DÉVELOPPEMENT D’IA PERSONNALISÉE · MÉDICAL
SOLUTIONS MÉDICALES PROPULSÉES PAR L’IA
Analyse d’images médicales et traitement des données pour prendre des décisions plus précoces et mieux éclairées.
Nous concevons des solutions d’IA sur mesure pour la recherche médicale et les soins de santé : apprentissage profond pour l’analyse d’images histopathologiques et la segmentation cellulaire, OCR et TAL pour extraire les informations des patients de leurs dossiers, et modèles d’aide à l’évaluation des risques et des traitements.
Coécrit par notre équipe : MesoGraph, Cell Reports Medicine (2023)
Apprentissage profond pour les images histopathologiques
Petits réseaux dédiés et algorithmes génétiques
LE PROBLÈME
LÀ OÙ LES DONNÉES MÉDICALES SONT SOUS-UTILISÉES
Les équipes cliniques et de recherche disposent d’images et de dossiers qui pourraient favoriser des décisions plus précoces, s’ils pouvaient être analysés à grande échelle.
DIAGNOSTIC TARDIF
Certaines maladies, comme le mésothéliome, sont souvent diagnostiquées tardivement.
EXAMEN MANUEL DES IMAGES
L’analyse des lames et des images microscopiques à l’œil nu est lente et variable.
DOSSIERS NON STRUCTURÉS
Les informations sur les patients sont enfermées dans des documents et du texte libre.
INCERTITUDE DU TRAITEMENT
Prédire comment les patients réagiront au traitement est difficile.
CE QUE NOUS CONSTRUISONS
IA POUR L’IMAGERIE MÉDICALE ET LES DONNÉES
Des modèles sur mesure pour les équipes de recherche et les organismes de santé.
PROFILAGE CELLULAIRE DU MÉSOTHÉLIOME
Modèles d’apprentissage profond qui analysent des images histopathologiques afin de détecter le mésothéliome malin et d’en classer les sous-types, contribuant ainsi à un diagnostic plus précoce.
SEGMENTATION DES CELLULES CALICIFORMES
Réseaux convolutifs qui segmentent les cellules caliciformes sécrétant du mucus dans des images microscopiques, fournissant des dénombrements cellulaires et des données morphologiques pour la recherche sur l’asthme, la BPCO et les MICI.
TRAITEMENT DES DONNÉES DES PATIENTS
L’OCR et le NLP automatisent l’extraction des informations sur les patients à partir des dossiers médicaux et repèrent les indicateurs clés de santé.
PRÉDICTION DE L’ISSUE DU TRAITEMENT
Modèles multimodaux combinant l’imagerie médicale et les antécédents des patients pour prédire les probabilités de succès des traitements.
APPLICATIONS RÉELLES
- Détection précoce des patients à haut risque : prédiction des réactions graves à des maladies telles que la COVID-19
- Catégorisation des menaces sanitaires : évaluation des risques pour la santé des populations et des probabilités de réussite des traitements
- Quantification de l’efficacité des médicaments à l’aide d’algorithmes génétiques
Vous avez un problème d’imagerie médicale ou de données en tête ? Parlez-nous-en.
NOTRE MOTEUR
TECHNOLOGIE PROPRIÉTAIRE, PAS UNE PLATEFORME REVENDUE
Nous ne revendons pas de plateforme généraliste. Trois technologies développées en interne font l’essentiel du travail, chacune étant adaptée à la tâche.
RÉSEAUX DE NEURONES
Réseaux compacts et agiles pour la classification, le développement de modèles de substitution, la prévision et la reconnaissance de formes.
En médecine : de petits réseaux dédiés qui repèrent les patients à haut risque.
TRAITEMENT D’IMAGE
Des réseaux convolutionnels plus grands pour la classification d’images, la segmentation d’images et la suppression de l’arrière-plan.
En médecine : classification et segmentation d’images histopathologiques et microscopiques.
ALGORITHMES GÉNÉTIQUES
Optimisation évolutive hybride utilisant plusieurs techniques de croisement, de mutation et d’évolution.
En médecine : évaluation de nouveaux traitements et médicaments.
RECHERCHE
RECHERCHE PUBLIÉE SUR L’IA MÉDICALE
Publications évaluées par des pairs dans le domaine de l’analyse d’images médicales, notamment le profilage automatique des sous-types de mésothéliome à partir d’images histologiques.
PUBLICATIONS
Eastwood, M., Sailem, H., Marc, S.T., Gao, X., Offman, J., Karteris, E., Fernandez, A.M., Jonigk, D., Cookson, W., Moffatt, M. et Popat, S. (2023). MesoGraph : profilage automatique des sous-types de mésothéliome à partir d’images histologiques. Cell Reports Medicine.
Marc, S. T., Belavkin, R., Windridge, D. et Gao, X. (2023). Une approche évolutive de l’augmentation automatisée des données spécifiques à chaque classe pour la classification d’images. Conférence internationale sur la dynamique des systèmes d’information. Springer Nature Suisse.
L’ÉQUIPE
Marc, de l’équipe Prime AI, a coécrit les articles de 2023 répertoriés ici, dont MesoGraph dans Cell Reports Medicine.
COMMENT NOUS TRAVAILLONS
DE LA PREMIÈRE PRISE DE CONTACT À LA MISE EN PRODUCTION
01
CONSULTATION GRATUITE
Expliquez votre défi, ou explorez simplement comment l’IA pourrait rationaliser et améliorer vos pratiques commerciales actuelles. Sans engagement.
02
DÉCOUVERTE ET DÉFINITION DU PÉRIMÈTRE
Nous examinons vos données, vos systèmes et vos critères de réussite, puis nous vous proposons une approche, un calendrier et une fourchette budgétaire.
03
PREUVE DE CONCEPT
Un prototype ciblé sur vos propres données, pour que vous puissiez évaluer la précision et la valeur avant de passer à l’échelle.
04
PRODUCTION & MLOps
Déploiement dans le cloud, sur site ou en périphérie, avec surveillance, réentraînement et assistance continue.
FAQ
FAQ sur l’IA médicale
Analyse d’images histopathologiques, notamment le profilage du mésothéliome et la segmentation des cellules caliciformes ; extraction des informations des patients à partir des dossiers au moyen de la reconnaissance optique de caractères (OCR) et du traitement automatique du langage naturel (TALN) ; évaluation des risques pour les patients ; et prédiction des résultats des traitements.
Les réseaux neuronaux convolutifs sont entraînés sur des images annotées afin de classer et de segmenter les cellules, les tissus et les anomalies, et de fournir des résultats quantitatifs cohérents, tels que le nombre et la morphologie des cellules.
Oui. La reconnaissance optique de caractères et le traitement du langage naturel automatisent l’extraction d’informations sur les patients à partir des dossiers médicaux, afin qu’elles puissent être analysées à grande échelle.
Oui. Nous déployons des modèles dans des environnements cloud, sur site ou en périphérie, avec une intégration et un déploiement continus (CI/CD), le contrôle des versions, la surveillance, la détection de dérive et le réentraînement automatisé afin de maintenir leur précision au fil du temps.
Chaque projet est défini individuellement en fonction du problème, des données disponibles, ainsi que du niveau de précision et d’intégration requis. Nous commençons généralement par une preuve de concept ciblée à partir de vos propres données, puis nous vous proposons une approche, un calendrier et une fourchette budgétaire avant tout engagement.
Vous nous expliquez votre défi, ou vous explorez simplement comment l’IA pourrait rationaliser et améliorer vos pratiques commerciales actuelles. Nous vous dirons honnêtement si l’IA est le bon outil et, si c’est le cas, quelle serait une première étape judicieuse. Sans aucun engagement.
ASSOCIÉS
IA personnalisée dans les secteurs connexes
PARLEZ-NOUS DE VOTRE DÉFI EN IA MÉDICALE
Réservez une consultation gratuite. Nous vous dirons honnêtement si l’IA est l’outil adapté et, si c’est le cas, à quoi pourrait ressembler une première étape judicieuse.