Nabil

  • La HAS autorise à titre dérogatoire la cytologie urinaire assistée par IA pour surveiller les tumeurs de la vessie

    Une méthode innovante pour remplacer la cystoscopie

    Le 5 juin, la Haute Autorité de santé a rendu un avis favorable à la prise en charge dérogatoire de l’acte de cytologie urinaire digitalisée et assistée par intelligence artificielle, utilisant le dispositif de diagnostic in vitro VisioCyt Bladder. Cet acte est destiné à la surveillance des tumeurs de la vessie non infiltrantes le muscle (TVNIM), en alternative à la cystoscopie, actuellement recommandée bien que plus invasive.

    Un test innovant, non invasif et basé sur l’IA

    Le dispositif développé par la société VITADX International permet de détecter, à partir d’un simple prélèvement urinaire, la présence de cellules urothéliales anormales. Grâce à un algorithme d’IA, les images numérisées sont analysées pour identifier des signes morphologiques non perceptibles à l’œil humain. Cette approche permet d’orienter l’investigation vers une suspicion ou non de récidive, qu’elle concerne une tumeur de bas ou de haut grade.

    La HAS reconnaît le caractère techniquement innovant de l’acte, notamment en raison de son absence d’invasivité et de l’usage d’un système d’IA figé en pratique courante. L’acte est actuellement en phase de diffusion précoce en France et n’avait pas encore fait l’objet d’un avis de la HAS dans cette indication. Le seul risque identifié est celui de faux négatifs pouvant retarder un diagnostic chez les patients à haut risque.

    Un projet d’étude clinique jugé pertinent

    L’avis favorable de la HAS s’appuie sur un projet de recueil de données cliniques présenté par le demandeur, visant à évaluer les performances diagnostiques du test en comparaison avec la cystoscopie, ainsi que sa capacité à réduire le nombre d’examens invasifs. L’étude, menée à partir du registre TVNIM de l’Association française d’urologie, prévoit l’inclusion de 2 000 patients. Chacun bénéficiera à la fois de la surveillance conventionnelle par cystoscopie et du test.

    Une étape vers une éventuelle prise en charge pérenne

    L’avis rendu s’inscrit dans le cadre de l’article L.162-1-24 du code de la sécurité sociale, qui permet une prise en charge temporaire pour les actes innovants en attente de données suffisantes pour une évaluation complète. Le recueil prévu vise à combler les lacunes sur les bénéfices cliniques ou médico-économiques, condition préalable à un éventuel remboursement de droit commun. Le texte de l’avis sera publié au Bulletin officiel de la Haute Autorité de santé. Signé par le président Lionel Collet, il formalise une avancée dans l’évaluation des technologies de rupture en santé numérique.

    Avis n°2025.0027/AC/SEAP

     

  • Withings intègre l’IA dans son app santé avec le lancement progressif de Withings Intelligence

    Un assistant santé basé sur l’IA, intégré à l’abonnement Withings+

    Déjà dotée d’un large écosystème de santé connectée, Withings y ajoute une couche d’analyse automatisée : l’ensemble des dimensions de la santé (cardiovasculaire, métabolisme, sommeil, activité…) est désormais intégré dans une logique de corrélation dynamique. Withings a annoncé le 11 juin une refonte de son application mobile, portée par l’intégration progressive de Withings Intelligence, un coach santé virtuel reposant sur l’intelligence artificielle. Ce nouvel assistant est inclus dans l’offre Withings+, un service premium à 9,95€/mois, et sera proposé gratuitement à l’essai à l’ensemble des utilisateurs au cours de l’année.

    Un suivi individualisé à partir des données physiologiques

    Grâce à l’analyse combinée de données telles que le sommeil, l’activité physique, la fréquence cardiaque ou la composition corporelle, Withings Intelligence offre une lecture personnalisée des corrélations entre les différents paramètres de santé. Alimenté par plusieurs années de données collectées, le système applique des algorithmes de machine learning pour ajuster ses recommandations au fil du temps et accompagner les utilisateurs dans leur progression. L’objectif affiché est de permettre une action précoce en cas de dégradation des indicateurs, à un stade encore réversible. L’intelligence artificielle identifie des tendances émergentes et adapte ses conseils en continu, posant les bases d’une santé personnalisée et prédictive. L’assistant intégré, accessible 24h/24, fournit des réponses en temps réel sur les données mesurées.

    Une app repensée pour tous les profils d’utilisateurs

    La mise à jour, correspondant à la version 7.5 de l’app sur iOS et Android, s’accompagne d’une nouvelle interface, incluant une page d’accueil retravaillée et la possibilité de mettre en avant certains indicateurs via une fonction « Mon Focus ». Ces évolutions concernent aussi bien les abonnés Withings+ que les utilisateurs de la version gratuite.

    Le mois dernier, Withings avait lancé BeamO, un appareil de santé connecté combinant quatre capteurs médicaux. Il permet aux patients d’envoyer à distance, en moins d’une minute, un électrocardiogramme, les sons pulmonaires, la saturation en oxygène et la température corporelle via l’application Withings.

  • Recherche clinique : l’IA pour sortir de l’impasse

    Recruter plus vite et plus juste : la donnée au service de l’inclusion

    La recherche clinique française, malgré son excellence académique, souffre d’un désintérêt croissant de l’industrie. Face à cette crise d’attractivité, l’intelligence artificielle pourrait bien offrir les leviers nécessaires pour refonder un modèle compétitif et agile. Le recrutement des patients constitue l’un des principaux points de friction dans la conduite des essais cliniques. Des plateformes comme Synapsis AI, Deep 6 AI ou DocMemo analysent les dossiers patients pour identifier les profils correspondant à des critères d’essais, avec un taux de précision élevé. D’autres comme AiCure assurent un suivi de l’observance thérapeutique via caméra embarquée, améliorant la qualité des données collectées.

    L’approche prédictive est aussi renforcée par des outils comme GenHealth AI, qui anticipe les risques à partir de données populationnelles. ScreenACT, de son côté, facilite la mise en relation entre patients, médecins et centres investigateurs via une interface web centralisée. Des solutions comme Cline Research digitalisent aussi les processus de recrutement et de suivi, en optimisant la gestion des données d’essais.

    Structurer l’information pour industrialiser la recherche

    Plusieurs solutions françaises et internationales automatisent l’extraction des données hospitalières. Lifen DataLab, Aidecoro, LynxCare et Cohort360 rendent les entrepôts de données de santé (EDS) interrogeables à grande échelle, permettant de créer des cohortes multicentriques. Dans l’imagerie, Genesis, COLIBRI et Deemea permettent de transformer les données visuelles non annotées en ressources utilisables pour la recherche, en particulier dans l’oncologie. Segmed va plus loin, en fournissant des ensembles de données longitudinales et désidentifiées, prêtes à l’usage pour les essais multicentriques. D’autres outils spécialisés comme SPHERE (PACS de recherche) ou EDS-PDF et EDS-Scikit (AP-HP) facilitent l’accès et la structuration de données en formats spécifiques, comme les rapports PDF ou les modèles OMOP. Codoc (Research Hub), quant à lui, propose une exploitation avancée des comptes-rendus narratifs, renforçant l’identification de patients par phénotypage textuel. AIRISE assure un accès sécurisé aux données hospitalières tout en garantissant la conformité réglementaire.

    Des protocoles plus rapides et plus intelligents

    Concevoir un protocole d’essai prend souvent plusieurs mois. Des plateformes comme Trials.ai automatisent cette étape, tandis que Clinical Trial Design (Elicit) utilise les données historiques pour optimiser les paramètres clés (taille d’échantillon, critères d’arrêt, etc.). QuantHealth propose même des simulations in silico à partir de milliards de points de données cliniques et pharmacologiques, pour prédire les probabilités de succès. La médecine génomique n’est pas en reste. Jenn.AI et Alfred AI, développés par WhiteLab Genomics, permettent de concevoir des thérapies personnalisées et d’en simuler les effets avant toute expérimentation humaine. Des approches particulièrement prometteuses pour les maladies rares et l’oncologie. Des outils comme PraxyDataExtraction permettent d’automatiser le transfert des données structurées vers les CRF (Case Report Forms), réduisant les erreurs et les délais. La plateforme ADLIN Workspace complète cet écosystème en offrant un environnement collaboratif pour structurer, analyser et partager les données expérimentales.

    Sécuriser les données sans freiner l’innovation

    La réglementation RGPD impose des contraintes strictes à la recherche. Pour y répondre sans ralentir les essais, des startups comme Syntho, Syntheticus, Avatar ou Betterdata génèrent des jeux de données synthétiques : ils reproduisent fidèlement les propriétés statistiques des données réelles sans contenir aucune donnée personnelle. Cette technique permet non seulement de respecter la confidentialité, mais aussi de tester et entraîner des modèles IA à grande échelle, même en amont d’un accès aux données réelles. Qalita Platform, quant à elle, se concentre sur l’amélioration de la qualité des données cliniques utilisées, en assurant leur cohérence et leur traçabilité.

    Veille scientifique automatisée : un nouveau réflexe pour les chercheurs

    Les chercheurs doivent naviguer dans un océan de publications. Des outils comme Juisci, SciSummary, Revue de la littérature systématique, Systematic Reviews, Paper Digest ou Scite facilitent cette tâche en générant des résumés automatisés, en identifiant les contradictions dans la littérature et en produisant des revues systématiques. Medical Affairs et HEOR, développés par Elicit, accélèrent l’analyse documentaire et économique liée aux essais cliniques. SciNote, carnet de laboratoire électronique, facilite quant à lui la documentation des protocoles et le suivi des étapes expérimentales. Des plateformes comme DocSimulator vont plus loin en formant les étudiants en médecine à l’aide de simulations IA réalistes, contribuant ainsi à renforcer la qualité en amont des essais cliniques.

    Structuration en cours, mais dynamique prometteuse

    Des centres français comme l’Institut Curie, le CHU de Grenoble, les Hospices Civils de Lyon ou encore le CHU de Montpellier déploient déjà certaines de ces solutions. Mais l’adoption reste encore hétérogène, freinée par des silos technologiques, des budgets fragmentés ou l’absence de standards interopérables. Ksearch, une solution SaaS de collecte de données via eCRF vocalisé et NLP, illustre bien cette transition vers une recherche clinique décentralisée et plus accessible. Dell Personalized Health, de son côté, apporte une infrastructure technique robuste pour soutenir ces innovations, notamment via des capacités de calcul haute performance.

     

    Airtable des solutions :

  • Quand l’IA accélère la recherche clinique : panorama de 31 cas d’usage

    Une diversité fonctionnelle de cas d’usage de l’IA en recherche clinique

    Face à des enjeux en matière de rapidité, de rigueur et d’efficacité, la recherche clinique voit émerger des cas concrets d’applications de l’intelligence artificielle. Des établissements hospitaliers aux centres de recherche, ces nouveaux outils visent à soutenir les cliniciens et les chercheurs dans leurs missions quotidiennes. Afin de mieux cerner l’étendue de ces usages, une analyse approfondie des 31 cas recensés permet de les répartir en sept grandes catégories fonctionnelles, chacune reflétant une facette essentielle de l’écosystème de la recherche clinique augmentée par l’IA.

    @Health & Tech Intelligence

    Recrutement et inclusion : l’IA réduit le temps et élargit les cohortes

    Parmi les usages les plus fréquents, on retrouve ceux qui concernent l’aide à l’identification et à la sélection des patients pour les essais cliniques, que ce soit à partir des dossiers médicaux, des bases hospitalières ou via des moteurs de recherche avancés. Cinq cas d’usages sur les 31 recensés relèvent de cette fonction, ce qui traduit une attente forte des équipes de recherche clinique sur cette phase cruciale. Ces usages permettent d’automatiser la recherche de patients éligibles selon des critères précis, d’accélérer les recrutements et de diversifier les profils inclus.

    Ils incluent notamment :

    • L’extraction automatique de cohortes à partir de critères d’inclusion complexes.
    • La recherche multicritère assistée par IA dans les entrepôts de données.
    • Des systèmes de tri intelligent dans les hôpitaux partenaires.

    Structurer et annoter les données cliniques

    Avec 7 cas recensés, la structuration et l’exploitation des données cliniques représentent un autre pôle d’usage. L’IA générative apporte des outils pour transformer l’information brute en contenu exploitable : annotation d’imagerie, extraction textuelle, standardisation documentaire. Dans ces cas, l’IA permet d’extraire automatiquement les informations pertinentes, de les standardiser selon des formats reconnus, et de les organiser en vue d’une analyse. Ainsi, le CHU de Grenoble Alpes a adopté deux solutions basées sur l’IA générative, Genesis et Colibri, qui automatisent l’annotation d’imagerie médicale et la structuration des comptes rendus.

    Ces cas d’usage couvrent :

    • L’annotation automatique d’images médicales.
    • La normalisation des comptes rendus cliniques.
    • L’organisation des données pour intégration dans des entrepôts hospitaliers.

    Des protocoles plus rapides à concevoir et mieux ciblés

    La conception et l’optimisation de protocoles bénéficient également de l’IA générative, avec 6 cas d’usages identifiés. Il s’agit d’un axe stratégique pour les centres de recherche, tant la rédaction de protocoles est une étape longue, réglementée, et essentielle. 9 solutions sont utilisées aujourd’hui pour l’optimisation et accélération des essais cliniques : utilisation de l’IA pour conception de protocoles d’essais cliniques en simulant des essais virtuels, réduisant ainsi les biais et accélérant la validation des traitements. Cette conception accélérée des protocoles, emporte la génération des trames de protocole à partir d’objectifs d’étude, simulation la faisabilité ou les contraintes d’un essai avant même sa validation finale, ainsi que valider automatiquement la cohérence des critères méthodologiques.

    Prédiction clinique et surveillance

    Ces cas d’usages relèvent d’un autre registre : la prédiction en temps réel de l’évolution clinique. Ici, l’IA ne structure pas, elle automatiquement anticipe. L’un des cas d’usage les plus marquants concerne un système qui alerte les équipes en cas de signe précoce d’aggravation identifié par l’IA chez un patient hospitalisé. Ainsi il y a un cas d’usage ou l’IA intervient pour identifier des cibles thérapeutiques et concevoir de nouveaux traitements anticancéreux par l’analyse les caractéristiques des patients. Ce sont encore des usages émergents, mais ils ouvrent la voie à une médecine d’essai plus réactive, plus personnalisée.

    Production scientifique : libérer du temps pour l’interprétation

    Au-delà de la collecte de données, l’IA générative se fait aussi assistante de publication. Quatre cas recensés montrent comment elle peut accompagner les chercheurs dans la rédaction d’articles, de rapports ou de supports d’analyse, en facilitant la valorisation des résultats. Dans certains cas, l’IA permet de générer des contenus directement à partir de données issues des essais, tout en respectant les contraintes de confidentialité. Elle est également utilisée pour produire des synthèses, préparer des supports de communication scientifique ou modéliser des résultats dans des environnements sécurisés.

    Formation et données synthétiques

    La génération de données synthétiques et la formation à la recherche clinique représentent une fonction émergente mais déjà structurée, avec cas d’usages distincts. Cela recouvre :

    • La génération de cas cliniques réaliste, des consultations simulées pour former les étudiants et optimiser de l’enseignement, comme au CHU de Montpellier.
    • La création de données simulées, cas cliniques pour la formation des professionnels de santé.
    • La simulation de consultations médicales dans des contextes de formation avancée.

    Ces usages visent à rendre la recherche plus accessible, reproductible et sécurisée, tout en développant de nouvelles pratiques pédagogiques.

    Recherche exploratoire : un levier pour repousser les limites avec l’IA

    Enfin, 4 cas d’usage sont consacrés à la recherche exploratoire : identification de biomarqueurs, modélisation de maladies, ou découverte de traitements.

    Ces usages incluent :

    • La modélisation de la progression de la maladie.
    • L’Identification de nouveaux biomarqueurs.
    • Le développement d’une méthode sur l’estimation de l’âge des moustiques vecteurs du paludisme.

    Cartographies des cas d’usage

    Fonctionnalité Nombre de cas d’usage Cas d’usage identifiés Nombre de solutions associées
    Accélération du recrutement et inclusion des patients 5 1. Identification rapide des patients pour inclusion
    2. Recherche de cohortes et extraction de données
    3. Amélioration du recrutement pour les essais cliniques
    4. Faciliter l’identification de patients répondant aux critères d’inclusion/exclusion
    5. Recherche automatisée de patients pour essais cliniques spécifiques    		 5 solutions
    Structuration, annotation et gestion des données cliniques 7 1. Automatisation des résumés et synthèse d’articles scientifiques
    2. Archivage automatique avec PACS pour la recherche
    3. Structuration et analyse des données cliniques
    4. Extraction de données médicales structurées pour la recherche
    5. Structuration des données pour entrepôt de données de santé
    6. Transformation des données dormantes en données exploitables
    7. Annotation automatique d’images médicales pour la recherche clinique (Genesis, Colibri)    		 19 solutions
    Optimisation des protocoles et suivi des essais 6 1. Optimisation et accélération des essais cliniques
    2. Automatisation de la digitalisation des protocoles d’étude
    3. Évaluation de la qualité des données extraites automatiquement
    4. Aide au traitement et à l’analyse des données multi-omiques
    5. Réalisation d’une étude rétrospective nationale sur les cancers rares
    6. Analyse de l’efficacité des traitements du sarcome    		 14 solutions
    Prédiction clinique et surveillance en temps réel 3 1. Aide à la facilitation d’accès aux données de santé : détection précoce et alerte de l’aggravation du patient hospitalisé
    2. Découverte de traitements anticancéreux à base d’IA
    3. Prédiction des complications cliniques pour ajustement du protocole    		 2 solutions
    Production scientifique et valorisation des données 4 1. Aide à l’écriture d’articles scientifiques
    2. Exploitation des données de santé pour le pilotage stratégique
    3. Création de nouveaux supports d’analyse pour les comités scientifiques
    4. Développement fédéré d’algorithmes IA sans transfert de données    		 2 solutions
    Formation, simulation et génération de données synthétiques 3 1. Optimisation de l’enseignement de la médecine
    2. Génération de cas cliniques pédagogiques pour la formation
    3. Génération de données médicales synthétiques pour la recherche    		 10 solutions
    Recherche exploratoire et innovation thérapeutique  4 1. Identification de nouveaux biomarqueurs
    2. Modélisation de la progression de la maladie
    3. Développement de modèles de réponse aux traitements
    4. Développement d’une méthode sur l’estimation de l’âge des moustiques vecteurs du paludisme    		 8 solutions

    Airtable des cas d’usages :

  • Yannick Neuder à Campus Live : cap sur une IA responsable et intégrée

    « L’IA permettra de soigner plus, de soigner mieux, et surtout de soigner partout. »

    S’exprimant ce 10 juin lors de Campus Live 4 à Paris Santé Campus, le ministre de la Santé et de l’Accès aux soins, Yannick Neuder, a évoqué les priorités de la France en matière d’intelligence artificielle appliquée à la santé. À l’approche du Conseil européen de Luxembourg (fin du moins) consacré en partie à la sûreté sanitaire, la France entend poursuivre ses avancées dans la transformation numérique du système de soins, en mettant particulièrement l’accent sur l’interopérabilité, la télémédecine et les télédiagnostics. Yannick Neuder a insisté sur le rôle clé de l’Europe dans la structuration de la gouvernance des données de santé, notamment à travers le futur règlement sur l’Espace européen des données de santé (EHDS). Ce dispositif qui vise à interconnecter les données de santé issues des différents États membres, afin de favoriser la recherche collaborative, d’accélérer l’accès au marché pour les innovations, et de garantir à la fois la sécurité et la confidentialité des données. Le ministre a souligné l’importance de cette démarche pour répondre aux grands enjeux actuels : à savoir le vieillissement de la population, la personnalisation des soins, l’accès aux thérapies innovantes et la souveraineté sanitaire.

    Par ailleurs, Yannick Neuder a annoncé qu’il présentera dès demain les premières mesures du plan Santé mentale 2025. Il a également indiqué que le projet de loi de financement de la sécurité sociale pour 2026 inclura des mesures incitatives afin de favoriser l’appropriation de Mon espace santé par les usagers, sans en dévoiler pour l’instant les détails.

    Six nouveaux projets numériques soutenus par France 2030

    En marge de l’ouverture, les six lauréats de l’appel à projets « Évaluation du bénéfice médico-économique des dispositifs numériques », opéré par Bpifrance et doté de 7 millions d’euros :

    • SenséCure (RDS) : dispositif de surveillance des signes vitaux pour prévenir les complications post-chirurgicales.
    • Colibris (Novesia) : thérapie numérique ciblant les douleurs chroniques.
    • RC 102 (Résilience) : solution de télésurveillance pour les patients sous traitement anticancéreux.
    • Hypoca : maintien à domicile sécurisé des personnes âgées polypathologiques.
    • Esney : outil d’aide à la décision pour le traitement des anévrismes.
    • Projet de Bemotion Technologies : solution dédiée à la santé mentale.

    Ces six projets viennent compléter les 21 dispositifs déjà soutenus dans le cadre de France 2030, dont la moitié intègre des composants d’intelligence artificielle. Tous sont marqués CE et visent une généralisation grâce à un futur remboursement.

  • Le CHU de Toulouse valide la conformité CNIL de son entrepôt de données de santé

    Un EDS sécurisé, gouverné et interopérable

    Le CHU de Toulouse officialise la conformité de son entrepôt de données de santé (EDS) aux exigences de la CNIL. Une étape marquante qui s’inscrit dans la stratégie numérique de l’établissement, soutenue par l’État à hauteur de 1 million d’euros dans le cadre de France 2030. Dès à présent, les patients peuvent accéder à une information sur l’usage secondaire de leurs données, s’opposer à leur traitement ou exercer d’autres droits via une solution opérée par Docapost (La Poste) et un portail de transparence dédié.

    L’EDS du CHU centralise les données issues des parcours de soins et de la recherche, en les structurant pour des usages secondaires : études épidémiologiques, évaluation des pratiques, outils d’aide à la décision. Codées et régulièrement actualisées, ces données sont stockées sur une plateforme sécurisée. L’accès est strictement encadré : seuls les chercheurs autorisés disposent d’espaces de travail personnels et sécurisés. La gouvernance de l’EDS repose sur un comité stratégique présidé par le Pr Julien Mazières (pneumologue), un Comité éthique et scientifique (Dr Fabrice Ferré) et un Centre des données de santé et de recherche (CDSR), dirigé par le Pr Laurent Molinier (DIM) et Jean-Marc Alliot (DSN/IA).

    Applications en médecine personnalisée, IA et prédiction clinique

    Le CHU utilise l’EDS pour structurer l’analyse de données et soutenir des projets de recherche clinique et translationnelle. L’outil alimente notamment cinq projets pilotes :

    • SIMBIOTIC (coord. Dr Fabrice Ferré) : création de 10 000 patients artificiels pour la modélisation prédictive en anesthésie à partir de 500 cas réels.
    • DyPO-ICU (coord. Dr Michael Poette) : un algorithme intelligent pour analyser en temps réel les paramètres vitaux des patients en réanimation.
    • COL-IA (coord. Dr Guillaume Bataillon) : développement d’algorithmes IA pour assister le diagnostic du cancer du col utérin à partir d’images histologiques.
    • APRIORICS (coord. Dr Camille Franchet) : IA appliquée à 1 000 cas de cancers du sein pour une description fine des tumeurs à l’échelle cellulaire.
    • APSoReN (coord. Pr Xavier de Boissezon) : prévention des ruptures de parcours de soins post-traumatisme crânien via des modèles prédictifs issus du croisement entre EDS et SNDS.

    Transparence et implication des patients

    Le CHU met l’accent sur l’information et les droits des patients. Un portail permet de consulter les études en cours, classées par spécialité, année ou type. Chaque projet est accompagné d’une fiche explicative. Les patients peuvent à tout moment exercer leur droit d’accès, de rectification, d’opposition ou de suppression via la DPO du CHU  L’initiative s’inscrit dans le plan France 2030 et l’écosystème du Health Data Hub. Le CHU de Toulouse contribue à la constitution du patrimoine national de la donnée, au sein notamment du consortium Health Data 3OI et de l’espace de données fédérées FéData.

  • IA générative en santé : le guide pratique 2025 précise les usages autorisés et les conditions de conformité

    Une IA utilisée sans cadre adapté peut exposer à une violation du RGPD

    L’usage d’un agent conversationnel pour générer un compte rendu médical ou interroger une base scientifique exige une vigilance réglementaire : le guide pratique 2025 précise les cas d’usage autorisés, les risques, les obligations juridiques et les solutions recommandées.

    Publié en mai 2025 par l’équipe du GRADeS Pays de la Loire, ce guide s’adresse aux professionnels de santé souhaitant utiliser des systèmes d’IA générative (SIAgen) dans leur pratique en fournissant un cadre opérationnel. Il s’appuie sur le RGPD, l’AI Act européen et les référentiels français pour encadrer les usages cliniques, administratifs ou de recherche. Les solutions mobilisées doivent impérativement garantir la confidentialité des données et respecter les obligations d’information et de supervision humaine.

    Des usages cliniques autorisés uniquement selon le type de données traitées

    L’IA générative, via des modèles de type LLM (Large Language Model), permet de produire automatiquement des textes, images, résumés, voire des suggestions de diagnostic à partir d’un simple prompt. Le guide recense les cas d’usage suivants :

    • Recherche d’informations médicales (pathologie, traitement, publication scientifique).
    • Rédaction assistée de documents de soins : lettres de liaison, comptes rendus opératoires, CR de RCP, etc.
    • Aide au diagnostic, en complément de l’examen clinique.
    • Aide à la prescription, notamment pour vérifier les interactions médicamenteuses ou actualiser les traitements.

    Pour chaque usage, le type de données en jeu (publiques, personnelles, de santé) détermine le cadre légal applicable.

    l’IA doit respecter hébergement HDS et transparence

    Dès qu’un prompt contient des données personnelles de santé (ex. antécédents médicaux, résultats de test, diagnostic), l’usage du SIAgen est strictement encadré :

    • Le système doit être hébergé sur des serveurs certifiés HDS.
    • Le traitement doit respecter le RGPD : consentement du patient, anonymisation, ou justification par intérêt public.
    • L’envoi de données doit être chiffré.
    • Le professionnel doit pouvoir fournir une explication claire des résultats fournis par l’IA.

    En cas d’usage à des fins médicales, le SIAgen est considéré comme un Dispositif Médical Numérique (DMN) : marquage CE requis, hébergement HDS, documentation technique. Le professionnel reste responsable du traitement et des décisions prises.

    Le guide insiste sur la garantie humaine (article 14 de l’AI Act) : tout usage de l’IA en santé nécessite une supervision humaine en amont et en aval. Le professionnel ne peut déléguer une décision médicale à un algorithme sans en vérifier le contenu. De plus, une obligation d’information incombe au professionnel : le patient doit être informé de l’usage de l’IA dans sa prise en charge et pouvoir s’y opposer. Cette disposition, introduite par la loi bioéthique d’août 2021, est rappelée dans le guide.

    Quelles solutions pour quels usages ?

    Une grille pratique distingue les solutions selon leur conformité :

    • Sans données de santé : l’usage d’un SIAgen généraliste reste possible pour la recherche documentaire, sous réserve de vérifier la fiabilité des sources.
    • Avec données personnelles ou de santé : seules les solutions certifiées HDS sont autorisées.

    Exemples mentionnés dans le guide :

    • BioMistral : modèle biomédical open source basé sur Mistral, destiné à la recherche documentaire.
    • Dalvia IA (Docaposte) : synthèse des dossiers patients et lettres de liaison.
    • Nabla Copilot, Doctolib Assistant, Loquii, Praxysanté : transcription vocale et génération de comptes rendus.
    • Ordoclic, Posos, logiciels LAP certifiés HAS : aide à la prescription.

    L’usage de modèles généralistes comme GPT-4 est déconseillé pour les cas cliniques, faute de garanties sur les sources de données et leur fiabilité. Enfin, le guide recommande de toujours adopter une posture critique : vérifier les contenus générés, croiser les sources, ne jamais intégrer directement un résultat d’IA dans un dossier patient sans relecture médicale.

  • SPDA : le cahier des charges national publié, un cadre de référence pour les acteurs locaux

    SPDA : publication du cahier des charges national pour le déploiement local

    Les orientations nationales désormais fixées

    Le cahier des charges national du SPDA figure en annexe d’un arrêté publié le 28 mai, après consultation du Conseil national consultatif des personnes handicapées (CNCPH) et du Haut Conseil de la famille, de l’enfance et de l’âge (HCFEA). Ce volumineux document, largement conforme à ce qui était attendu, constitue un guide pour tous les acteurs locaux (départements, ARS, organismes de sécurité sociale, acteurs de la coordination, acteurs de l’offre sanitaire, etc.), qui s’engagent dans la création de ce nouveau service public. Il précise d’emblée que le SPDA ne constitue « ni un nouveau dispositif ni un nouvel acteur ». A ce titre, il respecte les compétences de chaque institution le composant, la comitologie préexistante et ne vise pas à définir les articulations entre elles, puisque la démarche repose sur la coresponsabilité des acteurs. Il déroule ensuite les objectifs qu’il doit poursuivre.

    Quatre principes pour l’ensemble du SPDA

    Ils sont fondamentaux pour la réussite de la démarche  :

    • Une responsabilité partagée : « l’ensemble des membres du SPDA sont garants de la lisibilité et de la qualité du service rendu aux personnes ».
    • Une organisation intégrée, ce qui suppose le décloisonnement entre les services.
    • Une organisation au choix des acteurs territoriaux.
    • Un service public construit pour et avec les personnes :« La démarche SPDA doit être garante des droits des personnes et exigeante sur leur participation et sur leur accessibilité ».

    Quatre missions : un pilotage par la qualité fondé sur des indicateurs multisources

    Le SPDA doit faciliter les démarches des personnes âgées, des personnes handicapées et des proches aidants. Pour ce faire, il exerce quatre missions :

    • Information, accueil et mise en relation.
    • Appui aux démarches, instruction et évaluation des droits au service de leur effectivité.
    • Soutien à des parcours personnalisés, continus et coordonnés.
    • Prévention, repérage, « aller vers ».

    Pour chaque bloc de mission, le cahier des charges expose :

    • Le périmètre de la mission.
    • Les objectifs recherchés, selon le point de vue des usagers.
    • Les engagements de service rendu, en recherchant l’équité sur le territoire.
    • Les indicateurs de qualité du service rendu.

    Pour ce qui est de l’évaluation de la qualité du service, le cahier des charges fait des propositions d’indicateurs, afin d’aider les acteurs locaux qui pourraient être en difficulté sur ce point assez technique. Sont cités notamment et «par exemple » :

    Pour la mission 1 : Le nombre et le niveau de labellisation « Services Publics + » des membres du SPDA éligibles à cette démarche, selon les termes de l’arrêté du 31 août 2023.

    Pour les missions 1 et 2 : Le taux de satisfaction des personnes concernées en lien avec cette activité (disponibles dans le baromètre MDPH, sur plus.transformation.gouv.fr pour les organismes de sécurité sociale par exemple).

    Pour les missions 3 et 4

    • Certains indicateurs d’évaluation de la stratégie nationale de santé ou du système national des données de santé.
    • Ou du baromètre Handifaction d’accès aux soins du handicap.

    Pour la mission 4

    • Nombre de bilans « Mon bilan Prévention » pour les personnes de plus de 60 ans et plus.
    • Dépenses moyennes par habitant dédiées aux actions de prévention.

    Les engagements transversaux aux quatre missions

    Il s’agit des engagement globaux du point de vue des professionnels :

    • Participation des personnes.
    • Accessibilité.
    • Respect des droits des personnes.
    • Partage d’informations.
    • Démarche qualité.

    Pour alimenter ce dernier engagement sur la démarche qualité, le cahier des charges propose, pour chaque mission, des « pistes pour alimenter l’analyse collective de la démarche qualité », c’est-à-dire les « ressources pour définir les objectifs et les priorités partagés d’une démarche qualité collective ». On peut citer à titre d’exemple, parmi la longue liste figurant dans le cahier des charges, le recensement des lieux d’accueil sur le territoire ou le partage et l’analyse des taux de satisfaction sur la qualité de l’accueil.

    https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000051684801

  • Cybersécurité en santé : 749 incidents signalés en 2024 (hausse de 29 %)

    Des incidents plus nombreux, mais souvent moins critiques

    Le secteur de la santé a déclaré 749 incidents de cybersécurité en 2024, soit une augmentation de 29 % par rapport à 2023, selon le rapport annuel de l’Observatoire du CERT Santé. Si le volume croît, le nombre d’incidents majeurs diminue, ce qui traduit une amélioration des dispositifs de détection et de réponse. L’année 2024 a été marquée par une hausse significative des signalements, portée notamment par des dysfonctionnements non malveillants (mise à jour logicielle, pannes télécom, erreurs de prestataires), qui représentent désormais 56 % des cas. Les attaques malveillantes, dont les rançongiciels, restent préoccupantes, mais représentent une part moindre (44 %), en baisse par rapport à l’année précédente. 230 incidents ont toutefois entraîné un passage en mode dégradé, impactant la prise en charge des patients dans 31 % des cas. Le CERT Santé souligne que 42 % de ces situations concernent des interruptions prolongées de SI, avec parfois une perte d’accès aux logiciels critiques de prescription ou de communication.

    Un meilleur niveau de préparation dans les établissements

    Cette évolution reflète aussi une meilleure anticipation des risques. En 2024, les exercices de gestion de crise ont été largement déployés, l’exposition Internet des systèmes d’information a été réduite, et les audits de cybersurveillance se sont intensifiés. Le programme CaRE a joué un rôle central, notamment via ses volets dédiés à l’identification des vulnérabilités et à la sécurisation des accès. Les structures déclarantes sont désormais plus nombreuses (+21 %), avec une hausse des contributions venues du médico-social. En parallèle, le CERT Santé a renforcé son appui technique : 162 demandes d’accompagnement ont été formulées, dont 75 ayant abouti à une intervention technique directe.

    Failles persistantes et recommandations pour 2025

    Malgré ces progrès, plusieurs faiblesses demeurent. Le CERT Santé relève notamment :

    • Un manque de cartographie des SI.
    • Des accès distants insuffisamment sécurisés.
    • Une protection des sauvegardes parfois défaillante.
    • Et un déficit de compétences informatiques dans les petites structures.

    Face à ces constats, et dans la perspective de l’entrée en vigueur de la directive NIS 2, le rapport formule plusieurs recommandations opérationnelles : durcir les accès avec de l’authentification multifacteur, appliquer la règle de sauvegarde 3-2-1, contractualiser les obligations de sécurité avec les prestataires, maintenir une cartographie SI à jour, et généraliser les tests de restauration.

    Observatoire des signalements d’incidents de sécurité des systèmes d’information pour les secteurs santé et médicosocial – Rapport public – Agence du numérique en santé

  • Santé numérique : 254 fonds actifs en Europe en 2025, x 3 depuis 2021 (Cartographie Karista 2025)

    +202 % de croissance du nombre de fonds depuis 2021

    D’après la cinquième édition du « Mapping européen des fonds de santé digitale » publiée par Karista le 12 mai, le nombre de fonds actifs en Europe est passé de 84 en 2021 à 254 début 2025. Cette hausse de 17 % en un an (+38 fonds) reflète la dynamique d’un écosystème en expansion, avec plus de 3 800 start-ups. La croissance du secteur se traduit aussi par un regain de confiance des investisseurs : au premier trimestre 2025, 2,1 milliards de dollars ont été investis en Europe, sur un total mondial de 5,8 milliards. À titre de comparaison, l’ensemble de l’année 2024 avait totalisé 24,5 milliards de dollars levés dans le monde (1 538 opérations), dont 4,8 milliards pour l’Europe (+27 % par rapport à 2023).

    Seuls 26 % des nouveaux fonds sont 100 % e-santé

    Seuls 26 % des nouveaux fonds identifiés en 2024 sont exclusivement dédiés à la santé numérique, contre 47 % l’année précédente. Ce basculement confirme l’arrivée de fonds généralistes dans le domaine. Les early-stage représentent toujours 60 % des fonds, mais ils constituent 80 % des nouveaux entrants. Le capital-risque d’entreprise progresse également, représentant 24 % des fonds créés en 2024.

    France et Royaume-Uni au coude-à-coude

    Le Royaume-Uni rejoint la France en tête du classement européen par nombre de fonds actifs, suivi de près par l’Allemagne. Alors que la France dominait nettement les éditions précédentes, cette nouvelle répartition s’explique par un ralentissement dans la création de nouveaux fonds français. En 2024, les opérations de financement en France ont atteint 654 millions d’euros pour 54 levées, en retrait par rapport au quasi-milliard enregistré en 2023.

    76 super-investisseurs en Europe (+38 %)

    Le nombre de « super-investisseurs » – fonds ayant réalisé au moins 10 transactions – atteint désormais 76, soit une hausse de 38 %. Ces acteurs sont principalement basés au Royaume-Uni, en France et en Allemagne. La même tendance s’observe aux États-Unis, où General Catalyst et Andreessen Horowitz ont concentré 20 % des financements disponibles en 2023, avec plus de 14 opérations chacun.

    En matière thérapeutique, la santé mentale continue d’attirer les financements en ce début 2025, devant l’oncologie et la santé féminine.