● Plateforme IA · v4.0 release
Données cliniques.
Modèles entraînés.
Décisions assistées.
Une plateforme open-source pour entraîner, valider et déployer des modèles d’IA dédiés à l’imagerie ortho. Conçue avec et pour les chirurgiens.
96.4%
Sensibilité moyenne
modèles validés sur cohortes hospitalières
12 hôpitaux
Réseau partenaire
Suisse · France · Belgique
47 publis
Articles peer-reviewed
2024-2026
Open-source
MIT License
GitHub · 3.2k ★
→ Réseau clinique
Sept centres. Cinq pays. Une plateforme.
Données partagées sous IRB commun, modèles fédérés, publications conjointes. Aucune donnée ne quitte l’établissement d’origine.
→ Stack technique
Une infrastructure pensée pour la recherche clinique.
PyTorch Lightning + MONAI pour l’entraînement, FastAPI + ONNX Runtime pour l’inférence, DICOM-natif, déployable on-prem ou cloud HDS.
- → DICOM · ingestion native, anonymisation auto
- → MONAI · pipeline d’entraînement reproductible
- → ONNX · inférence cross-platform, latence < 3s
- → HDS / HIPAA · hébergement certifié données santé
Pipeline d’entraînement reproductible pour modèles d’IA en imagerie ostéo-articulaire. PyTorch Lightning + MONAI, déployable on-prem ou cloud HDS.
— Études déployées
Cas cliniques en cours.
CHUV — Lausanne
Détection de fractures occultes
Cohorte 4,200 IRM · sensibilité +18% vs lecture standard
AP-HP — Paris
Planification PTH patient-spécifique
Réduction temps op. -23%, complications -41%
UZ Leuven
Suivi post-op intelligent
Capteurs IMU · prédiction risque complication 30j
→ Bénéfices mesurés
Le quotidien clinique, avant et après.
Prêts à entraîner votre premier modèle ?
Accès complet à la plateforme · documentation · sandbox de 30 jours.