Comment faire un diagnostic médical automatisé —mais totalement transparent— du cancer du sein à partir d’images microscopiques de cellules mammaires ?
XTRACTIS POUR LA MÉDECINE PRÉDICTIVE
Diagnostic anatomo-pathologique du cancer du sein
Benchmark vs. Régression Logistique, Forêts Aléatoires, Arbres Boostés er Réseaux de Neurones
les objectifs & avantages
Identifier les caractéristiques cellulaires impliquées dans le cancer et améliorer les connaissances médicales en aidant les pathologistes et les oncologues à comprendre les relations causales entre certaines caractéristiques cellulaires, leur combinaison et la présence d’un cancer.
Aider le corps médical à prendre des décisions plus précoces et plus personnalisées grâce à des diagnostics rapides, systématiques et explicables.
Contribuer à améliorer la prise en charge des patients (douleur, survie, durée de traitement) et étendre l’accès aux diagnostics de haut niveau même dans les déserts médicaux.
les résultats XTRACTIS
Nous obtenons un modèle prédictif qui est à la fois :
Intelligible.
Un système de décision composé de 7 règles graduelles non chaînées, chacune utilisant certaines des 13 variables identifiées par XTRACTIS comme significatives, y compris les signaux faibles.
Robuste.
Excellentes performances sur le Test Externe.
Efficient & Operationnel.
Exécution en temps réel jusqu’à 70000 prédictions par seconde (sur i7, 8 cœurs physiques, 2,5 GHz), hors ligne ou en ligne (API).
Use Case 09/2022 (v2.0)
Résultats par
XTRACTIS® GENERATE 12.1.42004 (02/2022)
SOMMAIRE DU DOCUMENT
- Définition du problème
- Solution Xtractis
- Induction du Top-Modèle
- Prédictions pour 2 cas inconnus
- Benchmark des Top-Modèles
