Le scanner de pathologie numérique équipé de l’intelligence artificielle OS-SiA d’OptraSCAN a obtenu un brevet américain pour la numérisation, l’indexation et l’analyse simultanées de la zone tissulaire

OptraSCAN®, le principal fournisseur de solutions de pathologie numérique de bout en bout, a annoncé que son scanner de pathologie numérique OS-SiA a reçu le brevet américain nº 2020/0334814 A1 de l’Office des brevets et des marques des États-Unis. L’OS-SiA dispose d’une intelligence intégrée pour scanner, indexer et analyser simultanément des échantillons pathologiques. Cela permettra à l’utilisateur final de visualiser l’image numérisée de la lame entière ainsi que les résultats analysés sous forme de superposition au cours de son processus d’examen.

Le brevet décrit une technique inventée par OptraSCAN, où le scanner de pathologie numérique compatible avec l’IA OS-SiA identifie automatiquement les échantillons à numériser et analyse simultanément les tissus ou la zone cellulaire numérisés. L’OS-SiA est le premier scanner numérique compatible avec l’IA de l’industrie qui fournira une analyse prédictive en temps réel et des informations exploitables.

« À l’heure actuelle, les scanners de lames de pathologie numériques sont limités à l’acquisition d’images de lames partielles ou entières et à la numérisation en une image. Notre scanner de nouvelle génération OS-SiA numérise et analyse simultanément, éliminant ainsi le besoin d’applications de traitement supplémentaires », a déclaré Abhi Gholap, fondateur et PDG d’OptraSCAN. « Ce brevet souligne nos efforts constants pour améliorer l’adoption de solutions de pathologie numériques et soutenir la communauté de la pathologie. »

L’OS-SiA peut être intégré dans la série existante de ses scanners à champ clair compatibles avec le cloud, à savoir OS-Lite et OS-Ultra. Les algorithmes personnalisés fournissent une détection du retour sur investissement en temps réel lors de la numérisation, une quantification cellulaire pour les marqueurs IHC/HNE et des mesures morphologiques conçues à l’aide de la bibliothèque de base. L’image de lame entière peut être visualisée dans une visionneuse d’images locale/Web/basée sur le cloud. Le module de calcul d’apprentissage profond est fourni pour l’auto-apprentissage dans le dispositif de numérisation.

« C’est le genre de percée dont nous avons besoin pour accélérer l’adoption de la pathologie numérique ; la numérisation et l’analyse simultanées aideront les pathologistes à prendre des décisions plus rapides et à améliorer les résultats pour les patients. » Dr Zu-Hua Gao MD, conseiller médical chez OptraSCAN et président, Pathologie, Université de la Colombie-Britannique.