Ce site utilise des cookies afin que nous puissions vous fournir la meilleure expérience utilisateur possible. Les informations sur les cookies sont stockées dans votre navigateur et remplissent des fonctions telles que vous reconnaître lorsque vous revenez sur notre site Web et aider notre équipe à comprendre les sections du site que vous trouvez les plus intéressantes et utiles.

Client
Une organisation de recherche et de diagnostic était à la recherche d’une solution innovante permettant l’identification automatique et rapide des souches bactériennes. L’objectif du client était de réduire les coûts, d’accélérer les délais d’analyse, et de permettre l’identification de multiples espèces dans un seul test, sans avoir recours à des procédures de laboratoire coûteuses et chronophages.
Défi
Les méthodes traditionnelles d’identification bactérienne présentaient des limites importantes :
- Elles nécessitaient jusqu’à 7 jours d’attente pour obtenir un résultat et mobilisaient du personnel hautement qualifié.
- Les techniques modernes comme la PCR étaient onéreuses et ne permettaient pas de détecter simultanément toutes les souches bactériennes dans un seul échantillon.
Le client avait besoin d’un système performant capable d’automatiser le processus d’identification bactérienne tout en accélérant considérablement les analyses.
Solution
Le projet a été divisé en trois étapes principales :
- Conception du système d’imagerie et développement du concept initial
Une solution optique dédiée a été développée pour enregistrer les motifs de Fresnel produits par les colonies bactériennes. Les données d’imagerie générées ont constitué la base des analyses ultérieures. - Traitement des données et développement du modèle IA/ML
Nous avons mis en place un processus d’extraction de caractéristiques morphologiques et texturales numériques permettant de différencier les souches selon leurs motifs. Ensuite, un modèle IA/ML a été conçu pour identifier des dizaines d’espèces bactériennes ou signaler l’absence de correspondance en cas de faible similarité. - Validation et optimisation de la solution
Le modèle a été testé et a atteint une précision d’identification supérieure à 96 %, validée par un laboratoire indépendant au Royaume-Uni. Le système a été conçu pour s’intégrer facilement dans les procédures microbiologiques de routine.
Résultats
- Nous avons mis au point un système très bien accueilli par les équipes de laboratoire du client. Il a atteint une précision d’identification supérieure à 96 %, confirmée par un laboratoire certifié.
- Le temps d’analyse a été réduit de 7 jours à un maximum de 24 heures. Le système permet l’identification simultanée de plusieurs souches bactériennes en un seul test.
- Les équipements et réactifs utilisés dans la solution sont conformes aux normes de laboratoire, avec un seul composant supplémentaire. Le même échantillon peut également être analysé par d’autres méthodes, ce qui renforce la flexibilité du processus diagnostique.
- Le développement et la collaboration avec le client se sont déroulés sans accroc et ont été étroitement suivis. Notre équipe a partagé son expertise tout au long du projet, facilitant ainsi le déploiement et l’utilisation future du système.

Utilisation de l’IA/ML pour la prédiction du risque d’hypoglycémie chez les patients diabétiques
Conception, développement, DevOps ou Cloud - de quelle équipe avez-vous besoin pour accélérer le travail sur vos projets ?
Discutez avec vos partenaires de consultation pour voir si nous sommes compatibles.
Jakub Orczyk
Membre du Conseil d’administration/Directeur des ventes VM.PL
Réservez une consultation gratuite