Cube Labs investe in DeepCyt: l'IA per la citologia liquida
- Cube Labs ha acquisito l'1,1% di DeepCyt, startup milanese specializzata in IA per l'analisi di immagini citologiche.
- DeepCyt sviluppa una piattaforma per la citologia in fase liquida (LBC), focalizzandosi inizialmente sulla citologia urinaria.
- L'operazione crea sinergie strategiche con Hiperforming Research, già in portafoglio di Cube Labs.
- Il prodotto è in fase preclinica (MVP in sviluppo) e dovrà affrontare la validazione clinica e la certificazione CE-IVD.
Un ticket minimo per un salto tecnologico
L'operazione finanziaria è, per numeri, quasi invisibile. Cube Labs S.p.A., venture builder quotato su Euronext Growth Milan, ha perfezionato la sottoscrizione di una quota pari all'1,1% dell'aumento di capitale di DeepCyt Srl. La nota ufficiale parla di un 'ticket minimo'. In termini di governance, l'impatto è marginale; in termini di posizionamento strategico, invece, l'operazione serve a piantare una bandiera in un segmento specifico della diagnostica digitale.
DeepCyt, startup innovativa con sede a Milano, non è un'azienda consolidata ma un laboratorio di innovazione che sta costruendo una piattaforma software basata sull'intelligenza artificiale. L'obiettivo è l'analisi delle immagini citologiche, un campo dove l'occhio umano, per quanto esperto, deve confrontarsi con volumi di dati e vetrini sempre più massivi.
Per un imprenditore, questo movimento di Cube Labs non va letto come un investimento di capitale per il ritorno immediato, ma come un'operazione di scouting tecnologico. Entrare nel capitale, anche con una quota esigua, permette di monitorare da vicino l'evoluzione di un MVP (Minimum Viable Product) e di creare un ponte diretto tra la ricerca applicata e il mercato della sanità digitale.
DeepCyt e la sfida della liquid-based cytology
Il cuore tecnologico di DeepCyt risiede nella cosiddetta liquid-based cytology (LBC), ovvero la citologia in fase liquida. A differenza dei metodi tradizionali, la LBC permette di ottenere vetrini più puliti e standardizzati, facilitando la lettura dei campioni. DeepCyt sta sviluppando una piattaforma che integra modelli proprietari di intelligenza artificiale, i quali sono stati affinati attraverso l'uso di dati raccolti e il feedback costante di patologi esperti.
Il primo target applicativo scelto dalla startup è la citologia urinaria. Questa scelta non è casuale: si tratta di un'area con un potenziale di crescita significativo, specialmente se si guarda alla possibilità di implementare futuri programmi di screening su larga scala.
Attualmente, la soluzione si trova in una fase delicata e cruciale: quella preclinica. Il modello di IA è ancora in fase di addestramento e l'MVP è in fase di sviluppo. Prima di poter entrare nei laboratori e negli ospedali, il software dovrà superare due step obbligati: la validazione clinica e l'ottenimento della certificazione CE-IVD, indispensabile per i dispositivi medico-diagnostici in vitro nell'Unione Europea.
Perché l'IA deve leggere i vetrini?
La domanda che un investitore o un manager sanitario si pone è: quale valore aggiunto apporta l'IA rispetto al patologo? La risposta non risiede nella sostituzione del medico, ma nel supporto alla refertazione. L'obiettivo dichiarato di DeepCyt è rendere i processi di refertazione più rapidi ed efficienti, supportando i citopatologi nella lettura dei campioni.
Analisi strategica: l'automazione della lettura dei vetrini risolve un collo di bottiglia operativo. In un sistema sanitario sotto pressione, ridurre i tempi di analisi senza sacrificare l'accuratezza significa aumentare il throughput dei laboratori. L'IA agisce come un filtro primario, capace di evidenziare aree di interesse o scartare campioni non significativi, permettendo al patologo di concentrare l'attenzione sui casi più complessi o sospetti.
L'efficienza operativa si traduce in un vantaggio competitivo per i centri diagnostici: meno tempo per referto, minore rischio di errore umano dovuto alla fatica visiva e una standardizzazione del risultato che prescinde dalla soggettività del singolo operatore.
Il legame con Hiperforming Research
L'ingresso di Cube Labs in DeepCyt non è un evento isolato, ma un tassello di un puzzle più ampio. L'operazione è coerente con il portafoglio del venture builder, in particolare per la presenza di Hiperforming Research. Quest'ultima è specializzata nello sviluppo di soluzioni basate su intelligenza artificiale e deep learning, con un focus specifico sull'analisi automatizzata di immagini digitali e microscopiche.
La complementarità tra le due realtà è il vero motore dell'operazione. Mentre DeepCyt apporta la verticalità clinica (la citologia liquida e l'accesso ai dati dei patologi), Hiperforming Research fornisce l'infrastruttura tecnologica e l'esperienza nel deep learning applicato alle immagini.
Le sinergie attese si articolano su tre assi principali:
- Elaborazione delle immagini: ottimizzazione degli algoritmi di visione artificiale per l'estrazione di feature citologiche.
- Gestione dei dati: creazione di pipeline efficienti per l'archiviazione e il processamento di grandi moli di immagini digitali.
- Addestramento dei modelli: accelerazione del training dell'IA attraverso l'incrocio di competenze tecniche e feedback clinici.
Questo modello di 'ecosistema' permette a Cube Labs di ridurre il rischio d'impresa: non investe in una singola startup, ma crea una rete di competenze che si alimentano a vicenda, accelerando il time-to-market della soluzione di DeepCyt.
La diagnostica digitale tra AI Act e l'efficienza dei laboratori italiani
L'operazione descritta in MarketScreener si inserisce in un contesto normativo europeo estremamente rigoroso. Per le imprese italiane che operano nell'IA healthcare, il riferimento principale è oggi l'AI Act.
I software di diagnostica medica, come quello di DeepCyt, rientrano quasi certamente nella categoria dei sistemi ad alto rischio. Ciò implica obblighi severi in termini di qualità dei dataset di addestramento, trasparenza degli algoritmi e supervisione umana. La certificazione CE-IVD citata nelle fonti non è solo un bollino tecnico, ma il prerequisito legale per l'immissione in commercio.
Implicazioni per il mercato italiano: l'Italia possiede un'eccellenza nella patologia, ma soffre di una frammentazione digitale nei laboratori. L'adozione di piattaforme come quella di DeepCyt potrebbe spingere verso una digitalizzazione forzata dei vetrini (Whole Slide Imaging), creando un mercato secondario per l'hardware di scansione e per i servizi di cloud storage certificato per dati sanitari.
Per gli imprenditori del settore, l'indicatore da osservare nei prossimi 18-24 mesi sarà l'avvio dei trial clinici di DeepCyt. Il passaggio dalla fase preclinica alla validazione clinica è il momento di massima vulnerabilità, ma anche quello che determina l'impennata del valore della startup.
In sintesi, l'operazione di Borsa Italiana evidenzia come il venture capital nel settore health-tech si stia spostando verso investimenti 'chirurgici', dove la quota di capitale è minima ma la sinergia tecnologica è massima.
Domande frequenti
Qual è la quota acquisita da Cube Labs in DeepCyt?
Cube Labs ha sottoscritto una quota pari all'1,1% dell'aumento di capitale di DeepCyt Srl.
In quale fase di sviluppo si trova la piattaforma di DeepCyt?
La soluzione è attualmente in fase preclinica; il modello di IA è in addestramento e il Minimum Viable Product (MVP) è in fase di sviluppo.
Qual è il primo ambito di applicazione della tecnologia DeepCyt?
Il primo ambito di applicazione è la citologia urinaria, vista come un'area con significativo potenziale di crescita per futuri programmi di screening.
Quali sono i passaggi necessari prima della commercializzazione del software?
La startup dovrà completare la validazione clinica e ottenere il percorso di certificazione CE-IVD.
Fonti: Borsaitaliana, It, Cube-labs ·
glacom · Intelligenza artificiale per aziende: i modelli girano sui tuoi server, i dati non escono →Scrivila qui: Susanna, l assistente AI di glacom, ti risponde via email con un approfondimento gratuito.
Nessuna consulenza personalizzata (finanziaria, legale o medica): solo informazione e fonti. Email usata solo per rispondere.
oppure scrivile su: WhatsApp · Telegram · SimpleX · Delta Chat · Email
