Nabil

  • DAtAE : le HDH dévoile les 15 projets lauréats de la deuxième vague de l’AAP

    Structurer la recherche autour des entrepôts de données hospitaliers

    Les entrepôts de données de santé hospitaliers (EDSH) jouent un rôle central dans la transformation du système de santé par la donnée. Ce sont des infrastructures numériques permettant de consolider, structurer et sécuriser les données produites au sein des hôpitaux. À travers l’appel à projets “Données de santé et applications (DAtAE)”, la Direction générale de l’offre de soins (DGOS) et le Health Data Hub (HDH) visent à encourager leur exploitation pour des projets de recherche innovants à fort impact clinique.

    Lancée le 21 octobre 2024, la deuxième édition de DAtAE bénéficie d’un financement de 3,5 millions d’euros et s’inscrit dans une stratégie de soutien à l’industrialisation de la recherche en vie réelle. Quinze projets ont été sélectionnés, illustrant la diversité des cas d’usage mobilisant les données hospitalières.

    Une diversité de projets sur l’ensemble du territoire

    Répartis sur huit établissements de santé, les projets lauréats reflètent la montée en puissance de la recherche clinique outillée par les données. Sélectionnés par un jury pluridisciplinaire, ils couvrent des thématiques variées : neurosciences, maladies chroniques, infectiologie, ou encore innovations méthodologiques. Tous ont en commun de mobiliser les données réelles produites en soins pour répondre à des enjeux de santé concrets.

    Prédire, diagnostiquer et anticiper les maladies neurodégénératives :

    Dans le champ des neurosciences et des troubles du développement, plusieurs projets s’appuient sur l’intelligence artificielle pour améliorer la détection précoce de pathologies, modéliser les trajectoires cliniques ou assister les décisions médicales. À l’AP-HP, ACNEURO étudie les troubles neuro-développementaux chez les nouveau-nés. À Lyon, PATTERNS s’appuie sur l’IRM pour prédire l’évolution cognitive chez les patients Alzheimer. TEMPOMARA cherche à améliorer le diagnostic de maladies rares, tandis que le CHU de Brest avec PREDI-MARCHE anticipe l’évolution de la marche après un AVC ou dans le cadre de paralysie cérébrale.

    Vers une médecine personnalisée pour les maladies chroniques :

    D’autres projets s’inscrivent dans le champ des maladies chroniques et métaboliques. Ils cherchent à modéliser les risques cliniques, adapter les traitements et personnaliser les parcours. MODERNISM à Grenoble combine données d’imagerie et biologiques pour prédire l’évolution post-intervention en cardiologie. PROGNOSIS-PHF à Poitiers anticipe les décompensations cardiaques. À Rennes, CIDIGLE interroge les effets de l’arrêt de traitements antidiabétiques, et SERENA (AP-HP) élabore un score prédictif pour le sevrage d’épuration extrarénale.

    Automatiser les diagnostics complexes en soins critiques :

    Dans un contexte hospitalier marqué par la complexité des prises en charge, certains projets ambitionnent d’automatiser les diagnostics ou d’aider à la décision thérapeutique. OPTIBact (CHU de Nantes) optimise les stratégies antibiotiques. À l’AP-HP, MYOPNEUMO étudie le pneumothorax chez des patients ventilés, tandis que DEEPColScan et NOCE mobilisent l’IA pour interpréter les images d’endoscopie digestive.

    Explorer de nouveaux outils méthodologiques :

    Plusieurs lauréats explorent des approches transversales ou méthodologiques innovantes. À l’AP-HP, PECCAN compare différents modèles d’IA pour l’analyse automatique de comptes rendus néonatals. Le CHU de Strasbourg pilote PRECISION, un projet de modélisation des trajectoires postopératoires. Enfin, NURSED s’intéresse à l’impact des ratios infirmiers sur la qualité des soins et la mortalité aux urgences, via l’exploitation de données organisationnelles hospitalières.

    Une dynamique de structuration nationale

    Ces quinze nouveaux projets rejoignent ceux de la première vague de DAtAE, sélectionnée en 2023. Ils traduisent l’émergence d’un écosystème hospitalier prêt à exploiter ses données à grande échelle, au bénéfice d’une recherche plus rapide, plus réaliste, et plus utile pour la décision médicale. En pilotant ce programme, le HDH confirme son rôle de facilitateur opérationnel, au service des établissements et des chercheurs. L’ambition de DAtAE dépasse la seule exploration scientifique : elle contribue à faire de la donnée hospitalière un véritable levier d’efficience pour le système de santé.

    Voici un tableau récapitulatif des projets lauréats de cette deuxième vague :

    Nom Porteur du projet Description du projet Pathologie ciblée
    ACNEURO AP-HP Étude des troubles neuro-développementaux chez les nouveau-nés avec acidose métabolique, via EPIPAGE 2. Troubles neuro-développementaux
    PATTERNS HCL Prédiction de l’évolution cognitive chez les patients Alzheimer à partir d’IRM structurelles. Maladie d’Alzheimer
    TEMPOMARA AP-HP Outil d’aide au diagnostic de maladies génétiques rares par analyse chronologique des symptômes. Maladies génétiques rares à expression neurologique
    PREDI-MARCHE CHU de Brest Prédiction de l’évolution de la marche chez enfants paralysés cérébraux ou adultes post-AVC. Paralysie cérébrale / AVC
    MODERNISM CHU Grenoble-Alpes Prédiction de l’évolution clinique après intervention en cardiologie via données multi-sources. Maladies cardiovasculaires
    PROGNOSIS-PHF CHU de Poitiers Évaluation du risque de décompensation ou décès chez les insuffisants cardiaques. Insuffisance cardiaque
    CIDIGLE CHU de Rennes Étude de l’effet de l’arrêt de traitements antidiabétiques dans une base médico-administrative. Diabète
    SERENA AP-HP Score de prédiction du sevrage de l’épuration extrarénale en soins critiques. Insuffisance rénale / Soins critiques
    OPTIBact CHU de Nantes Détermination de la stratégie antibiotique optimale en cas de bactériémie. Bactériémie
    MYOPNEUMO AP-HP Estimation de l’incidence du pneumothorax chez patients atteints de maladies neuromusculaires. Maladies neuromusculaires / Pneumothorax
    DEEPColScan AP-HP Classification automatisée des tumeurs coliques via endoscopie assistée par IA. Tumeurs coliques
    NOCE AP-HP Amélioration de l’analyse d’images de vidéocapsule endoscopique via IA. Diagnostic endoscopique
    PECCAN AP-HP Comparaison de modèles d’IA (extractifs vs génératifs) sur comptes rendus néonatals. Néonatalogie
    PRECISION CHU de Strasbourg Modélisation des trajectoires postopératoires, outil d’aide à la décision pour soignants. Soins postopératoires
    NURSED AP-HP Impact des ratios infirmiers sur qualité des soins et mortalité aux urgences. Organisation hospitalière / Qualité des soins

  • Biologie médicale : cinq groupes concentrent déjà 45 % du marché, selon la DREES

    La DREES étudie la montée des groupes en santé

    Dans le cadre d’une mission confiée par les ministres des Solidarités et de la Santé, la DREES a constitué une équipe spécialisée dans l’analyse économique et financière des secteurs sanitaire et médico-social. L’un de ses premiers axes de travail porte sur la concentration de l’activité dans les domaines de la biologie médicale et de l’imagerie, à partir des données du SNDS croisées avec des informations fiscales et structurelles sur les entreprises concernées.

    Offre de soins : concentration inégale entre biologie (45 %) et imagerie (7 %)

    Les premiers résultats, publiés dans le rapport Charges et Produits de la CNAM pour la radiologie et dans un document de travail distinct pour la biologie médicale, mettent en évidence la montée en puissance des groupes d’acteurs.  Pour des seuils de contrôle fixés à 50 %, cinq groupes concentrent déjà 45 % du marché de la biologie médicale, contre 7 % pour la radiologie. Avec des seuils à 20 %, la concentration atteint respectivement 60 % et 20 %. Ces travaux décrivent également, pour la première fois, l’adossement de ces acteurs à des marchés internes de capitaux, propres à favoriser leur développement en réduisant certaines contraintes financières.

    @Drees : Biologie et imagerie médicale : de premiers travaux sur la prédominance des groupes et la concentration de l’activité
    Des travaux à venir sur les impacts en santé publique

    Dans un contexte où les grands opérateurs privés poursuivent leur diversification sectorielle (cliniques, Ehpad, biologie, imagerie), ces analyses aident les ministères sociaux à évaluer et orienter les politiques publiques. Les prochaines étapes devront documenter les effets de cette concentration sur l’accessibilité territoriale, le volume de soins offerts et la structure de l’offre.

  • Santé : 1,7 milliard d’euros d’économies prévus par le gouvernement en 2025

    Réserve hospitalière, prix du médicament, transport sanitaire : trois pistes d’économies pour 2025

    La ministre du Travail et de la Santé, Catherine Vautrin, a annoncé le 25 juin devant la commission des affaires sociales de l’Assemblée nationale un plan d’économies ciblant les dépenses de santé. Cette décision intervient en réaction aux dérapages budgétaires observés depuis le début de l’année et dans le cadre plus large d’une stratégie gouvernementale.

    Le plan d’économies repose sur trois axes principaux :

    • La mobilisation d’une réserve de 700 millions d’euros sur les budgets de l’hôpital et du secteur médico-social.
    • Une baisse des dépenses liées aux médicaments estimée à 500 millions d’euros.
    • Et la mise en application de la réforme de la tarification du transport sanitaire (cette dernière, déjà contestée par les professionnels du transport, notamment les chauffeurs de taxi, sera maintenue selon la ministre).

    Un déficit de 16 milliards d’euros prévu en 2025, 41 milliards en 2030

    Face aux critiques attendues, Catherine Vautrin a justifié ces mesures par la nécessité de sauvegarder le modèle social français. Le Premier ministre François Bayrou vise une réduction globale de 40 milliards d’euros des dépenses publiques, centrée sur les dépenses de l’État.

    L’Assurance maladie présente un déficit prévisionnel de 16 milliards d’euros en 2025. Selon les projections, ce chiffre pourrait atteindre 41 milliards d’euros à l’horizon 2030 si aucune correction n’est apportée. Les détails complets de ces mesures devraient être précisés lors de la présentation des orientations budgétaires de l’automne. Les professionnels de santé, les acteurs du médico-social et les industriels du médicament sont en attente d’arbitrages plus fins quant à la répartition des efforts demandés.

     

  • L’IA et le numérique pour renouveler l’outil Pathos

    GMP et PMP : des scores aux effets budgétaires pour les Ehpad

    Le financement des Ehpad repose, pour ce qui des soins, sur l’équation tarifaire issue des résultats de la démarche Pathos.  La part du financement des Ehpad relative aux soins et à la dépendance est fonction de l’état de santé des résidents et de leur degré d’autonomie. Elle est calculée à l’issue de la démarche PATHOS, qui repose sur une analyse standardisée des situations individuelles à l’aide de : 

    • La grille AGGIR, qui décrit les composantes de la perte d’autonomie et mesure la charge de travail qui en résulte, en termes de soins de base et relationnels, et calcule le groupe iso-ressource moyen pondéré (GMP).
    • Le référentiel PATHOS, qui permet d’évaluer les niveaux de soins requis pour la prise en charge des pathologies dans une population à un moment donné t et calcule le pathos moyen pondéré (PMP). 

    La coupe PATHOS un jour donné permet de réaliser ces 2 évaluations auprès des résidents. Elle est placée sous la responsabilité du médecin coordonnateur de l’Ehpad, préalablement formé, et réalisée en commun avec le médecin du département. A l’issue de la démarche, les informations sont versées dans le logiciel GALAAD de la CNSA. La procédure Pathos permet ainsi d’évaluer le niveau de soins requis pour la prise en charge des pathologies dans une population à un moment donné, et par transposition au cours de l’année. Une validation par l’ARS et le département, réalisée sur un échantillon des résultats de la coupe, clôt la démarche. 

    La dotation pour les soins dans un établissement résulte de l’équation tarifaire calculée par la CNSA, qui tient compte du GMP et du PMP. 

    La coupe Pathos critiquée pour sa lourdeur et ses effets budgétaires imprévus

    La démarche Pathos fait l’objet de critiques sur son caractère chronophage pour les médecins, tant coordonnateur que valideur. En conséquence les coupes, prévues tous les 3 ans, ne sont pas toujours réalisées assez souvent. La Direction générale de la cohésion sociale (DGCS) relève aussi des pratiques hétérogènes et un manque de rigueur des établissements pour assurer la traçabilité requise. Côté Ehpad, on observe que la procédure de validation peut conduire à des divergences considérées comme excessives entre les appréciations du médecin coordonnateur et du médecin valideur, avec des conséquences financières négatives pour les établissements. 

    La suppression de cette procédure n’est cependant pas à l’ordre du jour, mais des projets d’amélioration sont envisagés. Ils ont été évoqués par la DGCS lors du salon « Santexpo » le 22 mai. 

    Rendre Pathos plus simple et plus réactif 

    Pour répondre à ces préoccupations, un groupe de travail a été organisé par la DGCS avec des professionnels des établissements publics et privés, la CNSA et l’appui d’un cabinet de conseil. 

    L’intelligence artificielle, et notamment l’IA générative, bien adaptée à l’outil Pathos, pourrait apporter des améliorations. Elle permettrait de faciliter et d’accélérer les processus. Parmi les pistes étudiées, a été évoquée l’utilisation de chatbots, les agents conversationnels augmentés, afin d’accompagner les médecins coordonnateurs et les médecins valideurs dans la collecte et la validation des éléments de preuve. Des logiciels plus avancés pourraient générer des coupes semi-automatiques, à partir des données stockées dans les logiciels de chaque établissement. Cela dégagerait du temps pour les médecins, tant coordonnateurs que valideurs.  

    Dans le cadre de la vague 2 du programme ESMS numérique et du financement du dossier usager informatisé (DUI) par le dispositif SONS (système ouvert et non sélectif) de nouvelles fonctionnalités sont prévues pour alléger la charge de travail des professionnels. Il est notamment prévu que les référentiels d’exigences minimales permettent la remontée systématique des données nécessaires à l’établissement de la coupe Pathos. Cette amélioration est prévu pour la fin de l’année. 

     

    Les algorithmes  du modèle Pathos : 

    https://portail.cnsa.fr/documentation/Algorithmes_Pathos_2006.pdf 

    Guide d’utilisation Pathos 2022 

    https://www.cnsa.fr/sites/default/files/2024-05/modele_pathos_2022.pdf 

     

  • IA : entre investissement jugé prioritaire et dépassement de budget (étude NTT Data Business Solutions)

    L’IA s’impose

    En 2025, 57 % des dirigeants la citent comme priorité, contre 25 % en 2024. La progression marque un dépassement de la seule logique d’optimisation des coûts, au profit d’une refonte de l’offre, de l’innovation et de l’expérience client. Près de 90 % des entreprises déclarent préparer l’intégration de l’IA, tant sur le plan technologique qu’organisationnel. En France, les directions générales (37 %) et les conseils d’administration (36 %) prennent la tête de ces projets, devant les départements IT (33 %).

    Un quart accuse plus de 30 % de retard, et 82 % dépasse leur budget de base

    Malgré la mobilisation autour de l’IA, les projets numériques peinent à respecter les prévisions initiales : 82 % des entreprises ont dépassé leur budget et 45 % ont connu un retard d’au moins 20 %. En France, près d’un quart des projets dépassent les délais de plus de 30 %, taux supérieur à ceux d’Europe de l’Est et des États-Unis.

    Les budgets augmentent sous l’effet conjugué de la pénurie de compétences, de l’inflation, de l’élargissement des périmètres projet et de la pression technologique. 52,5 % des entreprises ont investi entre 2 et 20 millions d’euros, près de 20 % au-delà des 20 millions. Les grandes entreprises (CA > 1 milliard d’euros) peuvent dépasser les 50 millions.

    L’étude rappelle que la technologie ne suffit pas : la continuité des équipes est jugée facteur principal de réussite (33 %), devant les compétences techniques. La communication inter-départements, souvent négligée, est identifiée comme un point d’amélioration par 35,2 % des répondants.

  • Sécurisation, interopérabilité, IA : le CNS dresse son bilan de mi-2025

    • 20,5 millions d’utilisateurs ont activé leur profil, dont 50 % consultent l’application chaque mois.
    • Le carnet de vaccination dans Mon espace santé contient déjà 10 millions de notes, dont 6 millions en 2024 et 2025.
    • Une authentification forte (2FA) est désormais requise pour accéder au SIH et au DMP.
    • La Vague 1 du Ségur médico-social a permis à 2 ESMS sur 3 d’utiliser un logiciel interopérable.
    • Les décisions nationales d’intégration du règlement EEDS sont attendues fin 2025.
    • Le lancement de la stratégie IA & données de santé est prévu pour le 1er juillet 2025.

    Cadre éthique, MES, DMP : le CNS dresse le bilan des grandes évolutions

    Le 13ème Conseil du numérique en santé (CNS) s’est tenu ce 24 juin. Cette édition a permis de faire un point d’étape sur l’évolution des usages du numérique en santé, notamment sur le cadre éthique, les évolutions de Mon espace santé, la sécurisation du DMP et du DPI à l’hôpital, mais aussi les avancées du Ségur numérique.

    • Etat des lieux du cadre éthique du numérique en santé.
    • Evolutions de Mon espace santé et valorisation des données vaccinales.
    • Avancées sur l’accès sécurisé au DMP et DPI à l’hôpital.
    • Bilan des tiers-lieux d’expérimentation et des centrales d’achat.
    • Perspective européenne avec l’EEDS.
    • Point sur les réalisations du Ségur numérique.

    52 000 professionnels ont consulté le DMP en mai 2025

    En mai 2025, 52 000 professionnels de santé ont consulté un Dossier médical partagé (DMP), tandis que 2 400 établissements de santé engagés dans l’expérimentation remontent des retours d’usage positifs. Mon espace santé (MES), activé par un tiers des assurés sociaux (20,5 millions), est utilisé régulièrement : chaque document envoyé dans un profil activé est consulté. La dynamique est soutenue par un rythme d’activation mensuel de plus de 700 000 nouveaux usagers.

    Ce déploiement est appuyé par les résultats de la Vague 1 du programme Ségur pour le secteur médico-social : deux tiers des 45 000 établissements et services sont désormais équipés d’un logiciel interopérable, compatible avec MES. La Commission européenne a salué les avancées françaises dans un rapport récent, notant des “significant policy actions” et des progrès jugés « impressionnants » en matière de cybersécurité et d’accès aux données par mes patients.

    IA en santé : un guide en 7 phases présenté

    Le cadre éthique du numérique en santé, en construction depuis 2022, a fait l’objet d’une présentation dédiée. Des exemples de pratiques non éthiques ont été donnés : informations importantes dissimulées dans des clauses contractuelles obscures, comités éthiques non indépendants, ou encore services dégradés en cas de refus de partage des données. En réponse, un guide d’implémentation d’une IA en santé éthique, structuré autour de sept étapes du cycle de vie d’un système intelligent, a été présenté. Il précise les exigences en termes de gouvernance, explicabilité, impact environnemental, responsabilité clinique, et sensibilisation des utilisateurs.

    Un parcours grossesse intégré et un suivi mois par mois

    MES devient progressivement un carnet de santé numérique. Il propose des recommandations de prévention personnalisées en fonction des moments de vie ou des pathologies. Des contenus ciblés (articles, rappels de vaccination, conseils hygiéno-diététiques, applications) sont mis à disposition des usagers, et les parcours d’onboarding guident les utilisateurs selon leurs besoins. Le parcours grossesse, intégré dans la section “suivi médical”, propose un calendrier mensuel d’examens et de conseils. En fin de grossesse, un lien vers la création du profil de l’enfant est prévu. En parallèle, l’écosystème professionnel est adapté : les logiciels métiers intègrent l’alimentation des données pédiatriques (constantes, certificats de santé, courbes de croissance) pour faciliter le suivi.

    2FA obligatoire pour accéder aux données patients dans les SIH

    L’accès sécurisé aux données de santé à l’hôpital est au centre des priorités. Une authentification forte (2FA) est désormais exigée pour accéder au Système d’information hospitalier (SIH) et, via celui-ci, au DMP. La réflexion se concentre sur l’organisation, la gestion des identités et des accès, et l’adhésion des professionnels. Des expérimentations menées dans le cadre du programme CaRE/HospiConnect montrent que les projets sont faisables techniquement mais requièrent une forte mobilisation des directions d’établissements, de la DRH et des directions des soins. L’ANS finalise un guide pratique pour accompagner les établissements. L’objectif est la généralisation de l’accès sécurisé et un usage intégré du DMP dans les DPI d’ici fin 2027.

    EEDS : 15 fiches soumises à concertation pour préparer la transposition

    La mise en œuvre du règlement européen sur l’Espace européen des données de santé (EEDS) fait l’objet d’un groupe de travail coordonné par la DNS. Quinze fiches thématiques (usage primaire et secondaire, gouvernance, marquage CE, sécurisation, sanctions…) ont été soumises à une concertation publique entre avril et mai 2025, impliquant plus de 30 organisations (établissements, chercheurs, industriels, patients). Les arbitrages sont attendus d’ici fin 2025 pour définir les modalités d’intégration du règlement dans le droit français. Une journée nationale dédiée au règlement EEDS est prévue le 30 septembre. L’enjeu est double : faire de Mon espace santé l’interface d’accès citoyen aux données européennes et renforcer l’attractivité de la France pour l’analyse secondaire des données à des fins de recherche ou de pilotage des politiques publiques.

    Aussi, Annie Prévot, directrice générale de l’Agence du numérique en santé (ANS) depuis en 2019, quittera ses fonctions très bientôt pour départ à la retraite.

  • Dispositifs médicaux : articulation réglementaire entre MDR, IVDR et AI Act définie pour les systèmes d’IA

    Dès 2027, les dispositifs médicaux IA devront satisfaire à une double conformité européenne

    L’Artificial Intelligence Board (AIB) et le Medical Device Coordination Group (MDCG) ont récemment publié un document conjoint explicitant l’articulation des règles européennes entre les règlements sur les dispositifs médicaux (MDR 2017/745, IVDR 2017/746) et le règlement sur l’intelligence artificielle (AI Act 2024/1689). Ce texte concerne les fabricants, organismes notifiés et autorités confrontés à la mise sur le marché de dispositifs médicaux dénommés Medical Device Artificial Intelligence (MDAI), intégrant de l’IA. Un dispositif est classé « système d’IA à haut risque » sous l’AI Act s’il est à la fois un composant de sécurité ou un dispositif médical autonome et soumis à une évaluation de conformité par un organisme notifié (ex. dispositifs MDR classes IIa, IIb, III, IVDR classes B, C, D). La classification sous MDR/IVDR conditionne la portée des obligations AI Act, sans en modifier la classe de risque.

    Supervision humaine, biais algorithmiques, traçabilité … Une documentation enrichie exigée

    • Exigences en gestion du cycle de vie et qualité : Les fabricants doivent déployer un système de gestion de la qualité intégrant les obligations des deux régimes. L’AI Act ajoute des exigences spécifiques liées à la gestion des données, à la transparence des algorithmes, à la supervision humaine et à la cybersécurité, complétant les obligations MDR/IVDR sur la sûreté et la performance clinique.
    • Gouvernance des données et biais : L’AI Act impose des exigences détaillées sur la qualité des données d’entraînement, de validation et de test : représentativité, absence d’erreurs, intégrité et documentation des biais potentiels. Les données cliniques utilisées doivent être robustes, issues d’études bien conçues et conformes au RGPD.

    • Documentation technique : Les fabricants doivent produire une documentation unique intégrant les exigences du MDR/IVDR et de l’AI Act. Celle-ci inclut la description des algorithmes, des choix de conception, des données utilisées, des procédures de validation, ainsi que la gestion des risques à chaque étape du cycle de vie du dispositif.
    • Supervision humaine et responsabilité : L’AI Act formalise l’obligation de concevoir des dispositifs permettant une supervision humaine effective, avec possibilité d’intervention en cas de dysfonctionnement. La responsabilité des déployeurs est également renforcée par des exigences d’information et de formation des utilisateurs professionnels.
    • Surveillance post-marché élargie : Outre les obligations de vigilance du MDR/IVDR, l’AI Act introduit une surveillance post-marché dynamique intégrant le suivi des interactions avec d’autres systèmes d’IA, la collecte systématique de données de performance et l’identification continue des biais émergents.
    • Modifications substantielles et conformité : Toute modification substantielle d’un MDAI après mise sur le marché requiert une nouvelle évaluation de conformité. Des plans de changements prédéfinis pourront toutefois être validés en amont par les organismes notifiés. L’IMDRF prépare des lignes directrices internationales à ce sujet.

    Calendrier d’application – date limite au 2 aout 2027

    Les dispositifs déjà mis sur le marché avant le 2 août 2027 ne seront soumis aux obligations du AI Act qu’en cas de modifications significatives de conception postérieures à cette date. L’entrée en vigueur pleine et entière des obligations AI Act pour les MDAI est fixée au 2 août 2027.

  • Gleamer : deux IA pour améliorer la détection du cancer, avec +32 % de sensibilité

    Détection des cancers : +32 % de sensibilité et -41 % de nodules manqués selon Gleamer

    L’entreprise française Gleamer présente LungCT et BoneCT, premiers modules de sa nouvelle suite OncoView. Conçues pour renforcer les capacités de détection des radiologues, ces solutions s’intéressent aux nodules pulmonaires suspects et aux lésions osseuses secondaires. Le développement a impliqué des experts cliniques et reçoit le soutien financier de France 2030, programme gouvernemental de soutien à l’innovation en santé.

    Gleamer avance des gains mesurables : +32 % de sensibilité pour LungCT et -41 % de nodules manqués. BoneCT, de son côté, affiche une progression de 18 % dans la détection des métastases osseuses. Ces résultats s’inscrivent dans une stratégie de soutien aux décisions médicales.

    Gleamer se déploie dans 49 pays avec un appui public de 4,5 M€

    LungCT et BoneCT s’intègrent dans les systèmes d’information radiologique et les workflows existants. Les outils fournissent une aide visuelle et prévoient des fonctions de suivi des lésions. L’objectif est de favoriser une prise de décision plus rapide et mieux informée. Gleamer revendique une présence dans 49 pays, avec plus de 40 millions d’examens analysés dans 2 500 établissements. La suite OncoView vient étendre cette activité vers l’oncologie

    Avec un investissement total de 18 millions d’euros sur cinq ans, dont 4,5 millions cofinancés par France 2030, l’entreprise inscrit le développement de sa suite OncoView dans une logique industrielle et scientifique, notamment grâce à des publications régulières.

     

  • De l’admission à la sortie : un patient cardiaque pris en charge sans délai grâce à la supervision centralisée

    Prédire, ajuster, transférer 

    Cet article a pour but d’illustrer comment la centralisation des différentes données va permettre d’optimiser la gestion d’un hôpital. À travers le parcours fictif d’un patient.

    Monsieur Dupont arrive aux urgences avec des symptômes d’infarctus nécessitant une prise en charge immédiate en cardiologie. Grâce aux algorithmes de prédiction des flux patients l’hôpital avait prévu un pic d’admission dans cette période. Les gestionnaires ont donc pu anticiper et ont fait en sorte qu’il y ait le plus de soignants possibles disponibles pour cette période.

    Le médecin urgentiste génère directement une demande de lit en cardiologie avec transmission automatique des données patient (nom, âge, poids, antécédents). Grâce à la centralisation des données le command center va être informé du besoin d’un lit de manière urgente et va donc chercher à libérer une place le plus rapidement possible.

    Des lits libérés au bon moment grâce à la supervision centralisée des flux 

    Les gestionnaires du command center vont chercher la personne dont l’avancement de la sortie serait le plus pertinent. Cela tombe bien car grâce à sa vision sur les sorties, le centre de commandement observe que la sortie de Madame Martin est prévue pour ce soir et va donc l’accélérer. De plus grâce à la centralisation des données de santé de tous les patients, l’équipe de commandement va pouvoir vérifier l’état de santé de la personne avant de confirmer la sortie.

    Le patient va ensuite nécessiter un examen médical approfondi par un cardiologue. Le centre de commandement va consulter les plannings de tous les cardiologues de l’hôpital et ainsi pouvoir trouver un créneau rapide pour M.Dupont. Monsieur Dupont a donc pu bénéficier des soins adéquats en temps et en heure grâce au tableau de bord de suivi en temps réel des activités de l’hôpital.

    Les Command Centers étendent la régulation au-delà d’un seul établissement

    Mais un problème demeure pour l’hôpital : suite à l’admission de Monsieur Dupont, le service de cardiologie est de nouveau plein. Ceci alors même qu’une IA prédictive annonce des flux importants à venir, que 2 des 10 cardiologues de l’hôpital seront absents dans les deux prochains jours, et qu’aucune sortie n’est prévue pour cette même période. Face à cette situation, le centre de commandement va rechercher dans les hôpitaux à proximité s’il y a des places disponibles en cardiologie, afin de pouvoir transférer des patients vers l’établissement le plus adapté.

    L’étude du parcours potentiel de M.Dupont permet d’appréhender de manière concrète comment l’utilisation de chaque type de données permets d’entreprendre différentes actions, mais également comment le décloisonnement de toutes ces données permet d’anticiper des difficultés et d’allouer de manière plus pertinentes les différentes ressources matérielles et humaines de l’hôpital.

     

    @Health & Tech Intelligence

  • Les Command Centers se déploient à l’échelle globale sous l’impulsion des industriels (plus de 500 sites)

    500 centres de commande hospitaliers actifs dans six pays : la croissance mondiale du modèle

    Nés aux États-Unis, les Command Centers hospitaliers se déploient désormais à l’international. Grâce à une coordination en temps réel des flux de patients et des ressources, ces centres de pilotage transforment l’organisation des soins dans de nombreux pays, du Canada à l’Australie en passant par l’Europe. Ces centres sont aujourd’hui présents dans de nombreux pays. Le Johns Hopkins Hospital, à Baltimore, a ouvert le tout premier modèle en 2016. En 2024, on en recense plus de 500 à travers six pays, selon GE Healthcare, leader du secteur.

    jusqu’à 70% de retards post-opératoires en moins et 34% de baisse des délais aux urgences

    Plusieurs grands réseaux hospitaliers aux US ont fait de ces centres une pièce maîtresse de leur stratégie. Le Judy Reitz Capacity Command Center à Johns Hopkins a permis de réduire de 70 % les retards de transfert post-opératoire, tandis que l’AdventHealth Mission Control, à Orlando, couvre 9 hôpitaux avec 60 écrans de données en continu. Au Canada, l’Hôpital Humber River à Toronto a été pionnier dès 2017. On y observe un environnement plus sûr, 29 % de réduction des incidents évitables, 34 % de baisse du temps d’attente aux urgences et un retour sur investissement atteint en 11 mois seulement.

    Bradford : 800 lits sous supervision IA pour anticiper les engorgements hospitaliers

    En Europe, le mouvement a été amorcé en 2019 avec la création du premier Command Center britannique au Bradford Teaching Hospitals NHS Foundation Trust, qui s’appuie sur l’intelligence artificielle pour piloter les 800 lits de l’établissement. L’objectif était d’anticiper les engorgements et alléger la pression sur les équipes soignantes. L’Espagne a emboîté le pas avec le Gregorio Marañón Hospital de Madrid, doté d’un système développé par Dedalus. Ce système permet un suivi en temps réel des indicateurs d’efficacité, de sécurité et de qualité des soins. Il a notamment permis d’augmenter le nombre d’interventions chirurgicales et d’optimiser la gestion des urgences.

    CHRU de Nancy : premier déploiement d’un centre de commande hospitalier en France

    En France, le CHRU de Nancy est le premier à mettre en place un Command Center. Développé en partenariat avec Dedalus, il cible quatre axes stratégiques : les blocs opératoires, les soins hospitaliers, les urgences et la santé ambulatoire. Le centre n’est pas encore entièrement opérationnel, mais il marque une rupture culturelle majeure : celle de la gestion des soins par la donnée. D’autres initiatives émergent, notamment à travers des solutions comme Opta Predict, ou les projets de Lifen, Arkhn et Cozii, mais aucun autre centre pleinement déployé n’est encore actif sur le territoire.

    Des approches différenciées selon les besoins des systèmes de santé

    Outre les États-Unis et l’Europe, l’Australie (Alfred Health à Melbourne), les Pays-Bas, le Moyen-Orient ou encore l’Afrique du Sud voient des projets en cours ou à l’étude. Tous s’appuient sur des technologies avancées pour fluidifier le parcours de soins, prévoir les besoins en personnel ou encore optimiser l’allocation des ressources. La diversité des modèles (certains pilotant la gestion des lits, d’autres la logistique, les urgences, voire la cybersécurité) illustre une adaptation aux défis de chaque territoire. Les éditeurs comme GE Healthcare, Dedalus, Philips, Siemens ou encore IQVIA sont les principaux moteurs de cette transformation à l’échelle globale.

     

    @ Health & Tech Intelligence