ENGINEERING · IMAGING · ARTIFICIAL INTELLIGENCE

Build technology around the gaps in care.

From automated microscopy to retinal imaging, microscopIA brings engineering and clinical expertise together to study tools that could expand access to specialist capacity.

WORK WITH MICROSCOPIA

Have clinical images, a dataset, a prototype or technology to evaluate?

01

We build

For teams with clinical images, data or an engineering need.

Proposed scope: data preparation, model development, prototype requirements and testing.

To begin

A description of the data, available permissions and intended use.

Discuss this project →
02

We validate

For investigators and developers studying technology performance.

Proposed scope: study design, evaluation plan, performance analysis and limitations.

To begin

System version, target population, metrics and available evaluation data.

Discuss this project →
03

We evaluate

For institutions considering adoption of a healthcare technology.

Proposed scope: economic evaluation, implementation analysis and decision evidence.

To begin

Care setting, comparator, costs and the decision to be informed.

Discuss this project →

Agree the engagement before work begins

Research collaboration requires agreed scientific contributions and responsibilities. Paid scientific services are quoted by scope and deliverables. Technology development and validation require specific plans, permissions and evaluation criteria; neither implies regulatory authorization.

Send a nonconfidential brief. We review feasibility, disciplines, timing and budget before agreeing the project.

Two programs. A shared purpose.

PROPOSED DEVELOPMENT PATHWAY

From a clinical need to evidence

  1. 01Define the unmet need
  2. 02Engineer and test
  3. 03Validate independently
  4. 04Assess readiness for use

Technologieevidenz · konsequent menschengesteuert

Geräte und KI in Entwicklung.

Diese Evidenzfamilie dokumentiert Konzepte, physische Prototypen, aufgabenspezifische Entwicklungswerte, Validierungslücken und menschliche Entscheidungsgrenzen. microscopIA entwickelt Technologie für Regionen mit begrenzter Fachkapazität, ohne Forschungssysteme als klinische Produkte darzustellen.

CAD-KonzeptdarstellungStumme 45-Sekunden-Rotation eines frühen Forschungsgehäuses mit Basis. Sie belegt weder klinische Leistung noch ein zugelassenes Medizinprodukt.

Von microscopIA geleitetes Geräte–KI-Programm · Forschungsphase

Forschung zu Netzhautbildgebung und Überweisungsunterstützung bei Frühgeborenen

microscopIA entwickelt ein integriertes Forschungssystem für Netzhautaufnahmen bei Frühgeborenen. Aktuelle Konzepte untersuchen, wie ein kamerabasiertes System—möglicherweise mit kompatiblen Smartphones—während der Aufnahme ausgerichtet und stabilisiert werden könnte.

Modelle analysieren deidentifizierte Netzhautbilder, um Bildqualität und ROP-bezogene Merkmale zu untersuchen. Ein künftiger Einsatz wird für angemessen geschulte Neonatologen, neonatologische Pflegefachkräfte und Ärzte, einschließlich Hausärzten wo zulässig, unter genehmigten institutionellen Protokollen und im örtlichen Tätigkeitsbereich geprüft.

Menschengesteuerter Forschungsablauf

  1. Bestehendes Eignungs- und Nachsorgeprotokoll
  2. Aufnahme durch geschulte Fachkraft
  3. Bildqualitätsprüfung und Forschungs-KI
  4. Qualifizierte klinische Prüfung
  5. Etablierte fachärztliche Überweisung und Nachsorge

Nicht beurteilbares Bild oder fehlgeschlagene Aufnahme → nach genehmigtem Protokoll wiederholen oder eskalieren. Es gibt keinen von der KI erzeugten Weg „keine Überweisung“.

Neuester bereitgestellter KI-Entwicklungsstand

Aufgabenspezifische Kennwerte—keine klinische Leistung.

Quelle zuletzt geändert am 19. November 2025. Die Werte werden nach Aufgabe getrennt, da der Datensatz keine Leistung des integrierten Systems belegt.

Stadienbezogene Bildklassifikation

92,03 %Genauigkeit · berichteter WertGCViT · 1.099 öffentliche Bilder

Plus-Disease-Klassifikation

93,1 %Genauigkeit · berichteter WertResNet50 · öffentlicher Entwicklungsdatensatz

Gefäßsegmentierung

76,81 %Intersection over UnionU-Net · HVDROPDB
Wie sind diese Ergebnisse zu verstehen?

Dies sind frühe Kennwerte aus der Modellentwicklung. Sie bewerten weder das vollständige Gerät noch sagen sie ein Ergebnis für ein einzelnes Frühgeborenes voraus.

  • Genauigkeit (%) bezeichnet den Anteil der gekennzeichneten Bilder, die im für diese Aufgabe verwendeten Datensatz richtig klassifiziert wurden. Sie ist nicht die Wahrscheinlichkeit, dass ein einzelnes Ergebnis richtig ist.
  • Intersection over Union (IoU, %) vergleicht die vom Modell segmentierte Fläche mit Referenzmarkierungen. Eine größere Überlappung ist für diese Segmentierungsaufgabe besser, belegt aber keinen klinischen Nutzen.
  • Jeder Wert stammt aus einem anderen Modell und Datensatz. Die Werte sollten nicht miteinander verglichen werden. Die Quelle ließ bei den beiden Genauigkeitswerten das Prozentzeichen weg; zur besseren Lesbarkeit verwendet diese Seite die übliche Skala von 0 bis 100 Prozent.
  • Die Ergebnisse belegen weder externe Validierung noch Leistung in der klinischen Praxis oder des integrierten Geräts. Wichtige Angaben, darunter einige Stichprobengrößen und Konfidenzintervalle, fehlen.
Methoden, weitere Ergebnisse und Grenzen
Stadienbezogene Klassifikation
Präzision 93,39; Recall/Sensitivität 92,03; F1 92,32. Klassen: Normal, Stadien 1–3 und Lasernarben. Stadien 4 und 5 fehlten; die Ergebnisse erlauben keine sichere Priorisierung.
Plus-Disease-Klassifikation
Präzision 88,9; Recall/Sensitivität 89,8; F1 89,4. Größe, patientenbezogene Aufteilung und Konfidenzintervalle wurden nicht angegeben.
Segmentierung
IoU 76,81 % mit HVDROPDB und U-Net. Externe Validierung ist nicht dokumentiert.
Noch nicht belegt
Für den binären ROP-Zweig wurde kein Kennwert geliefert. Die Zonenklassifikation wurde mangels eines geeigneten öffentlichen Datensatzes nicht trainiert.

Die Stadien- und Plus-Werte werden wie berichtet wiedergegeben; die Quelle druckt kein Prozentzeichen. Es handelt sich um getrennte Aufgaben mit öffentlichen Daten und unvollständigen Details. Sie sind weder vergleichbar noch extern, klinisch oder auf Geräteebene validiert. Spezifität, AUROC oder Konfidenzintervalle werden nicht behauptet.

Öffentliches Video des physischen Forschungsprototyps für automatisierte Mikroskopie.

Von microscopIA geleitete Technik · Laborprototyp

Forschung zur automatisierten Mikroskopie bei Malaria

Das öffentliche Video dokumentiert einen physischen Mikroskopieprototyp. Das Programm untersucht automatisierte Bildaufnahme und Software, die Kandidatenfelder, Qualitätsprobleme oder Proben zur Prüfung durch geschultes Laborpersonal markiert. Es bestätigt oder schließt Malaria nicht aus, bestimmt weder Art noch Dichte, wählt keine Behandlung und ersetzt weder Qualitätssicherung noch klinisches Urteil.

Research use and demonstration limits

Das öffentliche Video dokumentiert einen physischen Mikroskopieprototyp. Das Programm untersucht automatisierte Bildaufnahme und Software, die Kandidatenfelder, Qualitätsprobleme oder Proben zur Prüfung durch geschultes Laborpersonal markiert. Es bestätigt oder schließt Malaria nicht aus, bestimmt weder Art noch Dichte, wählt keine Behandlung und ersetzt weder Qualitätssicherung noch klinisches Urteil.

Jede künftige Anwendung auf eine andere mikroskopisch untersuchte Tropenkrankheit erfordert eigenen Zweck, Daten, Validierung und regulatorische Bewertung.

What you can see

A physical prototype and its public video demonstration. The video documents engineering development; it is not a diagnostic evaluation.

What we investigate

Automated image acquisition and software-assisted flagging of candidate fields or quality issues for review by trained laboratory professionals.

What still needs evidence

Intended-use performance, reproducibility, safety, usability and independent validation with appropriate samples and professionals. These stages are not presented as completed.

What could your team contribute?

Laboratories, malaria experts, engineers and institutions can propose a research scope: reference methods, acquisition evaluation, authorized data, human factors or validation. Responsibilities, resources, ethics, data access and intellectual property are agreed first.

Propose a microscopy collaboration

Zugang von Anfang an

Die Forschung priorisiert Regionen mit wenigen Fachkräften und wenig Infrastruktur.

Menschliche Verantwortung

Technik kann Aufnahme und Priorisierung unterstützen; qualifizierte Fachkräfte entscheiden.

Evidenz vor Einsatz

Sicherheitstechnik, Gebrauchstauglichkeit, Governance, Schulung und unabhängige Validierung gehen klinischer Nutzung voraus.

Kooperationsfelder: ROP und Kinderophthalmologie, Neonatologie, Optik und Bildgebung, Human Factors, Geräteentwicklung, klinische KI-Validierung, Labormikroskopie, Qualität und Regulierung.

Verantwortliche Finanzierung erkunden

SCIENTIFIC AND TECHNOLOGY COLLABORATION

What could we develop together?

Bring a clinical need, technical capability or evaluation proposal. Feasibility, responsibilities and scope are agreed before work begins.

Clinical teams

Define intended use, service needs and the evaluation setting.

Engineering and AI

Explore imaging, automation, data quality and model evaluation.

Institutions and partners

Propose resources, infrastructure or collaboration for a defined development phase.

Discuss an AI or Biomedical Project →

RESEARCH · DEVELOPMENT STAGE

Development is not clinical authorization.

The work shown here is investigational. Qualified professionals retain clinical decisions. Each system needs evidence appropriate to its intended use, safety assessment and applicable regulatory review before clinical deployment.

Scientific and technology governance