Plateforme d'IA médicale HALO AI

pour la recherche médicalepour laboratoire d'histopathologiepour imagerie médicale

Aperçu
HALO AI d'Indica Labs est une plateforme d'intelligence artificielle entraînable pour la pathologie numérique, permettant la segmentation, la classification et le phénotypage. Basée sur des réseaux de deep learning modernes, elle est optimisée pour les applications en champ clair et en fluorescence via une interface d'entraînement par exemples. Les flux de travail intuitifs ne nécessitent ni programmation ni connaissances en IA et permettent de définir des classes tissulaires et des phénotypes cellulaires ou d'entraîner des réseaux en dessinant des annotations.

Intégration
HALO AI s'intègre à HALO Link et aux plateformes HALO pour prendre en charge la gestion collaborative des images et les workflows d'analyse quantitative.

Principales fonctionnalités

• Interface d'entraînement par exemples pour créer facilement des classifieurs et des segmentateurs personnalisés.
• Outil d'annotation piloté par IA pour acquérir rapidement des annotations d'entraînement en pointant et cliquant sur les objets d'intérêt.
• Ajustement en temps réel affichant la progression de l'entraînement, permettant des modifications interactives des paramètres et la sélection de seuils de probabilité via des cartes de chaleur.
• Prise en charge des cartes de probabilité en alternative aux masques traditionnels pour l'évaluation des performances.
• Annotations interactives permettant d'activer/désactiver des populations d'intérêt, combinables avec le seuillage de probabilité pour l'exploration de validation.
• Segmentateurs nucléaires et membranaires pré-entraînés disponibles ; HALO AI permet l'optimisation pour des applications spécifiques si nécessaire.
• Robuste aux variations de morphologie, protocoles de coloration, qualité tissulaire et colorations inégales ; peut être entraîné sur divers colorants (exemples : PAMS, Trichrome, H&E, IHC).
• Possibilité d'enchaîner plusieurs classifieurs HALO AI en pipelines pour des workflows complexes.

Applications (classifieurs / phénotypeurs HALO AI pré-entraînés)

• Breast IHC Tumor Tissue Detection — classifieur pré-entraîné pour détecter, segmenter et quantifier les zones tumorales et autres dans des lames entières de cancer du sein colorées à l'hématoxyline et DAB.
• NSCLC IHC Tumor Tissue Detection — classifieur pré-entraîné pour détecter, segmenter et quantifier les zones tumorales et non tumorales dans des lames entières de NSCLC colorées à l'hématoxyline et DAB.
• NSCLC IHC Cancer Cell Phenotyper — phénotypeur d'objets pré-entraîné pour détecter, segmenter et quantifier cellules non cancéreuses, cellules cancéreuses IHC-positives et IHC-négatives dans le NSCLC.
• Pan Cancer H&E Lymphocyte Cell Phenotyper — phénotypeur d'objets pré-entraîné pour détecter et quantifier les lymphocytes dans des images H&E de types tumoraux variés.
• Gastric H&E Tumor Tissue Detection — classifieur de masquage conçu pour segmenter tumeur, stroma, nécrose/autre et zones de verre dans des images H&E de cancer gastrique.
• HNSCC H&E Tumor Tissue Detection — classifieur de masquage pour les images H&E du carcinome épidermoïde tête et cou, segmentant tumeur, stroma, nécrose/autre et zones de verre.
• NSCLC H&E Tumor Tissue Detection — classifieur de masquage pour lames entières NSCLC en H&E.
• Ovarian H&E Tumor Tissue Detection — classifieur de masquage pour lames entières de cancer ovarien en H&E.

Utilisation et sorties
Les réseaux HALO AI, une fois entraînés, peuvent être intégrés dans les modules HALO pour maximiser l'utilité à travers les pipelines d'analyse. Les sorties incluent des masques de segmentation et des cartes de probabilité ; le seuillage de probabilité et les annotations interactives peuvent être utilisés pour affiner et valider les résultats.

Note réglementaire
For Research Use Only. Not for Use in Diagnostic Procedures.

Caractéristiques techniques

• Deep learning par entraînement par exemples pour images en champ clair et en fluorescence.
• Outil d'annotation IA pour une génération rapide de vérité terrain.
• Visualisation de l'entraînement en temps réel et réglage des paramètres à la volée.
• Prise en charge des sorties en cartes de probabilité et des sorties en masques traditionnels.
• Modèles de segmentation nucléaires et membranaires pré-entraînés disponibles ; entraînement personnalisé pris en charge pour cas d'usage sur mesure.
• Conçu pour gérer différents types de colorations et la qualité tissulaire (exemples : PAMS, Trichrome, H&E, IHC).
• S'intègre à HALO Link pour la gestion collaborative des images et la collecte de données d'entraînement au niveau des études.