Hologic Genius Manuel D'utilisation page 9

Le serveur de gestion des images sert de gestionnaire de données central pour le système
Genius Digital Diagnostics. À mesure que les lames sont numérisées par l'imageur numérique
et analysées sur la station de lecture, le serveur stocke, récupère et transmet des informations
basées sur l'identifiant du cas.
Le cytotechnicien ou l'anatomopathologiste lit les cas sur la station de lecture. La station de
lecture est un ordinateur dédié exécutant une application logicielle de station de lecture avec
un moniteur adapté à la lecture diagnostique des objets d'intérêt et/ou des images complètes
des lames. La station de lecture est connectée à un clavier et à une souris. Lorsque l'identifiant
patient valide d'un cas a été identifié sur la station de lecture, le serveur envoie les images
correspondant à ce numéro. Le cytotechnicien ou l'anatomopathologiste reçoit une galerie
d'images des objets d'intérêt correspondant à cette lame.
Lorsqu'une image est en cours de lecture, le cytotechnicien ou l'anatomopathologiste a la
possibilité de marquer électroniquement les objets d'intérêt et d'inclure ces marques dans
l'analyse de la lame. Le lecteur a toujours la possibilité de se déplacer et de zoomer sur l'image
complète de la lame, ce qui lui donne une liberté totale pour amener n'importe quelle partie du
spot cellulaire dans le champ de vision afin de l'examiner.
En cas d'incident grave lié à ce dispositif ou à tout composant utilisé avec ce dispositif, le
signaler à l'assistance technique d'Hologic et à l'autorité compétente locale de l'utilisateur
et/ou de la patiente.
Genius Cervical AI : Description de l'algorithme
L'algorithme Genius Cervical AI est conçu pour localiser et présenter les cellules les plus
pertinentes d'un point de vue diagnostique à partir d'une image complète d'une lame de
frottis ThinPrep afin de faciliter la lecture par le cytologiste et l'anatomopathologiste.
L'algorithme fonctionne en localisant chaque cellule dans l'ensemble de l'image de la lame
et applique un modèle d'IA d'apprentissage profond formé pour catégoriser chaque cellule.
Les cellules les plus susceptibles d'être anormales sont affichées dans une galerie. Les cellules
présentant une morphologie similaire et pertinentes sur le plan diagnostique sont regroupées en
cinq lignes dans la galerie. Par exemple, les cellules à noyau hypertrophié ou les koïlocytes sont
placés dans la première ligne, tandis que les organismes infectieux détectés par le modèle de
reconnaissance d'images sont regroupés dans la dernière ligne.
Le modèle d'IA a été entraîné à reconnaître les caractéristiques morphologiques des images
cellulaires en couleur 40X. L'ensemble d'apprentissage était basé sur un grand nombre
d'échantillons individuels de frottis ThinPrep collectés dans de nombreux laboratoires cliniques
aux États-Unis. Plusieurs exemples de cellules ont été choisis dans chaque lame et annotés par
des experts pour la formation du modèle d'IA d'apprentissage profond. Des techniques standard
d'apprentissage profond ont été appliquées pour améliorer la robustesse de l'algorithme en ce
qui concerne les types de variation des données d'image, telles que la position, l'orientation et
les changements de couleur.
Système Genius Digital Diagnostics AW-30074-2201 Rev. 001 1-2024
MC
Français pour le Canada Mode d'emploi 3/36