Actualité

  • Recherche clinique : l’Europe rend la recherche visible et accessible grâce à la carte du CTIS

    Un outil de transparence et d’accessibilité inédit

    Une carte interactive pensée pour tous :

    Sur ce portail du Clinical Trials Information System (dirigé par l’Agence européenne des médicaments (EMA)), la carte se présente comme une vue dynamique de l’Europe constellée de points colorés représentant les essais cliniques actifs. En survolant une région, l’utilisateur découvre les études en cours, leurs thématiques et leurs coordonnées d’investigation. L’interface, volontairement épurée, offre un moteur de recherche intelligent : il suffit de saisir une maladie ou un mot-clé (“diabète”, “cancer du sein”, “Alzheimer”…) pour que les résultats s’affichent instantanément. Un système d’autocomplétion et de correction automatique simplifie l’expérience, même pour les non-spécialistes.

    Chaque essai est relié à une fiche issue du CTIS, contenant des informations essentielles : statut du recrutement, pays participants, type d’étude, coordonnées des investigateurs et dates clés. Ces données sont mises à jour en temps réel à partir des enregistrements validés par les autorités nationales et l’EMA. Cette centralisation vise un double objectif : garantir la fiabilité des informations et encourager une participation éclairée aux essais.

    Carte des essais cliniques du CTIS - @EMA
    Carte des essais cliniques du CTIS – @EMA

    Une porte d’entrée vers la recherche clinique européenne

    Un moyen concret de s’informer et de participer pour les patients :

    Longtemps, la recherche clinique a souffert d’un manque de visibilité auprès du grand public. La carte du CTIS change la donne. En rendant accessibles les coordonnées des centres d’investigation, elle permet à un patient de repérer un essai proche de chez lui, de comprendre les critères d’inclusion et de contacter un professionnel pour en savoir plus. Cette transparence contribue aussi à renforcer la confiance dans la recherche, dans un contexte où l’implication citoyenne devient un pilier de l’innovation médicale.

    Un outil de repérage et de collaboration pour les professionnels :

    Médecins, chercheurs et promoteurs d’essais peuvent, de leur côté, cartographier le paysage européen de la recherche clinique. L’outil facilite la veille scientifique, la détection de partenaires potentiels et la compréhension des dynamiques nationales. Il permet aussi de visualiser la répartition des essais par thématique thérapeutique, offrant ainsi un aperçu inédit de la diversité et de la densité de la recherche biomédicale européenne.

    L’Europe affirme sa souveraineté scientifique

    Une politique de transparence assumée :

    La carte s’inscrit dans le prolongement du règlement européen sur les essais cliniques (CTR), qui a instauré le CTIS comme guichet unique de dépôt, d’évaluation et de publication des essais.
    Sous la supervision de l’EMA, ce système vise à rendre la recherche plus lisible, tout en garantissant le respect des standards éthiques et la protection des participants. La carte en est la traduction la plus visible : une interface publique, multilingue et inclusive, accessible à tous les citoyens européens.

    Vers un espace européen de la recherche plus compétitif :

    Au-delà de la transparence, le CTIS et sa carte interactive traduisent une ambition stratégique : renforcer la compétitivité de l’Europe face aux États-Unis et à l’Asie dans le domaine des biotechnologies et de la recherche clinique. Le Biotech Act, en préparation, viendra compléter cette dynamique en simplifiant encore le cadre réglementaire et en soutenant l’innovation scientifique. Ensemble, ces initiatives positionnent l’Europe comme acteur central de la recherche mondiale, fondée sur l’ouverture, la rigueur et la confiance.

  • IA en santé : gouvernance, formation, évaluation, les acteurs définissent les priorités

    Des établissements à la fois utilisateurs et “makers” d’IA

    À l’occasion d’une table ronde organisée durant la 4eme Journée nationale de l’innovation en santé numérique, et réunissant fédérations hospitalières, représentants des professionnels de santé, usagers et Haute Autorité de Santé (HAS), les acteurs du secteur ont détaillé les grands axes de la stratégie nationale sur l’intelligence artificielle (IA) appliquée à la santé.  Gouvernance territoriale, formation, cartographie des usages, évaluation et cadre réglementaire : autant de chantiers pour un déploiement sûr, utile et coordonné des technologies d’IA dans le système de santé. Les représentants hospitaliers ont rappelé que l’IA est déjà bien déployée dans les établissements, avec des stratégies d’extension territoriales sur un à trois ans — un rythme qualifié de « très rapide à l’échelle hospitalière ». Mais les hôpitaux ne sont pas de simples consommateurs d’IA : plusieurs développent eux-mêmes des solutions, créent des instituts et expérimentent des cas d’usage dans leurs services. Dans cette perspective, la gouvernance doit être ancrée dans les territoires.

    Former tous les professionnels, pas seulement la nouvelle génération

    Les organisations représentatives des professions de santé ont insisté sur l’importance de la formation et de l’accompagnement. Les transformations numériques s’accumulent — ordonnances, changements de pratiques, nouveaux logiciels, intelligence artificielle — mais les formats de formation actuels restent peu adaptés. Les constats sont partagés sur :

    • l’accès difficile aux formations (horaires, disponibilité) ;
    • le manque de mise en pratique immédiate entraînant un abandon rapide ;
    • la grande hétérogénéité des outils entre structures, services, établissements et territoires ;
    • la perte de motivation en l’absence d’accompagnement terrain.

    La formation, continue et adaptée est donc présentée comme une condition d’adoption.

    Cartographier les usages pour prioriser et guider le terrain

    L’un des piliers de la stratégie consiste à s’appuyer sur l’observatoire national des usages de l’IA en santé (Anap). Cet observatoire, déjà alimenté, recense plus de 60 retours utilisateurs, dans l’imagerie mais aussi dans les fonctions administratives, RH ou organisationnelles. Ses objectifs :

    • identifier ce qui fonctionne réellement dans les établissements ;
    • repérer les usages transférables ;
    • éclairer les choix des structures débutantes (« par où commencer ? ») ;
    • mutualiser les retours, contacts et retombées organisationnelles.

    Les participants ont plaidé pour élargir cette cartographie aux développements internes et aux indicateurs quantitatifs d’adoption.

    Mutualisation et réseau de vigilance : « Ce n’est pas un sujet technologique, mais une question de posture et d’organisation »

    Face à l’explosion du nombre de solutions d’IA, les établissements appellent à structurer une organisation nationale de mutualisation, reposant sur :

    • des établissements avancés jouant un rôle d’ambassadeurs ;
    • des dispositifs de vigilance et d’alerte, à l’image de ce qui existe en cybersécurité ;
    • des tiers-lieux d’expérimentation pour dérisquer, documenter et partager les retours.

    Pertinence : attentes fortes, craintes persistantes

    Les usagers demandent une implication systématique dans la conception, l’évaluation continue et l’évolution des solutions. Du côté des usagers, les attentes portent sur :

    • la précision diagnostique ;
    • la personnalisation des soins ;
    • la clarté des explications ;
    • le respect des données personnelles ;
    • la réduction des erreurs médicales ;
    • la fluidification du parcours de soins.

    Mais des craintes demeurent :

    • perte du lien humain ;
    • fiabilité des résultats ;
    • risque d’accentuation des inégalités d’accès ;
    • lisibilité insuffisante pour le grand public.

    Évaluation : la HAS prépare de nouveaux cadres adaptés à l’IA

    La Haute Autorité de Santé a rappelé que la majorité des systèmes d’IA utilisés aujourd’hui ne relèvent pas du marquage CE médical ou ne bénéficient pas d’un remboursement individualisé. Il faut donc inventer de nouveaux cadres. Parmi les enjeux identifiés :

    • évaluer plus régulièrement des systèmes en évolution constante ;
    • déterminer qui évalue (HAS, industriels, établissements, acteurs tiers) ;
    • définir les formats (évaluation individuelle ou par classe de technologies) ;
    • étudier la possibilité de labels ;
    • intégrer les impacts organisationnels, RH et financiers ;
    • vérifier l’adéquation entre données d’apprentissage et données utilisées en contexte réel.

    Une première évaluation servira de test méthodologique en 2026, notamment sur des cas d’usage d’électrocardiogrammes augmentés par IA.

    Responsabilité : un besoin urgent de clarification

    La question de la responsabilité en cas d’erreur liée à l’IA suscite de fortes attentes chez les professionnels comme chez les usagers. Aujourd’hui, le médecin demeure responsable de l’acte médical et l’établissement reste garant du cadre de soin, mais les praticiens rappellent qu’ils ne peuvent assumer seuls les conséquences d’erreurs provenant de mécanismes algorithmiques qu’ils ne maîtrisent pas. Les organisations professionnelles appellent ainsi à une clarification réglementaire, nationale et européenne, à une accélération des processus de validation des outils et à une transparence accrue sur la construction, l’évolution et les limites des systèmes d’IA.

    Acculturation, guides pratiques et masterclass

  • Données : 6 000 à 8 000 maladies rares, 5 ans d’errance diagnostique, 4 000 patients pour le projet InDiCE (JDS AP-HP 2025)

    A retenir :

    • Nombre de maladies rares en France : entre 6 000 et 8 000 ;
    • Durée moyenne d’errance diagnostique : 5 ans ;
    • Moins d’une personne sur 2 000 est concernée par chaque maladie rare ;
    • Le coût du séquençage génomique a chuté de manière exponentielle en 20 ans ;
    • Projet INDICE : clustering et phénotypage sur 4 000 patients ;
    • Consentement et confidentialité : suivi continu par comité éthique.

    La conférence s’est tenue dans le cadre de la Journée de la donnée de santé de l’AP-HP, édition 2025, réunissant experts et professionnels autour des enjeux et usages des données pour l’appui au soin, le pilotage, la recherche et l’innovation.
    L’objectif était de présenter les avancées et utilisations concrètes des données de génomique dans la prise en charge et la recherche sur les maladies rares, en mobilisant le plan national Maladies rares, la Banque nationale de données maladies rares (BNDMR), et les centres experts et filières de santé spécialisées.
    Les intervenants principaux : Pr Anita Burgun et Alban Lermine, tous deux spécialisés en traitement et génétique à l’Assistance Publique—Hôpitaux de Paris (AP-HP).

    3 Mds de bases impliquées dans le séquençage du génome

    Alabn Lermine commence par expliquer que le séquençage du génome entier (près de 3 milliards de bases) et l’utilisation de panels de gènes s’ancrent dans la routine diagnostique. Les coûts du séquençage ont fortement baissé permettant une extension des analyses. Ces données nécessitent une interprétation perpétuelle, avec la réouverture de dossiers en cas d’actualisation des bases de connaissances génétiques.

    Un point majeur s’est détaché de la présentation : celui de l’interprétation perpétuelle des données génétiques. Comme l’a illustré Alban Lermine, le patient peut être séquencé une seule fois, mais l’information génétique collectée est conservée et réinterrogée régulièrement à mesure que les connaissances et les bases de données internationales évoluent. Les intervenants ont souligné qu’avec chaque mise à jour des bases de connaissances, une extraction ciblée du registre de patients permet d’alerter le biologiste concerné et de rouvrir le dossier afin d’apporter un diagnostic ou un éclairage nouveau. L’exemple donné sur la déficience intellectuelle est particulièrement révélateur : la publication récente d’un bug sur une série de gènes a permis, dès le lendemain, d’identifier parmi 66 patients ceux pour lesquels cette nouvelle donnée pouvait enfin résoudre l’errance diagnostique.

    4000 patients dans le projet InDiCE

    Le projet InDiCE incarne la mise en œuvre concrète de ces principes et la volonté méthodologique de l’AP-HP. Axé sur la déficience intellectuelle, il vise à rassembler et exploiter de façon globale les données génomiques et cliniques de quelque 4 000 patients. Le phénotypage multimodal, permis par l’intégration des dossiers cliniques structurés et des comptes rendus textuels, favorise le clustering et l’identification de cohorte à forte valeur ajoutée.

    L’un des objectifs centraux du projet est de dépasser les limites actuelles en découvrant de nouveaux variants et en améliorant la compréhension des mécanismes sous-jacents à la pathologie, tout en affinant l’impact des signes cliniques sur la caractérisation des patients.

    La généralisation de cette approche à toutes les pathologies rares est un horizon assumé par les porteurs de projet, avec la mobilisation d’un écosystème institutionnel d’une ampleur inédite : filières maladies rares, équipe collégiale de généticiens, hôpitaux Necker, Pitié-Salpêtrière, Robert Debré, et l’Institut Imagine, tous sont associés à l’effort structurant, dans une dynamique de collaboration et de validation éthique centralisée.

    Gouvernance, sécurité et éthique

    « On va sélectionner uniquement les patients pour lesquels on a un consentement explicite pour la réutilisation des données en recherche… »

    Au fil des échanges, les questions de sécurité, de consentement et de gouvernance des données ont été fortement mises en exergue. Les intervenants reconnaissent la sensibilité extrême des données manipulées : le consentement explicite du patient est obligatoire pour la réutilisation en recherche, la protection institutionnelle via la DSN est active et le comité scientifique et éthique supervise chaque étape du flux de données. La prudence quant à l’interprétation, notamment dans l’utilisation des nouveaux scores polygéniques et du reclassement des variants de signification incertaine, est sans cesse rappelée.

    Un système de santé apprenant

    « On est en train de mettre en place un système de santé apprenant : on va découvrir et valider de nouvelles connaissances à partir de nos propres données. »

    La conférence a également ouvert une réflexion sur l’ambition de l’AP-HP en matière d’innovation organisationnelle. Selon les propos des intervenants, l’établissement est en mesure de déployer un « système de santé apprenant », capable d’exploiter la masse de données disponible pour générer de nouvelles connaissances, mais aussi pour adapter en continu ses pratiques cliniques et de recherche. Cette dynamique, qui conjugue rigueur scientifique, sens de la sécurité et vision collective, apparaît comme un levier pour transformer le soin et accélérer la recherche dans le domaine des maladies rares. Elle invite à capitaliser sur l’intelligence institutionnelle, l’innovation méthodologique et l’ouverture éthique, pour garantir progrès médical et confiance des patients.

  • HAS : deux leviers proposés pour structurer l’expertise au service du virage préventif

    Pourquoi le virage préventif peine à se concrétiser ?

    La Haute Autorité de santé publie une analyse prospective qui vise à renforcer l’appui aux décideurs en prévention et promotion de la santé (PPS). Dans un contexte de contraintes budgétaires et de défiance scientifique, l’enjeu est d’objectiver les interventions avant leur déploiement, leur priorisation ou leur pérennisation. L’OMS encourage la « décision informée par les données probantes », combinant rigueur scientifique, transparence et redevabilité. Pourtant, en France, l’accès aux données utiles à la décision reste hétérogène, et les initiatives d’évaluation sont dispersées entre agences, caisses, collectivités ou organismes de recherche.

    Bien que la prévention soit affichée comme priorité publique depuis plusieurs années, les résultats demeurent insuffisants : participation réduite aux dépistages, couverture vaccinale inférieure à celle d’autres pays européens, niveaux élevés de tabagisme ou d’alcoolisation.
    De nombreuses initiatives n’ont pas été déployées à large échelle, faute de données probantes consolidées sur leur efficacité, leur efficience ou leurs conditions de mise en œuvre. Les travaux récents, dont ceux de l’Igas, soulignent le besoin d’une meilleure compréhension partagée des enjeux d’évaluation.

    Axe 1 — Construire une « boîte à outils » méthodologique partagée

    La HAS recommande de mettre à disposition un cadre de référence adaptable à la diversité des interventions : programmes nationaux, actions locales ou dispositifs intersectoriels comme l’aménagement urbain ou la rénovation énergétique.
    Ce cadre préciserait les catégories de données attendues :

    • efficacité, incluant effets positifs et négatifs ;
    • données économiques, combinant analyses budgétaires et économiques au sens large ;
    • conditions de mise en œuvre, liées aux mécanismes, contextes et adaptations ;
    • externalités, sanitaires ou non sanitaires.

    Le cadre doit soutenir la discussion entre effecteurs, évaluateurs et financeurs pour choisir les critères pertinents et les niveaux de preuve nécessaires selon la maturité de l’intervention.

    Un guide pour anticiper les évaluations

    La HAS insiste sur la préparation en amont : identifications des données utiles, budget dédié (avec repères comme ceux de Promotion Santé Suisse), accès aux données d’études, mobilisation des bases existantes (cohortes, registres, SNDS).
    Un guide d’accompagnement aiderait les acteurs à calibrer moyens et méthodes, éviter des reconstructions a posteriori et faciliter la diffusion des résultats.

    Rendre les données lisibles et utilisables

    La mise en forme des résultats doit être claire et pédagogique. Des référents scientifiques pourraient accompagner les décideurs. La HAS souligne l’intérêt de mécanismes inspirés de ReperPrev ou de formats synthétiques à l’image des « Quick Buys » de l’OMS, voire d’une forme de labellisation des interventions en PPS.

    Axe 2 — Créer un espace national de dialogue et d’intermédiation

    La HAS propose la création d’un espace structuré rassemblant décideurs, financeurs, effecteurs d’interventions et évaluateurs. L’objectif : construire une compréhension partagée des besoins de données, discuter des critères, éviter les doublons et faciliter l’appropriation des résultats. L’expérience du Australian Prevention Partnership Centre sert de référence : dialogues politiques, simulations pour tester des options d’intervention, implication continue de chercheurs, décideurs et acteurs de terrain.

    Critères pour le portage de cet espace

    L’acteur chargé d’animer ce dispositif devra disposer :

    • d’une assise scientifique garantissant la qualité ;
    • d’un lien fort avec la recherche pour suivre l’évolution des connaissances ;
    • d’une dimension interinstitutionnelle pour décloisonner santé, éducation, environnement, urbanisme ou protection sociale.

    La création d’un nouvel organisme n’est pas privilégiée au regard des enjeux de simplification. La HAS recommande d’identifier un ou plusieurs acteurs existants pour assurer cette fonction. La HAS entend contribuer à la construction de la « boîte à outils », notamment sur le volet économique. L’institution appelle à une démarche de co-construction impliquant administrations, agences, chercheurs, caisses, collectivités, acteurs associatifs et opérateurs locaux. L’espace de dialogue proposé vise à structurer durablement la compréhension, l’évaluation et l’interprétation des données probantes pour accélérer le virage préventif.

    Haute Autorité de santé. Comment renforcer l’expertise au service du virage préventif ? Analyse prospective. Saint-Denis La Plaine: HAS; 2025 Oct.

     

  • IA générative en santé : de l’EEG au compte rendu radiologique, une nouvelle chaîne de valeur clinique se dessine

    Au-delà de la diversité des cas d’usage, la conférence fait ressortir plusieurs lignes de force utiles pour toute organisation de santé ou acteur de la e-santé :

    • L’IA générative ne remplace pas les spécialistes, elle restructure leur travail en filtrant, triant, préparant, résumant.
    • Les modèles de fondation deviennent un actif central (EEG, imagerie, texte), au service de multiples algorithmes cliniques.
    • Les plateformes de données et d’IA (stockage, dev, déploiement, sécurité) sont aussi importantes que les modèles eux-mêmes.
    • La souveraineté et la sécurité des données ne sont plus des annexes : elles sont au cœur des architectures, côté cloud comme côté clinique.
    • Enfin, les usages les plus prometteurs sont ceux qui s’inscrivent au plus près des workflows existants : EEG à domicile, viewer de radiologie, poste de travail radiologue, portail des courtiers.

    Quatre cas d’usage, un même fil rouge : industrialiser l’IA générative

    La session dans le cadre de la journée AWS Healthcare à PariSanté Campus s’ouvrait sur un constat partagé par tous les intervenants : l’IA, et désormais l’IA générative, n’est plus un gadget de démonstration mais une infrastructure qui doit s’intégrer aux flux de travail existants : examens, outils métiers, systèmes d’information et régulation.

    • Ulysse Gimenez (BioSerenity) part du lit du patient, avec l’EEG à domicile et l’analyse neurologique à distance.
    • Antoine Hirtz (Devoteam) illustre l’apport de l’IA générative du côté des assureurs santé et de leurs 8 000 courtiers partenaires.
    • Alexandre Attia (AZMed) montre comment l’IA radiologique accompagne déjà les radiologues sur plus de 15 millions d’images par an.
    • Eric Plisson (Philips) élargit la focale en décrivant le futur poste de travail du radiologue, où la génération de compte rendu devient le terrain de jeu central de l’IA générative.

    En toile de fond : la pénurie de spécialistes, l’augmentation massive des volumes d’actes, et un mot-clé qui revient chez tous les intervenants : modèles de fondation et industrialisation.

    EEG : 20 % des examens français déjà dans le cloud

    Premier cas d’usage : celui de l’électroencéphalogramme (EEG), examen clé du diagnostic neurologique. Ulysse Gimenez rappelle un fait rarement discuté hors des cercles de spécialistes : de nombreux patients épileptiques, Alzheimer ou atteints d’autres pathologies neurologiques restent en errance diagnostique pendant des années, faute d’accès à l’examen et de spécialistes pour l’interpréter.

    BioSerenity s’attaque à ces deux goulets d’étranglement :

    • Accessibilité : la société a développé un casque EEG médical léger, sans fils, que des techniciens peuvent poser directement au domicile des patients. L’enregistrement n’est plus limité à une vingtaine de minutes à l’hôpital : il peut se faire sur plusieurs heures ou jours, dans la vie réelle.
    • Interprétation : les signaux sont envoyés dans le cloud, où un réseau de neurologues partenaires réalise la télé-interprétation.

    BioSerenity est désormais présente « dans le flot » de 20 % des EEG réalisés en France. Mais la prochaine marche se joue côté médecins : comment leur faire gagner du temps sur l’analyse d’examens très complexes et bruités, sans les déposséder de leur rôle ? La réponse de l’entreprise : un modèle de fondation appliqué à l’EEG. Concrètement, les signaux sont découpés en petits « patchs », transformés dans le domaine fréquentiel, puis discrétisés en un « dictionnaire » de plusieurs milliers de tokens EEG. Le modèle apprend ensuite, par masquage et prédiction de ces tokens, la « grammaire » des ondes cérébrales. Sur cette base, BioSerenity peut :

    • Accélérer des tâches répétitives des neurologues, en les recentrant sur les cas complexes.
    • Développer de nouveaux biomarqueurs pour détecter plus précocement certaines pathologies ou mieux les suivre dans le temps.

    Un premier algorithme dérivé de ce modèle de fondation (un outil de triage des patients normaux vs pathologiques ) arrive en production, marquage dispositif médical à la clé. Le calcul s’effectue en environ une minute après l’examen ; le neurologue garde la main, mais peut prioriser d’abord les cas les plus suspects, tout en filtrant les examens clairement normaux ou non concluants. Dernier élément important : BioSerenity insiste sur trois plateformes internes : stockage des données, développement IA, déploiement en production, et affiche sa volonté de partager son modèle de fondation avec l’écosystème académique français, dans une logique de souveraineté face aux modèles américains ou chinois.

    8 000 courtiers santé épaulés par un chatbot génératif

    Le second temps de la conférence déplace l’IA générative vers un autre maillon de la chaîne de valeur santé : l’assurance. Antoine Hirtz (Devoteam) présente le cas d’un courtier grossiste en assurance, spécialisé notamment sur le médical, le paramédical et les officines, qui anime une plateforme numérique au service de 8 000 courtiers partenaires et plus de 1 000 activités couvertes. Jusqu’ici, le chatbot de la plateforme reposait sur des logiques classiques, avec une capacité limitée à comprendre des demandes complexes et à naviguer dans un catalogue et une base de connaissances très riches. L’objectif du projet mené avec Devoteam : introduire l’IA générative sans repartir de zéro et en s’appuyant sur le socle cloud existant (AWS).

    L’architecture décrite repose sur plusieurs briques :

    • Un routeur intelligent, propulsé par des modèles génératifs (Anthropic via AWS Bedrock), capable de comprendre l’intention du courtier et de l’orienter vers :
      • la recherche de produits d’assurance adaptés, dans un catalogue de plus de 1 000 offres ;
      • la recherche de contrats via des APIs ;
      • l’exploration d’une base de connaissances (en PDFs ou HTML, convertis en embeddings et indexés dans une base vectorielle type OpenSearch) ;
      • l’analyse de comportements anormaux ou à risque (tentatives de fraude, usages suspects, etc.).

    Un socle de sécurité-by-design : authentification SSO/OIDC, gestion fine des droits, chiffrement des données, VPC cloisonné, supervision des coûts, et mécanismes de guardrails pour éviter les fuites de données ou réponses inappropriées. Antoine évoque un « curseur d’autonomie » : pour l’instant, l’assistant reste peu autonome, il guide, propose, route mais la montée en puissance des services IA du cloud rend possible, à terme, des agents plus autonomes. Le choix actuel est volontairement prudent : améliorer l’expérience utilisateur sans perdre la maîtrise du risque, dans un contexte où les données médicales et assurantielles sont particulièrement sensibles.

    Radiologie : 15 millions d’images analysées chaque année

    Avec AZMed, la conférence revient au cœur de la clinique. Alexandre Attia rappelle que le volume d’images médicales a doublé en une décennie, alors que le nombre de radiologues est resté stable. Résultat : pression accrue sur les équipes, risque d’erreurs et délais rallongés pour les patients. AZMed s’est positionnée d’abord sur la radiographie standard 2D, qui représente l’essentiel du volume :

    • Traumatologie (fractures, lésions aux urgences).
    • Radiographie thoracique (pathologies pulmonaires, pneumothorax…).
    • Mesures ostéo-articulaires complexes (alignements, angles, longueurs).
    • Âge osseux chez l’enfant, utile pour évaluer la croissance.

    L’IA ne se contente pas de détecter les anomalies ; elle réalise aussi du triage et de la priorisation. Intégrée dans les viewers des radiologues, elle ajoute des vues annotées, résume les fractures détectées et précise ce qui n’a pas été retrouvé (épanchements, lésions associées…). Les chiffres partagés sont parlants :

    • +83 % de gain sur le temps diagnostique en traumatologie.
    • Diminution des erreurs d’environ deux tiers, notamment des faux négatifs.
    • Valeur prédictive négative de 99,37 % : lorsque le logiciel indique qu’il n’y a rien, c’est presque toujours le cas, ce qui renforce la confiance des radiologues.
    • Plus de 15 millions d’images analysées par an, dans environ 2 500 sites de santé répartis dans plus de 55 pays.

    L’entreprise, qui compte une quarantaine de collaborateurs, a également lancé un logiciel pour scanner thoracique 3D, dédié au dépistage et au suivi des nodules pulmonaires dans la perspective des futurs programmes de dépistage du cancer du poumon. Derrière ces produits, il y a surtout un actif stratégique : une base de 20 millions de radiographies, provenant de plus de 40 pays, dont un sous-ensemble annoté par trois radiologues indépendants, et des processus qualité alignés sur les exigences de dispositifs médicaux.

    Mais AZMed se heurte à trois défis structurels :

    1. La généralisation des algorithmes d’un pays, d’un appareil ou d’une population à l’autre.
    2. Le scalage à un nombre croissant de pathologies, sans devoir tout réentraîner de zéro.
    3. L’exploitation des données non annotées, qui représentent la majorité des 20 millions d’images.

    La réponse, là encore : la construction d’un modèle de fondation spécialisé en imagerie médicale, par vertical (trauma, thorax, etc.), capable de comprendre la « grammaire » des images radiologiques et d’alimenter à la fois la détection de pathologies et, à terme, la génération de comptes rendus structurés.

    Du film au compte rendu généré : la troisième révolution des cabinets de radiologie

    Dernier temps fort : la vision d’Eric Plisson (Philips) sur le poste de travail radiologique. Il replace l’IA dans une histoire en trois actes :

    1. Passage du film au digital et informatisation des systèmes (PACS, RIS).
    2. Reconnaissance vocale dans les années 2000, première grande victoire de l’IA « classique », qui a fait gagner des minutes par compte rendu et supprimé les allers-retours avec les secrétariats de transcription.
    3. IA d’imagerie spécialisée, via de nombreux algorithmes convolutionnels orchestrés par des plateformes, chacun ciblé sur une modalité (scanner, IRM, radio…) et une pathologie ou une tâche (détection de fracture, quantification vasculaire, etc.).

    La prochaine rupture se situe clairement au niveau du compte rendu radiologique. Les modèles de langage – et demain les modèles multimodaux image + texte – permettent d’imaginer un flux de travail très différent :

    • Résumé automatique de l’historique patient et des examens antérieurs pertinents.
    • Ambiant reporting : le radiologue parle (sans micro dédié), et l’IA génère un premier jet de compte rendu.
    • Génération automatique de la conclusion à partir des observations dictées.
    • Contrôle qualité automatisé, en comparant le compte rendu à des modèles ou à une base de rapports, pour signaler des incohérences ou oublis (mesures manquantes, conclusions peu claires…).
    • Traduction en langage patient : version simplifiée du rapport ou bulles d’explication pour rendre le compte rendu compréhensible sans passer systématiquement par une recherche sur Internet.

    Philips propose déjà son infrastructure d’imagerie en cloud (hébergée notamment sur AWS), ce qui rapproche les données, les outils métiers et les modèles génératifs dans un même environnement sécurisé. Le radiologue reste responsable de la relecture et de la signature, mais pourrait passer de 10 minutes à quelques minutes par compte rendu, un gain décisif dans un contexte de vieillissement de la population et d’augmentation des maladies chroniques.

     

  • Onco’Link d’Unicancer validé pour un déploiement en droit commun

    Un modèle de suivi à domicile confirmé par les autorités

    Le Comité technique de l’innovation en santé (CTIS) et le Conseil stratégique de l’innovation en santé (CSIS) ont rendu, le 8 octobre 2025, un avis favorable à la généralisation du dispositif Onco’Link. Porté depuis 2021 par Unicancer, ce programme de suivi à distance des patients sous anticancéreux oraux s’inscrit dans le cadre de l’article 51 de la loi de financement de la Sécurité sociale. Avec plus de 13 800 patients inclus et 41 établissements partenaires, il constitue l’expérimentation la plus importante menée sur ce dispositif législatif. Le modèle repose sur une coordination entre équipes hospitalières et professionnels de ville, notamment les pharmaciens d’officine. Il vise à renforcer la sécurité du suivi, améliorer la qualité de vie et soutenir l’autonomie des patients traités à domicile.

    Réduction des hospitalisations non programmées et observance améliorée selon les retours médecins

    L’évaluation conduite par le CTIS souligne la qualité du dispositif et son caractère innovant. Les patients se sont déclarés satisfaits du suivi, avec un ressenti d’autonomie renforcée et une observance thérapeutique améliorée. Les professionnels de santé rapportent une meilleure coordination entre ville et hôpital ainsi qu’une détection plus précoce des effets indésirables. Sur le plan économique, le dispositif n’a généré aucun surcoût significatif pour l’Assurance maladie. Les premiers bilans suggèrent même un impact favorable grâce à la réduction des hospitalisations non programmées et à l’optimisation de la prise en charge des toxicités.

    41 établissements mobilisés et plus de 5 500 professionnels impliqués

    Fin octobre 2025, Onco’Link associait 41 établissements hospitaliers relevant des secteurs public, privé et à but non lucratif. Parmi eux, les Hospices Civils de Lyon, l’Institut Paoli-Calmettes et l’Institut Bergonié figurent parmi les principaux contributeurs avec plus de 1 000 patients inclus chacun. L’expérimentation mobilise au total 600 professionnels hospitaliers et 5 500 acteurs de ville.

    L’avis favorable du CSIS ouvre une période de transition pouvant aller jusqu’à 18 mois avant la généralisation du dispositif. Cette phase permettra d’élaborer les modalités précises du futur financement en droit commun et d’intégrer le modèle dans les réformes nationales de tarification hospitalière. Les établissements déjà partenaires poursuivront les inclusions, tandis que de nouveaux sites pourront intégrer la démarche après la période transitoire. L’objectif est d’inscrire Onco’Link dans l’organisation du suivi de cancérologie de ville, en cohérence avec la stratégie décennale des cancers 2021‑2030.

    Une réponse aux enjeux du virage ambulatoire en cancérologie

    Le dispositif vise deux enjeux identifiés en cancérologie : hausse du recours aux traitements oraux et développement des soins à domicile, avec des protocoles partagés et un suivi structuré. Le passage en droit commun d’Onco’Link pourrait devenir un jalon de la transformation numérique du parcours en cancérologie et servir de référence pour d’autres pathologies chroniques pris en charge à domicile.

     

  • Stratégie interministérielle des données de santé : ce qui change avec la nouvelle version

    Recentrage autour du CNS pour piloter la stratégie

    Une gouvernance simplifiée, recentrée sur le comex du CNS :

    Premier changement notable : la gouvernance. Alors que la version de juillet prévoyait de créer un Forum des parties prenantes, la version de novembre recentre tout autour du Conseil du numérique en santé (CNS), via un Comité exécutif (Comex) qui coordonnera les actions. Une façon de capitaliser sur l’existant et de clarifier les instances.

    Côté droits citoyens, peu de changement : la centralisation de l’exercice des droits RGPD et de l’Espace européen des données de santé (EEDS) reste prévue via un portail unique piloté par la Plateforme des données de santé (PDS – ex Health Data Hub). Idem sur la sécurisation des usages : les référentiels et les hébergements devront toujours respecter les règles européennes et françaises, avec une doctrine alignée par le Comex du CNS.

    Des bases de données toujours prioritaires :

    Pas de virage stratégique non plus du côté du sujet des bases de données, mais une gouvernance ajustée. La prioritisation des bases à enrichir ou constituer (SNDS, entrepôts hospitaliers, cohortes, etc…) relève désormais du comex du CNS. Un changement de pilotage donc, mais les ambitions restent : combler les lacunes de couverture, améliorer la qualité des données, et anticiper les usages.

    Côté infrastructures, la stratégie maintient un modèle hybride avec possibilité de chaînage entre données locales et SNDS via des services optionnels de la PDS. Le chantier sur la rationalisation des copies SNDS est confirmé, avec une loi attendue en 2026 pour ancrer les principes. Rien n’a changé non plus sur l’interopérabilité ou la doctrine d’évaluation des bases.

    Répertoires et financement désormais mieux organisés :

    Le calendrier des actions sur les répertoires et l’accès aux données reste inchangé. Une première version du portail FReSH (pour ‘Facilitation de la Recherche en Santé humaine’), un outil piloté par l’Institut pour la recherche en santé publique visant à recenser et décrire les bases de données mobilisables pour la recherche, est attendue d’ici fin 2025. Il accompagnera la mise en conformité du répertoire national des données de santé avec l’EEDS. La volonté de convergence entre répertoires demeure.

    Sur le financement, même ligne : les bases stratégiques doivent être soutenues via des moyens nationaux et européens, avec un cadre de redevances à finaliser pour s’adapter aux règles de l’EEDS. Ce qui change, là encore, c’est le pilotage : les travaux sont désormais coordonnés dans la nouvelle gouvernance CNS.

    Accès aux donnés facilité et nouveaux leviers d’usage 

    Pour ce qui est de l’accès aux données de santé, la stratégie interministérielle reste claire : basculer d’un régime d’autorisation de la Commission national de l’internet et des libertés (Cnil), vers un régime de déclaration, pour les projets conformes à des référentiels éthiques et scientifiques préétablis. Cette évolution législative, toujours prévue d’ici fin 2025, vise à réduire les délais d’accès aux données tout en maintenant un haut niveau de sécurité et de responsabilisation des acteurs. Elle s’accompagnera de la création de comités éthiques locaux, qui pourraient, sous certaines conditions, se substituer au Cesrees pour les projets les moins sensibles.

    Parallèlement, les travaux sur les données synthétiques et les nouveaux usages se poursuivent. L’objectif reste de permettre aux chercheurs et innovateurs d’expérimenter, de tester ou de développer des solutions sans accès direct aux données réelles. Le séminaire national initialement prévu en septembre est reprogrammé pour décembre 2025. Il servira de point d’étape et de lancement d’une feuille de route structurée, pilotée par le Comex du CNS aux côtés de l’Inria, la Délégation au numérique en santé et la PDS.*

     

  • Recherche en oncologie : le Pr Fabrice André alerte sur la complexification de la recherche clinique, plaide pour une simplification et l’usage de l’IA

    La recherche clinique en oncologie “devient infaisable”

    Directeur de la recherche à Gustave Roussy et président de l’ESMO, le professeur Fabrice André décrit, lors de la 4ᵉ Journée nationale de l’innovation en santé numérique, une situation où les essais cliniques s’alourdissent au point de devenir peu réalisables.

    Le nombre de procédures par étude a augmenté de 57 %, celui des formulaires à remplir de 227 %. Les centres doivent mobiliser des équipes importantes pour répondre à ces exigences, ce qui réduit le volume d’études, le recrutement de patients et l’équité d’accès à la recherche. La conséquence est aussi un appauvrissement des données disponibles, notamment pour entraîner les modèles d’IA. Pour y répondre, deux voies s’imposent selon lui : automatiser ou supprimer certaines procédures. Il défend une stratégie de simplification, formalisée dans plusieurs travaux académiques.

    Automatiser le recueil de données et harmoniser la terminologie médicale

    Un programme financé par France 2030 montre l’intérêt de l’automatisation. L’analyse des erreurs de remplissage indique 7 % d’erreurs avec l’IA, contre 14 % pour les saisies manuelles. Les erreurs concernent surtout les données contenant des dates. Des travaux avec CentraleSupélec visent à optimiser ces performances pour alléger la charge des équipes et réduire les coûts. Fabrice André insiste sur la variabilité des comptes rendus entre médecins. Sans terminologie unifiée, l’IA ne peut pas exploiter correctement les données. Il appelle les sociétés savantes et la communauté scientifique à structurer cette normalisation. La fragmentation des solutions numériques constitue un frein. Les centres doivent pouvoir s’appuyer sur un interlocuteur unique couvrant l’ensemble de la chaîne opérationnelle. La régulation et la standardisation restent des enjeux importants mais difficilement traitables dans le cadre d’une intervention de courte durée, souligne-t-il.

    Changer le paradigme scientifique : « Un cancer c’est avant tout une maladie… Il y a de la biologie. C’est pas juste une maladie anatomique. »

    Au-delà de l’opérationnel, le chercheur décrit un basculement conceptuel. Les classifications par organe montrent leurs limites. Les cancers doivent être définis par leur biologie, créant de fait des profils moléculaires uniques. L’ensemble des données cliniques, génomiques, protéiques et autres permet la construction d’un patient virtuel, représentation numérique de la maladie. Cette évolution modifie la manière de raisonner en oncologie et s’étend désormais aux essais.

    Trois niveaux d’utilisation des jumeaux numériques

    • Les similarités de patients : Déjà utilisées depuis une décennie, elles consistent à comparer un patient à des cas similaires issus de bases de données. Elles permettent d’estimer ce qui est arrivé à des groupes comparables et deviennent un support décisionnel complémentaire aux essais randomisés.
    • Les modèles génératifs : Les IA génératives interrogent des bases internes, des cartes de connaissances et la littérature pour identifier des options thérapeutiques pour un patient donné. Les performances sont jugées encourageantes. La question centrale devient : comment connecter les caractéristiques biologiques d’un patient aux masses de connaissances existantes pour proposer un traitement pertinent, y compris parmi les molécules encore non disponibles ?
    • Les simulations : Elles consistent à recréer virtuellement le cancer dans un environnement informatique afin de tester des traitements ou des combinaisons. La faisabilité technique progresse, ouvrant la voie à des essais virtuels complémentaires des essais physiques.

    Vers une nouvelle architecture de la recherche clinique

    Un programme de recherche clinique portant sur 10 000 patients est en préparation pour valider progressivement ces approches séquentielles et construire une IA générative capable de recommander un traitement en fonction des caractéristiques biologiques d’un patient. Fabrice André conclut en rappelant que les visions les plus innovantes resteront théoriques tant que l’infrastructure, la réglementation et les standards ne permettent pas leur mise en œuvre. L’IA peut augmenter les capacités opérationnelles et soutenir une médecine individualisée, mais elle dépend d’un socle organisationnel.

    « On peut rêver autant qu’on veut, si à la fin on peut pas délivrer les choses, on n’a pas l’infrastructure […] on ne peut rien faire. »

  • Etude : quand l’IA aide les patients à prendre des décisions chirurgicales (Lancet)

    Un jumeau numérique pour soupeser les risques

    La prothèse totale du genou est un traitement courant de l’arthrose avancée, mais environ un patient sur cinq reste insatisfait à long terme. Dans ces situations, le choix thérapeutique dépend fortement des priorités du patient (niveau de douleur toléré, mobilité souhaitée, durée de récupération, acceptation du risque). Les aides à la décision visent à structurer ce dialogue. Elles peuvent prendre la forme de brochures, vidéos, tableaux comparatifs ou questionnaires permettant d’identifier ce qui compte le plus pour le patient. Plus récemment, les données rapportées par les patients (douleur, fonction, qualité de vie) sont utilisées pour aider à visualiser l’évolution attendue. L’outil évalué ici va plus loin : il s’appuie sur un modèle d’IA pour générer un “jumeau numérique”, c’est-à-dire une simulation personnalisée des bénéfices et risques attendus de la chirurgie en fonction du profil individuel du patient.

    L’étude a été menée dans une clinique universitaire d’orthopédie à Austin (États-Unis). 201 patients atteints d’arthrose avancée du genou, potentiellement candidats à une prothèse totale, ont été répartis aléatoirement en deux groupes. Le groupe intervention a utilisé l’outil intégrant l’IA, associant une information éducative, un questionnaire sur les préférences du patient et une prédiction personnalisée du bénéfice attendu de la chirurgie. Le groupe contrôle a reçu la même information, mais sans prédiction personnalisée. Le critère principal était la qualité de la décision, évaluée par le K-DQI, qui mesure si la décision est informée et alignée sur les préférences du patient. Les critères secondaires portaient sur le conflit et le regret décisionnels, la fonction du genou, la satisfaction, la durée de la consultation et la cohérence entre traitement choisi et préférences exprimées. Le suivi s’est étendu jusqu’à six à neuf mois.

    L’étude a été publiée en novembre 2025 dans eClinicalMedicine.

    Résultats : Moins de regrets après une chirurgie

    • Qualité de décision (score 0–100) : 84,4 dans le groupe IA vs 71,4 dans le groupe contrôle
    • Conflit décisionnel (score 0–16) : 1,0 vs 3,3
    • Regret décisionnel (score 0–100) à 6–9 mois : 18,2 vs 27,2
    • Fonction du genou (score 0–100) à 6–9 mois : 69,5 vs 47,0
    • Traitement conforme aux préférences du patient : 91 % vs 76 %
    • Aucune différence notable pour la satisfaction, la durée de consultation et le taux de recours à la chirurgie.
    • Aucun effet indésirable attribué à l’outil n’a été rapporté.
    • Cette étude suggère qu’une aide à la décision personnalisée par l’IA peut améliorer la qualité du choix thérapeutique et les résultats fonctionnels perçus, sans alourdir la consultation. L’essai a cependant été mené dans un centre universitaire unique, déjà familier de la décision partagée. Il faudra vérifier la reproductibilité dans d’autres structures et auprès de populations plus variées. L’outil étant propriétaire, des données sur son coût, son intégration dans les systèmes de soins et sa transparence seront nécessaires.

    Plus largement, ce travail s’inscrit dans l’essor des jumeaux numériques en médecine, qui visent à simuler l’évolution d’un patient donné pour aider à choisir un traitement adapté. Leur utilisation semble aujourd’hui plus robuste au niveau individuel, pour aider à décider, que dans le cadre de la recherche clinique. En effet, une étude récente publiée dans NPJ Digital Medicine a montré que les jumeaux numériques utilisés pour remplacer un groupe contrôle dans les essais donnaient des résultats trop variables pour se substituer à de vrais patients. L’application clinique (soutenir la décision, personnaliser les choix) apparaît donc, à ce stade, plus mûre que l’application méthodologique (remplacer des essais).

    *Shared decision making using digital twins in knee osteoarthritis care: a randomized clinical trial of an AI-enabled decision aid versus education alone on decision quality, physical function, and user experience

    Jayakumar, Prakash et al.

    eClinicalMedicine, Volume 89, 103545 https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(25)00478-X/fulltext

     

     

  • Le Japon déploie une application IA pour réduire les erreurs médicamenteuses

    15% des hospitalisations liées à des erreurs médicamenteuses

    Un consortium japonais déploie une IA qui optimise la gestion des traitements médicamenteux en évaluant en continu les profils des patients. Selon l’Organisation mondiale de la santé (OMS), près de 15 % des hospitalisations au Japon sont liées à des erreurs médicamenteuses, un taux parmi les plus élevés des pays industrialisés. Ce phénomène s’explique par :

    • La complexité croissante des traitements multiples.
    • Le vieillissement rapide de la population, majoritairement polymédiquée.

    Les méthodes traditionnelles de suivi pharmacologique peinent à centraliser les données cliniques dispersées entre hôpitaux, pharmacies et assureurs.

    Une IA intégrée aux bases de données nationales

    Développée par un consortium réunissant l’Université de Tokyo et Wemex Healthcare Systems, l’application bénéficie d’un financement public-privé de 4,2 millions d’euros. L’outil permet notamment :

    • Analyse de façon probabiliste les interactions et les posologies.
    • Propose des ajustements personnalisés.
    • Offre une interface d’éducation thérapeutique pour pharmaciens et patients.
    • Se connecte aux bases de données nationales japonaises pour une surveillance en temps réel et une traçabilité renforcée.

    Les résultats cliniques et un déploiement national

    Une étude multicentrique publiée dans le Japanese Journal of Clinical Pharmacy, menée sur 1 200 pharmacies pendant six mois, démontre :

    • Une réduction de 20 % des erreurs médicamenteuses.
    • Une amélioration de 35 % de la satisfaction des patients.

    Les autorités japonaises prévoient désormais un déploiement progressif de l’IA dans l’ensemble des hôpitaux et officines du pays, avant une extension aux zones rurales.