Pixyl Medical promeut des algorithmes avancés, un logiciel de segmentation automatique d’images IRM pour l’extraction de biomarqueurs dans les études cliniques liées à la neurologie.

Notre Histoire : Pixyl a été créé en 2015 pour améliorer la prise de décision, dans les pathologies neurologiques telles que la sclérose en plaques, l’accident vasculaire cérébral, les traumatismes crâniens, la maladie d’Alzheimer, ou la pathologie de Parkinson. La technologie a été développée grâce à différents partenariats entre l’INRIA Grenoble, Rhône-Alpes et l’INSERM (L’institut des Neurosciences de Grenoble).

Notre domaine de compétence : la segmentation et l’extraction de biomarqueurs en imagerie médicale. L’optimisation de ressources, Le gain de temps pour la rédaction des rapports médicaux, l’objectivité et la fiabilité.

Notre produit : Conçues pour s’intégrer de manière transparente dans le flux de travail de la radiologie, les solutions maquées CE de Pixyl fournissent des informations directement opérationnelles en routine clinique pour améliorer les soins aux patients, en sclérose en plaques, maladies démyélinisantes, et maladies neurodégénératives.

Fig 1 : Exemple de rapport de Pixyl en sclérose en plaques

L’équipe se spécialise en Intelligence Artificielle.

🏆 En 2019, Pixyl gagne l’ambitieux Challenge de Sclérose en Plaques SFR, #jfr2019, avec une excellente prédiction du handicap à 2 ans (selon l’échelle EDSS), à partir des images d’un simple FLAIR en IRM et grâce au couplage de l’expertise des radiologues du CHU de Lille et de Grenoble et de la technologie d’Intelligence Artificielle : https://www.linkedin.com/posts/pixyl-medical_jfr2019-activity-6589891585251643392-BcNd

Le score obtenu est excellent : un mean square error de 3, traduisant, statistiquement, la moyenne des différences au carré entre la valeur réelle et la valeur prédite.

Ces résultats sont publiés en 2020 dans la publication Diagnostic and Interventional Imaging, Artificial intelligence to predict clinical disability in patients with multiple sclerosis using FLAIR MRI, P. Roca et al., disponibles à ce lien : https://www.sciencedirect.com/science/article/abs/pii/S2211568420301558

Fig. 2 : Le workflow Pixyl dans la gestion des images.

Keywords: Artificial intelligence, Machine learning, Multiple sclerosis, Disability prediction, Magnetic resonance imaging (MRI).

Nous contacter :

Retrouvez par ailleurs l’ensemble des informations sur notre page web : http://pixylmedical.com/