ROP AI

Die weltweit erste echte Offline-ROP-KI-Lösung für das Screening und die Dokumentation der Frühgeborenen-Retinopathie (ROP)

Erkennen Sie kritische ROP- und Plus-Erkrankungen. Jederzeit und überall

ROP AI ermöglicht es Technikern, verweisbare ROP- und Plus-Krankheit schnell zu identifizieren, ohne dass sie einen Internetzugang oder einen Facharzt benötigen, und ermöglicht so sofortige Maßnahmen, die das Erblindungsrisiko bei Frühgeborenen verringern.

Nahtlos, sicher und vollständig offline

Mit Deep Learning-gestützter KI, die ohne Internet läuft, können Sie überall Bildschirm anzeigen. Berichte mit einem Klick und Heatmaps zu Läsionen machen es einfach, ROP-Fälle zu erkennen — schnell, sicher und in jeder Umgebung zugänglich.

Verbesserte Visualisierung und Klarheit

KI-generierte Karten zur Klassenaktivierung und Nachbearbeitung verbessern die Sichtbarkeit von Läsionen auch bei Bildern mit niedriger Qualität und helfen Optikern und Augenärzten dabei, Problembereiche schnell zu identifizieren.

Mehr ansehen. Mehr tun

Die Dual-AI-Engine verbessert die Bildqualität und lenkt die Bildausrichtung, während Heatmaps Auffälligkeiten hervorheben und so selbst bei Aufnahmen mit geringer Qualität eine präzise Erkennung ermöglichen, und das mit minimalem Benutzeraufwand.

Reduzieren Sie die Überprüfungszeit. Erweitern Sie die Reichweite des Screenings

Durch die sofortige Kennzeichnung nicht überweisbarer Fälle reduziert ROP AI die Zeit für die Überprüfung durch Spezialisten und ermöglicht so eine schnellere Triage, eine höhere Screening-Leistung und eine breitere Abdeckung auf der Intensivstation, ohne die Versorgung zu beeinträchtigen

Klinisch validiert und vertrauenswürdig

Die KI wurde in von Experten begutachteten Forschungsarbeiten und realen NICU-Umgebungen validiert und ist ein bewährtes, zuverlässiges Instrument zur Entscheidungsunterstützung für frühzeitiges, evidenzbasiertes ROP-Screening.
(Vinekar et al., Frontiers pediatrics 2023)
Wert
95% des CI
Empfindlichkeit
100%
93,02 — 100%
Spezifität
93,7%
86,2 — 94,76%
Genauigkeit
93%
89,04 — 95,87%
Frontiers | Entwicklung und Validierung eines auf künstlicher Intelligenz basierenden Screening-Tools zum Nachweis einer Frühgeborenen-Retinopathie in einer südindischen Population