Système de diagnostic du cancer de la thyroïde assisté par IA
À propos
The Système de diagnostic assisté par IA pour la cytoponction thyroïdienne est conçu pour cytologie par cytoponction à l’aiguille fine (FNA) des nodules thyroïdiens.
Il se concentre sur la différenciation bénin–malin et la classification par sous-type, en reconnaissant précisément les carcinomes papillaires et les lésions folliculaires.
Développé pour relever les défis de diagnostic subjectif et la distinction difficile des lésions folliculaires, il réduit le temps d’analyse FNA et fournit des preuves pathologiques objectives pour le suivi des nodules à faible risque.
Optimisation spécifique FNA
Optimisé pour les frottis FNA thyroïdiens (manuels ou en milieu liquide), gérant précisément les cellules clairsemées et superposées.
Différenciation précise des lésions
Identifie PTC, SFN, BFN et AUS avec une grande précision, résolvant les difficultés de distinction des lésions folliculaires.
Sensibilité & spécificité élevées
95 % de sensibilité et 95 % de précision pour SFN vs BFN ; couverture intégrale 100 % sans zone manquée.
Données cliniques de premier ordre
Entraîné sur plus de 10 000 lames vérifiées par biopsie provenant de plus de 10 hôpitaux de premier ordre avec un ratio négatif–positif de 2:1.
Met en évidence les sillons nucléaires et les noyaux en verre dépoli pour un diagnostic IA explicable.
Compatible avec les formats de lames et les sorties d’image de divers fabricants et systèmes de scanners.
Rapport structuré rapide
Génère un rapport structuré complet en moins d’une minute — prêt à imprimer ou à intégrer au LIS.
Types de lésions reconnaissables
| Catégorie | Types détectés | Description |
| Lésions malignes | Carcinome papillaire de la thyroïde (PTC), suspect de malignité (SFM) | Identifie avec précision les caractéristiques cytologiques malignes et les sous-types de carcinome papillaire. |
| Lésions borderline | Néoplasme folliculaire suspect (SFN), atypie de signification indéterminée (AUS) | Différencie les lésions de type folliculaire avec une grande précision diagnostique. |
| Lésions bénignes | Nodule folliculaire bénin (BFN) | Reconnaît les nodules folliculaires bénins et fournit la base pathologique pour les recommandations de suivi. |
Au service de la pathologie numérique mondiale grâce à la performance, l’échelle et la confiance
Les chiffres derrière notre innovation
Exigences réseau et serveur GPU
| Catégorie de paramètre | Exigence minimale | Configuration recommandée | Remarques |
| Bande passante du réseau local | Entre serveur et client ≥100 Mbps | Entre serveur et client ≥1 Gbps (de préférence en fibre optique) | Le commutateur central prend en charge une liaison montante ≥10 Gbps |
| Latence réseau | ≤50 ms (entre les nœuds du LAN) | ≤50 ms (entre les nœuds du LAN) | Prend en charge l’agrégation de liens (LACP) pour une stabilité accrue |
| Topologie réseau | Prend en charge la topologie en étoile/arbre | Prend en charge la redondance (commutateur double cœur) | Les nœuds clés (par ex. serveur de base de données) nécessitent une liaison réseau double |
| Type d’interface | Client RJ45 (10/100BASE-T) | Serveur RJ45 (1000BASE-T) + port optique (en option) | L’interface optique prend en charge les connecteurs LC/SC, distance de transmission ≤5 km |
| Catégorie de paramètre | Exigence minimale | Configuration haute performance (par ex. entraînement IA / rendu) | Remarques |
| Modèle de GPU | NVIDIA 2080Ti ×1 | NVIDIA A4000 ×1 | |
| Mémoire GPU | 11 Go GDDR6 (ECC en option) | 16 Go HBM2e (ECC requis) | |
| Quantité de GPU | GPU unique par hôte | GPU unique par hôte | |
| CPU | Intel Xeon E-2274G (4 cœurs, 8 threads, 3,8 GHz) | Intel Xeon E-2274G (8 cœurs, 16 threads, 3,8 GHz) | Fréquence principale ≥3,0 GHz, cache ≥24 Mo |
| Memory | 32 Go DDR4-2666 (ECC) | 64 Go DDR5-4800 (ECC Registered) | |
| Interface de stockage | 1× SSD NVMe (PCIe 3.0) | 2× SSD NVMe (PCIe 4.0, RAID 0) | Prend en charge le hot-swap, lecture/écriture continue ≥3000 Mo/s |
| Alimentation & refroidissement | Alimentation 900 W 80+ Gold, refroidissement par air | Alimentation 1600 W 80+ Platinum, système de refroidissement liquide | |
| Compatibilité OS | Prend en charge Ubuntu 22.04 version serveur | Prend en charge Ubuntu 22.04 version serveur | Docker préinstallé (prêt au déploiement de conteneurs) |
