Piattaforma AI per il settore medico HALO AI

per ricerca medicaper laboratorio di istopatologiaper diagnostica per immagini

Panoramica
HALO AI di Indica Labs è una piattaforma di intelligenza artificiale addestrabile per la patologia digitale che consente segmentazione, classificazione e fenotipizzazione. Basata su reti di deep learning moderne, è tarata per applicazioni in campo chiaro e fluorescenza tramite un'interfaccia di addestramento per esempi. I flussi di lavoro intuitivi non richiedono programmazione né conoscenze di IA e consentono di definire classi tissutali e fenotipi cellulari o di addestrare reti neurali disegnando annotazioni.

Integrazione
HALO AI si integra con HALO Link e le piattaforme HALO per supportare la gestione collaborativa delle immagini e i flussi di lavoro di analisi quantitativa.

Funzionalità chiave

• Interfaccia di addestramento per esempi per creare facilmente classificatori e segmentatori personalizzati.
• Strumento di annotazione basato su IA per acquisire rapidamente annotazioni di training indicando e cliccando gli oggetti di interesse.
• Ottimizzazione in tempo reale che mostra il progresso dell'addestramento live, consente modifiche interattive dei parametri e supporta la selezione di soglie di probabilità tramite output a mappa di calore.
• Supporta output a mappa di probabilità come alternativa alle maschere tradizionali per la valutazione delle prestazioni.
• Annotazioni interattive che permettono di attivare/disattivare popolazioni di interesse, combinabili con il thresholding di probabilità per l'esplorazione della validazione.
• Segmentatori nucleari e di membrana pre-addestrati disponibili; HALO AI consente l'ottimizzazione per applicazioni su misura quando necessario.
• Robusto alle variazioni di morfologia, protocolli di colorazione, qualità dei tessuti e colorazioni irregolari; può essere addestrato su diversi coloranti (esempi: PAMS, Trichrome, H&E, IHC).
• Capacità di concatenare più classificatori HALO AI in pipeline di classificazione per workflow complessi.

App (classificatori / fenotipatori HALO AI pre-addestrati)

• Breast IHC Tumor Tissue Detection — classificatore pre-addestrato per rilevare, segmentare e quantificare aree tumorali e altre in immagini whole-slide di carcinoma mammario colorate con ematossilina e DAB.
• NSCLC IHC Tumor Tissue Detection — classificatore pre-addestrato per rilevare, segmentare e quantificare aree tumorali e non tumorali in immagini whole-slide di NSCLC colorate con ematossilina e DAB.
• NSCLC IHC Cancer Cell Phenotyper — fenotipatore di oggetti pre-addestrato per rilevare, segmentare e quantificare cellule non cancerose, cellule cancerose IHC-positive e IHC-negative in NSCLC.
• Pan Cancer H&E Lymphocyte Cell Phenotyper — fenotipatore di oggetti pre-addestrato per rilevare e quantificare linfociti in immagini H&E di diversi tipi tumorali.
• Gastric H&E Tumor Tissue Detection — classificatore di masking progettato per segmentare tumore, stroma, necrosi/altro e aree di vetro in immagini H&E di carcinoma gastrico.
• HNSCC H&E Tumor Tissue Detection — classificatore di masking per immagini H&E di carcinoma squamoso testa-collo, per segmentare tumore, stroma, necrosi/altro e aree di vetro.
• NSCLC H&E Tumor Tissue Detection — classificatore di masking per immagini whole-slide NSCLC in H&E.
• Ovarian H&E Tumor Tissue Detection — classificatore di masking per immagini whole-slide di carcinoma ovarico in H&E.

Uso e output
I network HALO AI, una volta addestrati, possono essere incorporati nei moduli HALO per massimizzare l'utilità attraverso le pipeline di analisi. Gli output includono maschere di segmentazione e mappe di probabilità; il thresholding di probabilità e le annotazioni interattive possono essere usati per affinare e validare i risultati.

Nota normativa
For Research Use Only. Not for Use in Diagnostic Procedures.

Specifiche tecniche

• Deep learning basato su addestramento per esempi per immagini in campo chiaro e fluorescenza.
• Strumento di annotazione IA per la rapida generazione di ground truth.
• Visualizzazione dell'addestramento in tempo reale e regolazione dei parametri on-the-fly.
• Supporta output a mappe di probabilità e output a maschera tradizionali.
• Modelli di segmentazione nucleare e di membrana pre-addestrati disponibili; supportato l'addestramento personalizzato per casi d'uso su misura.
• Progettato per gestire tipi di colorazione e qualità tissutale variabili (esempi: PAMS, Trichrome, H&E, IHC).
• Si integra con HALO Link per la gestione collaborativa delle immagini e la raccolta di dati di training a livello di studio.