Hub integrat de testări genomice comprehensive, dezvoltat de IOCN în cadrul CNCC, reunind tehnologii NGS, testare OncoDEEP (638 gene ADN + 22 transcripți ARN), platforma Genexus™ și Boardul Tumoral Molecular (MTB) pentru implementarea medicinei personalizate în oncologie.

Toolkit pentru analiza automată a mamografiilor, bazat pe un pipeline în doi pași — detecție (YOLOv10) urmată de segmentare precisă (U-Net/ResNet34) — cu mecanisme de explicabilitate Grad-CAM pentru identificarea leziunilor multiple.

Acest toolkit are rolul de a realiza automat filtrarea secțiunilor sănătoase 2D și 3D și segmentarea tumorilor de plămân de diferite dimensiuni din imagini CT (în format RAS - dreapta, anterior, posterior )/PT/NPY . Sistemul are la bază un model cascadat care stabilește dacă o secțiune 2D este sănătoasă, sau împarte un CT 3D în secțiuni 2D și le filtrează. În cazul 2D, secțiunile identificate drept tumorale sunt segmentate automat prin mai multe metode și este oferită utilizatorului masca obținută de ansamblu. În cazul 3D, se aplică algoritmi 2D secțiune cu secțiune și algoritmi 3D al căror rezultat este condiționat cu zerouri în zona considerată sănătoasă de algoritmii 2D.

Acest serviciu analizează automat înregistrările video ale colonoscopiilor pentru a calcula timpii de retragere per segment anatomic al colonului, un indicator esențial al calității procedurii. Sistemul identifică automat regiunile colonice cadru cu cadru, separă intervalele de inspecție utilă de perioadele neinformative (curățare, contact cu peretele colonic) și generează un raport detaliat cu indicatori comparabili cu pragurile recomandate de ghidurile clinice. Scopul principal este sprijinirea gastroenterologilor în autoevaluarea și îmbunătățirea continuă a tehnicii de retragere, prin furnizarea unor măsurători obiective și reproductibile, independente de subiectivitatea observatorului.

Acest toolkit are rolul de a analiza automat conectivitatea funcțională a creierului pe baza datelor fMRI în stare de repaus (rs-fMRI) și de a identifica abateri față de un model considerat „normal", pentru a evidenția modificări asociate unor tulburări psihiatrice respectiv durerii cronice. Practic, sistemul construiește un model de referință al modului în care interacționează rețelele cerebrale la persoane sănătoase și compară ulterior datele pacienților cu acest standard, pentru a detecta tipare anormale de conectivitate. Scopul principal este sprijinirea descoperirii unor biomarkeri neuroimagistici obiectivi, care ar putea contribui la diagnostic mai precis și medicină personalizată.

Acest serviciu oferă o analiză automată bazată pe deep learning pentru segmentarea morfologică a cancerului colorectal în imagini de tip Whole Slide Image (WSI). Modelul realizează o segmentare la nivel de pixel în cinci categorii histologice distincte — stromă, invazie adenocarcinomatoasă, displazie de grad înalt și scăzut și glandă normală — reducând variabilitatea inter-observator și sprijinind patologii și gastroenterologii în identificarea eficientă a regiunilor de interes histologic.