Pixyl.Neuro.MS
Soluzione AI per la diagnosi e il monitoraggio della sclerosi multipla (SM)
Pixyl.neuro.MS™ analizza automaticamente la RM e fornisce una quantificazione del volume della lesione identificando le iperintensità della sostanza bianca.

Rilevamento, quantificazione e caratterizzazione automatica di lesioni in aree anatomiche di interesse:
Pixyl.neuro.MS™ esegue una misurazione del volume e del carico di lesioni per l’intero cervello e per ciascuna delle regioni cerebrali di interesse (periventricolare, juxtacorticale, sottotentoriale, sostanza bianca profonda) secondo i criteri di McDonald.
Relazione e analisi longitudinale della progressione della malattia in caso di storia di PACS :
Pixyl.neuro.MS™ misura automaticamente l’attività della malattia segmentando e caratterizzando l’evoluzione delle lesioni della materia bianca in base all’anteriorità.
Produzione automatizzata di un referto strutturato e di una serie segmentata (contorno della lesione) direttamente nel PACS:
Pixyl.neuro.MS™ fornisce al radiologo un rapporto quantitativo completo sulle lesioni, le loro caratteristiche e la loro evoluzione, nonché la loro visualizzazione su immagini cerebrali annotate.
- sclerosi multipla
- T2 FLAIR
- T1 GADO
- onere del pregiudizio
- IRM
- protezione
- analisi longitudinale
Risparmiare tempo, proteggere la diagnostica e ottimizzare il flusso di lavoro con Incepto
Testimonianza
Presso il Dipartimento di Neuroradiologia dell’Ospedale Universitario, utilizziamo il software Pixyl neuro nella nostra routine clinica come ausilio per il follow-up longitudinale dei pazienti con sclerosi multipla.
La sensibilità del software per l’individuazione di nuove placche è buona, superiore a quella del radiologo, soprattutto per carichi lesionali elevati, consentendo una migliore gestione del paziente (iniezione o meno di gadolinio, adattamento terapeutico).
Inoltre, consente di risparmiare molto tempo di interpretazione, poiché questa analisi comparativa è un processo lungo e noioso.
Dr Béatrice Claise,
Neuroradiologo,
CHU Gabriel Montpied, Clermont-Ferrand

Pixyl è una giovane azienda francese fondata a Grenoble. Il suo team di gestione proviene dall’INSERM e dall’INRIA. All’incrocio tra medicina, scienza dei dati e sviluppo software, Pixyl mira a rivoluzionare l’imaging cerebrale offrendo un’analisi quantificata dei biomarcatori delle malattie neurodegenerative e neuroinfiammatorie. La loro tecnologia all’avanguardia, basata sul Deep Learning, ha permesso loro di classificarsi come vincitori della Data Challenge 2019 della Società Francese di Radiologia.
Il dispositivo medico Pixyl.Neuro.MS è un dispositivo medico regolamentato e reca il marchio CE, Classe IIa. Organismo notificato: TÜV Rheinland. Produttore: Pixyl.
Pixyl.Neuro.MS è uno strumento diagnostico e non deve essere utilizzato da solo per raccomandare un trattamento medico a scopo diagnostico. Leggere attentamente le istruzioni contenute nel manuale d’uso.
Per ulteriori informazioni, contattare contact@incepto-medical.com. Ultimo aggiornamento: 14/02/2023
Pubblicazioni
- 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 - 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 - 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