- CleaRecon DL ha ottenuto la certificazione FDA 510(k) e la marcatura CE, aprendo nuove prospettive per un utilizzo ottimale delle tecnologie di imaging 3D intra-procedurale, con l’obiettivo di migliorare gli esiti clinici e operativi
- L’algoritmo AI potenzia la qualità dell’immagine e la sicurezza diagnostica, favorendo una più ampia adozione della tomografia computerizzata a fascio conico (CBCT)
GE HealthCare ha annunciato il lancio di CleaRecon DL, una tecnologia basata su un algoritmo di deep learning progettata per migliorare la qualità delle immagini ottenute con la tomografia computerizzata a fascio conico (CBCT). Questa soluzione, alimentata da intelligenza artificiale (AI), è studiata per eliminare gli artefatti a striature causati dalla pulsatilità del flusso ematico arterioso e dalle variazioni nella distribuzione del mezzo di contrasto durante le acquisizioni CBCT nelle procedure interventistiche epatiche, prostatiche, neurovascolari e di riparazione endovascolare dell’aorta. CleaRecon DL ha recentemente ottenuto la certificazione 510(k) della FDA statunitense e la marcatura CE, ed è disponibile per l’utilizzo sulla piattaforma Allia™.[¹]
La CBCT viene utilizzata nelle sale interventistiche per fornire immagini in sezione trasversale durante le procedure. Tuttavia, la qualità delle immagini ricostruite può risultare compromessa da artefatti dovuti alla pulsazione dei vasi, che ne riducono nitidezza e accuratezza. Queste limitazioni possono minare la fiducia nell’interpretazione delle immagini CBCT e ostacolarne l’impiego routinario nella pratica clinica.[²] Nonostante tali criticità, la CBCT rimane essenziale per la sua capacità di offrire una visualizzazione dettagliata dell’anatomia, migliorando la precisione degli interventi.
“L’introduzione di CleaRecon DL rappresenta un salto di qualità per la sala interventistica e per l’evoluzione stessa della CBCT. Migliorando la qualità dell’immagine e riducendo gli artefatti, questa tecnologia consente ai clinici di operare con maggiore precisione e sicurezza,” ha dichiarato Arnaud Marie, General Manager Interventional Solutions di GE HealthCare. “Questa innovazione si inserisce nel nostro portafoglio di soluzioni pensate per migliorare l’esperienza d’uso e l’efficienza dei flussi di lavoro, supportando i medici nell’erogare interventi più accurati ed efficaci a beneficio dei pazienti.”
Il deep learning è oggi la tecnica di machine learning più avanzata per l’elaborazione delle immagini: un’intelligenza artificiale addestrata per generare dati ed eseguire compiti specifici.[³] CleaRecon DL utilizza algoritmi di deep learning per generare immagini CBCT più nitide e accurate, offrendo ai professionisti sanitari un supporto concreto nel processo decisionale clinico e contribuendo a migliorare la qualità dell’assistenza.
Nei test di validazione clinica, un recente studio ha evidenziato che, nel 98% dei casi, le immagini CBCT ricostruite con CleaRecon DL risultano più chiare rispetto a quelle convenzionali, mentre nel 94% dei casi è stato riportato un aumento della sicurezza diagnostica da parte dei medici.[⁴]
“CleaRecon DL porta la CBCT a un livello superiore, consentendo ai clinici di utilizzarla con sicurezza anche nei pazienti più complessi, grazie a strumenti che garantiscono la massima qualità d’immagine e trattamento in una vasta gamma di scenari clinici,” ha affermato il Dr. Charles Nutting[5], radiologo interventista di Denver, Colorado. “Questo progresso migliora la precisione negli interventi, riducendo la necessità di manipolare le immagini ed eliminando artefatti che storicamente ne compromettevano la chiarezza. Un’evoluzione che si traduce in un'assistenza migliore per i nostri pazienti.”
CleaRecon DL è disponibile negli Stati Uniti e nell’Unione Europea. [6] La soluzione è stata presentata sulla piattaforma Allia in occasione del Global Embolization Symposium & Technologies (GEST) 2025, che si è tenuto dal 15 al 18 maggio a New York.
Per maggiori informazioni su CleaRecon DL, visita:
👉 CBCT
[1] CleaRecon DL è un’opzione della suite 3DXR, progettata per l’utilizzo con i sistemi Allia IGS 5 e Allia IGS 7 e richiede una workstation AW dotata di Volume Viewer.
[2] Matthias Barral, Olivier Chevallier, Francois H. Cornelis, Perspectives of Cone-beam Computed Tomography in Interventional Radiology: Techniques for Planning, Guidance, and Monitoring, Techniques in Vascular and Interventional Radiology, Volume 26, Issue 3, 2023, https://doi.org/10.1016/j.tvir.2023.100912.
[3] Dede, A., Nunoo-Mensah, H., Tchao, E. T., Agbemenu, A. S., Adjei, P. E., Acheampong, F. A., & Kponyo, J. J. (2025). Deep learning for efficient high-resolution image processing: A systematic review. Intelligent Systems with Applications, 26, 200505. https://doi.org/10.1016/j.iswa.2025.200505
[4] Dati interni di archivio di GE HealthCare.
[5] Il Dr. Nutting è un consulente retribuito da GE HealthCare e ha ricevuto un compenso per la partecipazione a questa testimonianza. Le dichiarazioni riportate riflettono le sue opinioni personali e i risultati ottenuti nel proprio specifico contesto clinico. Poiché non esiste un "ospedale tipo" e le variabili (dimensioni della struttura, tipologia di casi, ecc.) sono molteplici, non è possibile garantire che altri utenti ottengano gli stessi risultati.
[6] CleaRecon DL potrebbe non essere disponibile in tutti i Paesi. Per ulteriori informazioni, contattare il proprio referente commerciale GE HealthCare.
