Nabil

  • Horizon Europe : la Commission cherche des experts santé pour évaluer les projets 2025-2027

    HaDEA recrute des professionnels qualifiés pour participer à l’évaluation des projets R&I en santé, notamment en intelligence artificielle, essais cliniques, dispositifs médicaux ou encore santé publique. L’Agence exécutive européenne pour la santé et le numérique (HaDEA), en charge du pilotage du Cluster 1 « Santé » du programme Horizon Europe et de la Mission européenne contre le cancer, prépare l’évaluation des projets candidats pour les années 2025 à 2027. Elle lance un appel à candidatures auprès de professionnels indépendants disposant d’une expertise dans les domaines couverts par ces appels.

    Des profils variés recherchés

    Les domaines d’expertise souhaités couvrent un large spectre :

    • Intelligence artificielle (interaction humain-IA, éthique, apprentissage automatique, modèles de langage, etc.)
    • Essais cliniques et thérapies avancées (médecine régénérative, thérapie génique, biologie synthétique, GMP, QMS, etc.)
    • Sciences environnementales (toxicologie, microplastiques, évaluation des risques)
    • Dispositifs médicaux et imagerie (HTA, ingénierie biomédicale, bioéthique, diagnostics)
    • Pathologies et santé publique (maladies rares, santé mentale, maladies infectieuses, santé numérique)
    • Oncologie (oncologie pédiatrique, médecine translationnelle, nutrition, qualité de vie)
    • Métiers de santé et services sociaux
    • Systèmes de santé et économie de la santé
    • Achats publics innovants
    • Communication scientifique et journalisme

    Conditions et modalités de participation

    Les candidats doivent s’enregistrer ou actualiser leur profil dans la base d’experts de la Commission européenne, en y ajoutant les mots-clés correspondant à leurs domaines de compétence. Une excellente maîtrise de l’anglais, écrit et oral, est requise.

    Les experts sélectionnés seront mobilisés pour des missions de courte durée – entre deux jours et un mois – potentiellement étalées sur plusieurs mois. Ils participeront à l’analyse des propositions soumises dans le cadre des appels à projets Horizon Europe et Mission Cancer, selon un calendrier précisé ultérieurement.

    Rémunération et contact

    Ces missions sont rémunérées. Les détails sur les modalités de paiement sont accessibles via la Commission européenne. Pour toute question, les experts peuvent contacter l’adresse HADEA-HORIZON-EVALUATION@ec.europa.eu en précisant leur numéro d’enregistrement EMI et leur domaine d’expertise.

  • L’offre médico-sociale pour les personnes en situation de handicap doit passer en mode intégré (Igas)

    Le rapport de l’Inspection générale des affaires sociales (Igas) consacré à « la transformation de l’offre médico-sociale dans les établissements et services accueillant des personnes en situation de handicap » a été rédigé suite à la Conférence nationale du handicap (CNH) d’avril 2023. Le plan « 50.000 solutions », lancé à cette occasion, reconnaissait la nécessité d’une telle transformation afin de passer « d’une logique de places à une logique d’offre de services coordonnés ». Le rapport avec ses 38 propositions propose un cadre opérationnel pour cette transformation.

    Adapter l’offre aux besoins

    La transformation de l’offre est la condition de la liberté de choix de vie des personnes en situation de handicap (PSH). Actuellement le secteur est organisé, sur la base d’autorisations, en plusieurs modes d’intervention professionnelle : hébergement, logement accompagné, accueil de jour et accueil en milieu ordinaire, accueil de jour. L’offre ainsi cloisonnée ne permet pas une adaptation souple aux besoins des PSH et à leur évolution.

    Les dispositifs intégrés, associant plusieurs catégories institutionnelles, ne concernent que 25% des établissements pour jeunes et 3% pour adultes. Cependant les travaux menés par l’Igas ont permis de constater que « Les organismes gestionnaires disposent de structures capables d’assurer la modalité recherchée, si elles sont regroupées avec un projet commun pour 59 à 67% des communes ». Ce qui montre qu’il existe potentiellement une possibilité d’élargir les capacités d’une offre intégrée sur le territoire.

    Créer une catégorie unifiée des structures d’accueil et d’accompagnement

    La première recommandation du rapport est de « mettre en extinction les différentes catégories d’ESSMS pour PSH d’ici 2030, au profit d’une catégorie transversale unique ». L’objectif est de faire émerger « une offre modulaire, qui propose les différents modes d’intervention professionnelle et adapte leur intensité dans le temps aux besoins et attentes de la personne ». Celle-ci accéderait, au sein d’un même établissement ou auprès d’un même organisme gestionnaire, à « la palette complète des différents modes d’accueil et d’accompagnement ».

    Cette obligation de réponse aux besoins donne, selon le rapport, une « responsabilité populationnelle territorialisée » aux structures sociales et médico-sociales. L’exercice de cette responsabilité sera facilité par une gouvernance publique coordonnée, dans le cadre du Service public départemental de l’autonomie (SPDA).

    Les moyens à mettre en œuvre

    La transformation du secteur implique :

    • Une modification de l’art 313.1.11 CASF, qui prévoit la procédure d’autorisation des nouveaux projet d’établissements et services sociaux et médicosociaux (ESSMS) et les soumet généralement à l’avis d’une commission d’information et de sélection d’appel à projet, dans le sens d’une simplification ;
    • Le regroupement des ESSMS en un seul ensemble, « structure PSH », au sein duquel aucun regroupement ou transformation ne nécessite un appel à projet sur la base d’une étude de besoin confiée à la DRESS et la CNSA ; l’objectif est le regroupement des ESSMS, par département, à la diligence du gestionnaire ou de plusieurs d’entre eux ou dans le cadre d’un groupement de coopération sociale et médicosociale (GCSMS), selon une procédure simplifiée ;
    • L’intégration dans tout CPOM d’un ESSMS et dans les projets d’établissements d’un axe relatif à la transformation ainsi que le conditionnement des mesures nouvelles à un projet de transformation ;
    • La transformation des systèmes d’information (SI), en assurant notamment l’interopérabilité entre le SI commun MPDH et le SI Via Trajectoire Handicap ;
    • La poursuite du déploiement du dossier usager informatisé (DUI) ;
    • Le remplacement du Programme interdépartemental d’accompagnement des handicaps et de la perte d’autonomie (PRIAC) et du schéma départemental autonomie par un seul schéma départemental relatif à l’accompagnement des PSH, arrêté conjointement par l’ARS et département. Il devrait être concomitant au Projet régional de santé, dans l’attente de l’élaboration d’ une feuille de route conjointe ARS-CD relative à la transformation de l’offre

    Le financement de la transformation

    Le chiffrage du coût de l’accompagnement de la transformation s’élèverait, selon l’Igas, à 370M€. Des mesures pourraient également faciliter cette réforme :

    • Le décloisonnement des crédits et une fongibilité partielle entre objectifs globaux de dépense (OGD) du champ médicosocial ;
    • L’adaptation de l’équation tarifaire du dispositif d’allocation des ressources SERAFIN-PH pour prendre en compte les ESSMS fonctionnant déjà de manière modulaire ;

    L’Agence nationale d’appui à la performance des établissements de santé et médicosociaux (ANAP) et l’Association nationale des centres régionaux d’étude, d’action et d’Information (CREAI) devraient être en appui de cette transformation par convention avec la CNSA.

    Les recommandations du rapport seront discutées lors du comité de pilotage national de la transformation de l’offre médicosociale, prévu le 30 avril prochain.

    Une préfiguration de la transformation : les dispositifs intégrés

    Cette nouvelle modalité de prise en charge fonctionne déjà dans de nombreux ESSMS pour PSH, de leur propre initiative ou à l’invitation des ARS et principalement pour les enfants. Les jeunes accueillis peuvent y bénéficier d’une offre de services modulaire, en partenariat avec l’éducation nationale et/ou d’autres ESSMS.

    Ces initiatives ont été reconnues par un décret du 5 juillet 2024, qui prévoit notamment une convention cadre élaborée à l’échelon départemental, conclue par les acteurs qui concourent à la mise en œuvre du dispositif intégré. Il existe plusieurs exemples de ces dispositifs dans le rapport.

    A côté de ceux-ci, sont apparues localement d’autres appellations se référant à la transformation de l’offre : « plateforme de services coordonnés », « offre de services coordonnés » ou « offre de services intégrés », qui se développent suivant les mêmes principes et selon plusieurs montages juridiques. Leur recensement est difficile et ils ne sont pas actuellement encadrées par des textes.

    Ces dispositifs, quels que soient leur nom, constituent à la fois une préfiguration de la transformation de l’offre mais également son avenir, si l’on se réfère à la conférence nationale du handicap 2023, qui affichait l’objectif de « passer d’une logique de places à une logique d’offre des services coordonnés ».

    Pour accompagner cette transformation, qui emporte notamment des conséquences pour les professionnels, l’ANAP publie un guide de bonnes pratiques.

    Rapport Igas :

    https://www.igas.gouv.fr/handicap-comment-transformer-loffre-sociale-et-medico-sociale-pour-mieux-repondre-aux-attentes-des-personnes

    Sur les dispositifs intégrés :

    https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000049889025

    Guide de bonnes pratiques de l’ANAP :

    https://anap.fr/s/transformation-offre-ph

     

  • Tessan déploie son IA médicale dans les cabines de téléconsultation et en pharmacie

    Une collecte automatisée des symptômes pour affiner le diagnostic médical

    Lancée le 10 mars 2025, la solution Tessan IA s’inscrit dans la continuité des outils de téléconsultation proposés par l’entreprise française Tessan. Elle vise à soutenir les professionnels de santé tout au long du parcours de soins. Avant même la mise en relation avec un médecin, l’IA dialogue avec le patient, recueille ses symptômes et constitue un dossier médical transmis au praticien. Ce dispositif permet de sécuriser et fiabiliser la phase de recueil d’informations.

    Un assistant intelligent pour les pharmaciens

    Tessan déploie également son IA dans les officines. Intégrée au comptoir, elle assiste les pharmaciens dans leurs délivrances en proposant des recommandations personnalisées, en temps réel, à partir d’une base de données certifiée. Cette technologie permet de croiser les spécificités des produits avec les symptômes signalés et les éventuelles contre-indications, renforçant ainsi la pertinence du conseil apporté au patient.

    Un outil d’aide à la décision, non substitutif au professionnel

    Jordan Cohen, CEO et fondateur de Tessan, insiste sur le rôle complémentaire de l’IA : elle n’a pas vocation à se substituer au professionnel de santé mais à l’assister. Elle sert à éviter les oublis, limiter les erreurs d’interprétation, et améliorer l’expérience patient. L’objectif est de fluidifier les parcours, optimiser le temps médical et enrichir l’analyse clinique sans retirer la responsabilité de la décision au praticien.

    Une extension du modèle médical Tessan dans un contexte de tension

    Déjà active dans la lutte contre la désertification médicale, Tessan renforce avec cette innovation sa proposition pour désengorger les urgences et améliorer l’accès aux soins. L’entreprise revendique une communauté de 300 médecins utilisateurs de ses dispositifs connectés, déployés depuis 2018. En connectant ses cabines de téléconsultation et les pharmacies à une IA médicale, Tessan élargit son champ d’action dans la e-santé et entend structurer un modèle de soins plus fluide et personnalisé.

  • 37 solutions d’intelligence artificielle pour transformer la prise en charge cardio-neuro

    Health & Tech Intelligence recense 37 solutions d’intelligence artificielle en cardiologie, développées par 30 entreprises. Certaines structures comme Casis ou Avicenna.ai portent plusieurs solutions à la fois. Ce volume montre la diversité des solutions, notamment depuis 2015, période à partir de laquelle une grande partie des solutions ont été créées.

    Des spécialités médicales très représentées, avec une forte logique pluridisciplinaire

    Les 37 solutions étudiées couvrent un large spectre de spécialités. La cardiologie domine nettement (26 solutions, soit 70 %), suivie par l’imagerie médicale (19 solutions), la neurologie (13) et les urgences (14). D’autres segments comme l’anesthésie-réanimation ou la prévention des risques apparaissent également, mais dans une moindre mesure. 80 % des solutions sont pluridisciplinaires. Elles articulent au moins deux spécialités, souvent à la croisée de la neurologie, de la cardiologie, de l’imagerie et des services d’urgence. Cette transversalité correspond à des situations cliniques complexes.

     

    Objectifs cliniques principaux : accélérer, fiabiliser, prévenir

    Trois familles d’enjeux cliniques structurent les cas d’usage analysés :

    • Réduction des délais d’intervention : 15 solutions y contribuent, souvent dans des contextes critiques (AVC, urgences neurovasculaires, arythmies). Exemples : AI-Stroke, CINA ICH, Rapid ASPECTS.
    • Fiabilisation et standardisation des diagnostics : 12 solutions proposent des mesures reproductibles (ex : EchoGO Core et ses 230 indicateurs), avec une réduction des biais inter-opérateurs.
    • Prévention et prédiction des complications : 8 solutions s’inscrivent dans une logique de suivi longitudinal ou de détection précoce (ex : Projet HYDRO, PREVIA, CorEx).

    Par ailleurs, 4 solutions sont spécifiquement conçues pour un usage en dehors de l’hôpital, dans une logique de télésurveillance ou de prévention à domicile (TakeCœur, Clark, Zio Service).

    Technologies utilisées : deep learning et données non structurées dominent

    La grande majorité des solutions repose sur des technologies d’intelligence artificielle de type deep learning (25 sur 37), parfois combinées à de la vision par ordinateur. Le machine learning plus classique est utilisé dans 10 cas. D’autres approches émergent (apprentissage fédéré, science des données). Les données non structurées sont mobilisées dans 30 solutions sur 37 (images médicales, vidéos, signaux ECG). Dix-neuf utilisent aussi des données structurées. Douze solutions combinent les deux. Cette orientation confirme l’importance de l’IA pour interpréter des contenus riches, jusqu’alors difficiles à exploiter à grande échelle.

    Des usages orientés vers le soin direct et l’anticipation des risques

    Les finalités des solutions sont variées, mais s’organisent autour de grands objectifs cliniques. Le diagnostic assisté (automatisé ou semi-automatisé) est le plus fréquent : il concerne 20 solutions. L’aide au triage ou à la décision thérapeutique en urgence suit, avec 9 solutions. Les autres se répartissent entre la prévention (6), le suivi à distance (4) et la simulation ou planification par jumeaux numériques (3). Les cas d’usage mettent l’accent sur des situations à fort enjeu : AVC, arythmies, infarctus, complications chirurgicales. L’IA permet ici d’accélérer la prise en charge ou de mieux orienter les patients vers la bonne ressource thérapeutique.

    Une maturité réglementaire encore en construction

    Malgré des performances techniques solides, la plupart des solutions ne disposent pas encore de certification complète. Seules 6 solutions présentent un marquage CE confirmé (notamment EchoGO Core, Rapid ASPECTS, HealthCCSng). Quatre sont en cours de certification. En revanche, 27 solutions ne mentionnent aucun marquage CE officiel.

    Un ancrage hospitalier fort, facteur clé d’expérimentation

    Les partenariats hospitaliers jouent aussi un rôle dans l’expérimentation et la validation des solutions. Au total, 21 établissements sont cités dans les projets analysés. L’AP-HP est le plus représenté avec 9 mentions, suivi du CHU de Bordeaux (4), du CHRU de Nancy (2) et d’un réseau de CHU régionaux (Brest, Vannes, Morlaix, Nîmes, Grenoble, etc.). Ces coopérations assurent un ancrage clinique et permettent de co-développer des outils qui répondent aux besoins des médecins, facilitent l’accès aux cohortes structurées, et stimulent l’entrainement et la validation des modèles.Plusieurs CHU français participent activement à la co-conception ou au test des algorithmes.

    Perspectives : vers un modèle d’adoption plus robuste

    Le secteur cardio-neuro apparaît comme un terrain d’expérimentation fertile pour l’IA en santé. Il conjugue des besoins cliniques urgents, une forte production de données et un réseau hospitalier mature. Pour transformer cette dynamique en déploiement à large échelle, plusieurs conditions doivent être réunies :

    • Des évaluations cliniques multicentriques, avec des marqueurs d’impact validés.
    • Un meilleur accès aux données cliniques dans un cadre sécurisé et standardisé.
    • Un effort de formation pour les équipes médicales et administratives.

    Cartographie des solutions d’IA en cardiologie :

  • Panorama de l’IA en santé cardio : 18 cas d’usage pour le diagnostic, les interventions, et la prévention

    37 solutions d’IA pour 18 cas d’usage : état des lieux dans les services hospitaliers

    L’intelligence artificielle s’installe progressivement dans les établissements de santé, en particulier dans les domaines comme la cardiologie, la neurologie, l’imagerie médicale et les urgences. À partir d’un corpus de 18 cas d’usage, cette analyse propose un aperçu de l’état d’avancement de ces solutions, des segments médicaux concernés, des entreprises impliquées, ainsi que des niveaux de maturité observés. Sur les 18 cas d’usage étudiés, 41 solutions ont été identifiées, soit une moyenne de 2,16 solutions par cas.
    Certains cas concentrent un volume important d’innovation (jusqu’à 7 solutions pour un même usage), tandis que d’autres n’en comptent qu’une. Cette disparité reflète un écosystème encore en cours de structuration, avec des domaines fortement explorés (notamment le diagnostic par imagerie cardiovasculaire) et d’autres plus émergents.

    Répartition par segment médical : 2,1 solutions en moyenne par cas d’usage

    La grande majorité des cas d’usage sont pluridisciplinaires, croisant plusieurs champs cliniques. Plus de 80 % des cas intègrent deux spécialités ou plus, par exemple imagerie + urgences, ou neurologie + cardiologie. Cette transversalité est un marqueur fort de la manière dont l’IA est pensée : non pas comme une brique isolée, mais comme un outil de convergence entre disciplines. De nombreux cas étudiés (18) sont ancrés dans le secteur hospitalier : Ce positionnement témoigne d’un ancrage dans des contextes de soins spécialisés, critiques ou aigus. L’IA y est mobilisée pour accélérer les diagnostics, réduire les délais d’intervention ou standardiser les prises en charge.

    Segment clinique Nombre de cas concernés
    Cardiologie 14 cas
    Imagerie médicale 10 cas
    Urgences 8 cas
    Neurologie / AVC 7 cas
    Prévention 4 cas
    Anesthésie-Réanimation 2 cas

    Les cas analysés se répartissent en quatre grandes catégories :

    1. Diagnostic assisté par IA 15 cas et 36 solutions. Interprétation d’imagerie, d’ECG, ou de signaux biologiques. Ce segment concentre plus de 60 % des solutions identifiées. Exemples : détection des arythmies (3 solutions), aide au diagnostic à partir d’IRM (7 solutions), reconnaissance d’hémorragies (6 solutions).
    2. Réduction des délais d’intervention 6 cas et 7 solutions.  Triage post-angiographie, pré-diagnostic rapide. Exemples : AI-Stroke, Rapid ASPECTS, systèmes d’écoute des appels.
    3. Prévention des risques 5 cas et 8 solutions. Surveillance à distance, détection de signaux faibles, aide à l’adaptation médicamenteuse. Exemples : CorEx pour l’analyse coronarienne, Lifeaz pour les défibrillateurs connectés.
    4. Standardisation des pratiques 5 cas et 6 solutions. Automatisation des mesures (diamètre aortique, score ASPECTS, calcifications coronaires). Exemples : Arva (diamètre aortique), HealthCCSng (calcifications), Volta (guidage en électrophysiologie).

    La grande majorité des cas d’usage relèvent de l’innovation médicale. L’IA est donc massivement utilisée pour développer de nouvelles pratiques cliniques ou améliorer des diagnostics complexes. Les autres axes (pilotage, organisation, décision populationnelle) restent encore minoritaires à ce stade.

    Axe stratégique Nombre de cas
    Innovation médicale 15 cas
    Pilotage 1 cas
    Opérations 1 cas
    Aide à la décision 1 cas

    Maturité variable des solutions IA : entre production clinique et phase pilote

    Parmi les 18 cas, 5 disposent d’une publication scientifique associée, soit environ 26 %. Ces publications sont issues de revues spécialisées comme Resuscitation Journal, AJNR, Springer ou J Vasc Surg.
    La maturité des autres solutions est plus hétérogène : certaines sont déjà en production clinique, tandis que d’autres restent en phase d’expérimentation ou de preuve de concept. Cette diversité de maturité souligne le besoin d’un accompagnement différencié, entre solutions à déployer et innovations à valider. Parmi les 41 solutions identifiées dans le champ de l’intelligence artificielle appliquée à la cardiologie, à la neurologie et à l’imagerie médicale, 20 sont développées par des entreprises de moins de 50 salariés. Les entreprises de moins de 10 salariés représentent 6 projets, tandis que celles comptant entre 10 et 49 collaborateurs en portent 10. Cette configuration souligne la jeunesse de l’écosystème IA santé, bien composé de structures émergentes.

    Un écosystème en construction, porté par l’hôpital et la deeptech

    Cette dynamique repose sur un triptyque : hôpital universitaire, startup IA et données cliniques. Des établissements comme l’AP-HP, le CHU de Bordeaux, l’Institut Mutualiste Montsouris ou le CHU de Grenoble jouent un rôle dans cette transformation, en tant que partenaires ou sites pilotes. Leur implication alimente un écosystème public-privé. Pour autant, si certaines solutions sont déjà en production dans les services d’urgence, d’autres restent en phase de validation clinique, soulignant la nécessité d’un accompagnement pour consolider le développement de ces solutions.

    Interopérabilité, accès aux données, formation : les trois freins à lever pour l’IA clinique

    L’intelligence artificielle permet un gain de temps, notamment dans les cas d’usage de détection et de diagnostic assisté (par exemple grâce au score ASPECTS automatisé ou à la détection des plaques coronariennes). L’IA contribue également à standardiser les mesures médicales, ce qui réduit les écarts entre praticiens. Enfin, certaines solutions bénéficient déjà d’une validation clinique, avec des publications scientifiques à l’appui. Cependant, plusieurs freins persistent. Les systèmes hospitaliers manquent d’interopérabilité, ce qui complique l’intégration des solutions. L’accès aux données de santé est encore lent, notamment pour les startups. Il y a aussi un besoin important de formation des professionnels de santé à l’usage de l’IA, ce qui limite son adoption sur le terrain.

     

    Cartographie des cas d’usage : IA et cardiologie

  • Google dévoile TxGemma, sa nouvelle IA pour accélérer la découverte de médicaments

    Une IA dédiée à la recherche thérapeutique

    Google poursuit son incursion dans le domaine de la santé avec le lancement de TxGemma, une déclinaison de sa gamme de modèles d’IA Gemma, elle-même basée sur la plateforme Gemini. Présentée lors de l’édition 2025 de The Check Up, cette nouvelle IA générative vise à appuyer les chercheurs dans la découverte de nouveaux médicaments. Développée dans le cadre du programme Health AI Developer Foundations, TxGemma sera mise à disposition de la communauté scientifique d’ici fin avril. À ce stade, les conditions d’utilisation commerciale ne sont pas encore précisées.

    Comprendre les structures thérapeutiques grâce au langage

    TxGemma est conçue pour interpréter à la fois le langage naturel et les structures moléculaires complexes – petites molécules, substances chimiques, protéines. Selon la directrice santé de Google, Dr Karen DeSalvo, les chercheurs peuvent interroger le modèle afin d’obtenir des prédictions sur l’efficacité ou la sécurité de molécules en développement. L’objectif affiché est clair, raccourcir et optimiser le processus long et coûteux du développement thérapeutique, en s’appuyant sur les capacités prédictives et analytiques de l’IA.

    Un secteur en mutation, encadré par les agences réglementaires

    L’essor de l’IA dans les sciences de la vie transforme déjà la recherche pharmaceutique : détection de cibles thérapeutiques, conception de nouvelles molécules, repositionnement de traitements. Cette accélération a conduit la FDA à publier en début d’année ses premières recommandations sur l’usage de l’IA dans les dossiers réglementaires, suivie par l’EMA avec un document de réflexion sur son utilisation dans le cycle de vie des médicaments.

    D’autres initiatives en santé numérique présentées par Google

    Google a également profité de The Check Up pour faire le point sur ses autres projets en santé. L’application Health Connect intégrera bientôt un module pour centraliser les dossiers médicaux. Les résultats de recherche sur Google intègreront des informations de santé plus pertinentes. Par ailleurs, le concept d’AI co-scientist a été mis en avant, cet assistant virtuel peut générer des hypothèses de recherche ou des protocoles expérimentaux à partir d’un objectif exprimé en langage naturel. Exemple : comprendre la propagation d’un microbe pathogène. Enfin, Google a présenté Capricorn, un outil utilisant les modèles Gemini pour identifier des traitements personnalisés en oncologie pédiatrique, à partir de données publiques et de données patient anonymisées.

  • Evinova intègre sa solution de télésurveillance à l’essai clinique I-SPY 2.2 sur le cancer du sein

    Une surveillance proactive pour limiter les effets indésirables graves

    Evinova, société spécialisée dans les technologies d’essais cliniques, s’est associée à Quantum Leap Healthcare Collaborative (QLHC) pour intégrer sa solution de surveillance à distance des patients (Remote Patient Monitoring – RPM) dans la plateforme d’essai I-SPY 2.2. Cet essai vise à évaluer de nouvelles options thérapeutiques pour les femmes atteintes d’un cancer du sein localement avancé récemment diagnostiqué.

    Le module RPM sera utilisé pour détecter les premiers symptômes de la pneumopathie interstitielle (MPI), une complication potentielle liée à un des traitements expérimentés. La détection précoce de cette toxicité est un enjeu pour éviter l’évolution vers une forme grave de la maladie, pouvant nécessiter une réduction ou une interruption du traitement.

    Une technologie intégrée dans un protocole de recherche adaptatif

    I-SPY 2.2 repose sur un protocole dit « essai de plateforme », permettant d’évaluer simultanément plusieurs traitements expérimentaux face à un groupe témoin commun. Cette approche vise à accélérer l’accès à des solutions thérapeutiques plus efficaces tout en limitant les effets secondaires.

    Selon le Dr Laura Esserman, fondatrice des essais I-SPY et de QLHC, l’introduction de traitements innovants comme les anticorps bispécifiques ou les conjugués anticorps-médicament ouvre de nouvelles perspectives, mais s’accompagne de risques. D’où l’intérêt d’une surveillance rapprochée rendue possible par Evinova, qui permet d’observer à distance les signes cliniques au quotidien, sans attendre les visites programmées.

    Alertes en temps réel et intervention rapide

    La solution d’Evinova génère des alertes en temps réel pour les professionnels de santé et les sites cliniques, en cas d’apparition ou d’aggravation de symptômes. Les équipes médicales peuvent ainsi rapidement évaluer les patients selon des lignes directrices établies, et décider d’interventions adaptées. Cristina Duran, présidente d’Evinova, souligne que cette approche permet d’améliorer l’expérience des essais cliniques, tout en facilitant la gestion des risques liés aux traitements.

  • Spectral AI : des résultats d’essai cliniques renforcent la demande d’autorisation de mise sur le marché d’un outil de diagnostic des brûlures

    Une étude comparative avec les cliniciens spécialisés

    Spectral AI a publié les résultats d’une étude de validation clinique portant sur 164 patients brûlés, dont 49 enfants, aux États-Unis. L’objectif est de comparer les performances de son dispositif DeepView à celles de médecins spécialistes des grands brûlés. Basée sur un système d’imagerie par lumière multispectrale couplée à des algorithmes d’intelligence artificielle, la solution évalue la capacité des tissus brûlés à cicatriser.

    Des performances supérieures en détection de tissus lésés

    L’analyse a porté sur la sensibilité au niveau des pixels : DeepView atteint 81,9 %, contre 38,8 % pour l’évaluation humaine. Le système a également obtenu de meilleurs scores de dés, une métrique de concordance entre zones prédites et zones réelles (68,5 % contre 39,2 % pour les cliniciens). Spectral AI souligne que ces résultats traduisent une meilleure précision dans l’identification des zones de plaie.

    En revanche, sur le critère de spécificité — capacité à identifier correctement les tissus sains — le système est moins performant que les cliniciens : 61,2 % pour DeepView contre 79,1 % pour les médecins. La société explique cet écart par une approche plus conservatrice des professionnels de santé dans l’estimation des brûlures.

    Vers une autorisation FDA et un déploiement à grande échelle

    Sur la base de ces résultats, Spectral AI prévoit de soumettre une demande d’autorisation de la FDA via la procédure de novo d’ici la fin juin 2025, avec une décision attendue début 2026. L’entreprise anticipe une mise sur le marché rapide grâce à ses capacités de production déjà en place. Lors d’une conférence téléphonique en novembre, Michael DiMaio, président du conseil d’administration, a précisé que le contrat avec la Biomedical Advanced Research and Development Authority (BARDA) permettrait d’activer une force de vente dédiée. Il prévoit également la distribution d’environ 200 appareils via les circuits gouvernementaux vers des centres de traitement des brûlures à travers le pays. La banque BTIG, qui suit la société, estime que ces résultats confirment le positionnement de DeepView sur plusieurs marchés et renforcent la crédibilité du projet auprès des investisseurs.

  • GE Healthcare, Quest, Synchron : les projets d’IA médicale révélés en marge de la GTC 2025 de Nvidia

    GE Healthcare explore l’imagerie autonome avec Nvidia

    GE Healthcare a élargi sa collaboration avec Nvidia pour intégrer des technologies d’IA dans ses systèmes de radiographie et d’échographie. L’objectif ; compenser la pénurie de personnel en automatisant certaines tâches réalisées en radiologie. L’entreprise prévoit d’utiliser la plateforme Nvidia Cosmos pour entraîner, tester et affiner des dispositifs autonomes dans un environnement virtuel, à l’aide de données synthétiques simulant différents scénarios cliniques. Les travaux se concentrent également sur l’amélioration des interactions machine-patient afin de fluidifier le processus de numérisation. Pour l’échographie, l’initiative vise à alléger la charge physique des échographistes et à simplifier les workflows. GE Healthcare étudie aussi l’application de l’IA à la compréhension d’image et à la navigation robotique.

    Quest mise sur l’IA générative via Google Cloud

    Hors cadre de la GTC 2025, Quest Diagnostics a annoncé un partenariat avec Google Cloud afin d’intégrer l’IA générative dans ses systèmes. L’entreprise utilisera notamment Google Agentspace pour automatiser certaines tâches administratives, améliorer l’expérience client, et fournir aux patients des informations personnalisées issues de leurs analyses de laboratoire. La collaboration inclut des objectifs de modernisation des systèmes de données pour renforcer la qualité, la gestion et la sécurité des flux d’information. En 2024, Quest a géré plus de 200 millions de tests et 80 milliards de points de données. L’entreprise indique être l’un des premiers fournisseurs de laboratoires à grande échelle à déployer ces technologies dans un éventail de domaines incluant la R&D et les opérations.

    Synchron travaille sur une IA cognitive activée par l’activité neuronale

    La société Synchron a présenté les avancées de son interface cerveau-ordinateur (BCI), qui utilise la plateforme Nvidia Holoscan pour interpréter en temps réel les signaux neuronaux. Cette technologie a été montrée en interaction avec l’Apple Vision Pro, permettant de contrôler des environnements numériques par la pensée. Synchron ambitionne de franchir un nouveau cap avec une IA cognitive. La société souhaite développer un modèle auto-apprenant fondé sur l’activité neuronale humaine collectée via son dispositif BCI, avec à terme une intégration dans des environnements simulés.

    La robotique chirurgicale adopte aussi les plateformes Nvidia

    Moon Surgical et Virtual Incision ont également détaillé leurs projets lors de la GTC. Moon Surgical exploite les plateformes Holoscan et Isaac for Healthcare pour permettre à son robot Maestro d’interpréter et d’adapter en temps réel les flux de travail chirurgicaux. Virtual Incision explore l’utilisation d’Isaac pour créer des environnements virtuels simulant les gestes chirurgicaux et les processus physiologiques, afin de concevoir sa prochaine génération de robots.

  • Le SNDS s’enrichit de 12 nouvelles bases de données de santé, dont 6 en cancérologie

    Un accès élargi à des données de santé pour la recherche

    L’arrêté du 7 février 2025 marque une nouvelle étape dans la constitution progressive du Catalogue du Système National des Données de Santé (SNDS). Douze nouvelles bases ont été intégrées, s’ajoutant aux dix premières recensées en mai 2022. L’objectif affiché ; faciliter la réalisation de projets de recherche innovants au bénéfice des patients et du système de santé.

    Ce catalogue, mis en œuvre avec les responsables des bases de données, permet au Health Data Hub de rassembler et d’héberger des copies de jeux de données jugés d’intérêt pour la recherche en santé, dans des conditions contractualisées avec les partenaires à l’origine des données. Il vise aussi à en simplifier l’accès pour la communauté scientifique, nationale et internationale.

    Douze nouvelles bases, dont la moitié en oncologie

    Parmi les douze bases désormais référencées, six concernent la cancérologie :

    • DeepSarc (CLCC Léon Bérard) : données de 25 000 patients atteints de sarcome (2010-2017)

    • APRIORICS (CHU Toulouse – IUCT-Oncopole) : imagerie de lames de 1 000 patientes avec cancer du sein (2018-2021)

    • PRECISION PREDICT : données cliniques sur 550 adénocarcinomes pulmonaires (2010-2023), issues de neuf CLCC

    • ISIS (Institut de cancérologie de l’Ouest) : données de 11 000 patientes pour évaluer le risque d’infertilité post-cancer du sein (2010-2022)

    • REALIGIST (soutien Institut Curie) : données cliniques et imagerie de 2 500 patients atteints de GIST (2010-2024)

    • UroCCR (CHU Bordeaux) : registre sur le cancer du rein, avec 17 200 patients inclus depuis 2012

    Deux bases relèvent de la médecine d’urgence et de la traumatologie :

    • APSOREN (CHU Toulouse) : 23 000 cas de traumatismes crâniens (2012-2020)

    • TARPON (CHU Bordeaux) : 400 000 passages aux urgences adultes de l’hôpital Pellegrin (2013-2020)

    Autres ajouts notables :

    • P4DP : entrepôt national de médecine de ville, issu du projet CNGE, avec des données sur 4,9 millions de patients et la participation de 2 000 médecins

    • ARAC : base sur le reste à charge de 1,4 million d’assurés couverts par Malakoff Humanis (2016-2019)

    • SEDAAR (Hôpital Fondation Rothschild) : données d’imagerie en ophtalmologie sur 20 000 patients (2010-2021)

    • INTEGRA (CHU Lille) : profil de risque de mortalité chez 600 patients atteints de maladies métaboliques (depuis 2020)

    Un levier pour la mutualisation et l’appariement des données

    L’intégration dans le Catalogue du SNDS via le Health Data Hub permet d’envisager des croisements avec la base principale, tout en réduisant les délais d’accès. Le Hub prend en charge l’hébergement, le data management, l’enrichissement avec d’autres sources et la mise à disposition dans des environnements sécurisés. L’ensemble repose sur des conventions établies avec les dépositaires de données. Ce dispositif vise à mutualiser les ressources nécessaires à l’ouverture des données de santé, tout en assurant leur conformité réglementaire et la protection des droits des personnes concernées.