Mammography: Effect of an Artificial Intelligence Support System. Radiology 181371 (2018) doi:10.1148/radiol.2018181371.
  9. Hupse, R. et al. Computer-aided Detection of Masses at Mammography: Interactive Decision Support versus Prompts. Radiology 266, 123–129 (2013).

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