Articles

  • Vers la création d’un data hub de l’enfance protégée

    La protection de l’enfance est mise en œuvre par les départements, essentiellement par le service d’Aide sociale à l’enfance (ASE), sur les signalements de ses propres services sociaux ou en application des décisions de justice (juges des enfants) pour les situations les plus graves. Les départements exercent directement les mesures de protection ou les délègue à des acteurs associatifs. Dans tous les cas elles sont exercées par des professionnels, éducateurs ou assistants sociaux, formés à l’écoute et à l’accompagnement.

    La protection de l’enfance face à de nouveaux défis

    La Caisse des Dépôts, investie dans ce secteur notamment au travers de l’action de la Banque des territoires, qui finance les investissements immobiliers, a été missionnée par les pouvoirs publics « pour contribuer à l’amélioration des conditions d’accueil et d’accompagnement, comme pour contribuer à la transformation du modèle de fonctionnement du secteur ». Celui-ci fait face actuellement à des problèmes liés à :

    • L’augmentation du nombre de mineurs accueillis à l’ASE, multiplié par1,4 entre 1998 et 2022. Fin 2022, 381 000 mineurs ou majeurs de moins de 21 ans relevaient d’une prise en charge, dont plus de la moitié sont placés en établissement. Les départements ont vu de ce fait leurs dépenses augmenter de plus de 10% en 2023 ;
    • La complexité des prises en charge : l’ASE accueille une part importante d’enfants en situation de handicap et plus de 15 000 « mineurs non accompagnés » (chiffre fin 2022) ;
    • La loi du 7 février 2022, qui généralise la protection de 18 à 21 ans et interdit le placement à l’hôtel.

    Le rapport comporte 20 propositions, assorties d’exemples d’actions déjà engagées, dans quatre domaines :

    • Augmenter, rénover et adapter le parc immobilier de l’enfance protégée, qui est vieillissant et saturé ;
    • Contribuer à l’attractivité des métiers de la prévention et de l’accompagnement ;
    • Renforcer l’accès aux droits des jeunes de l’ASE ;
    • Mettre en place des services numériques structurants.

    La place des data dans la structuration des services

    L’ASE souffre d’une sous-numérisation et d’une dispersion de ses outils métiers. Les logiciels métiers qui existent ne sont pas unifiés et sont considérés comme insatisfaisants par les professionnels. Ils assurent l’instruction du dossier et son suivi administratif mais ne sont pas adaptés pour assurer le suivi du projet pour l’enfant (PPE). Ils souffrent d’un manque d’interopérabilité sur le territoire d’un même département, entre les institutions et les acteurs de la protection de l’enfance, de même qu’entre départements. Le partage d’informations entre les services de l’ASE et les structures destinées aux enfants et les places disponibles est très peu outillé. Les travailleurs sociaux sont souvent réticents à l’utilisation d’outils numériques et au partage d’informations, qu’ils estiment peu sécurisés.

    La consolidation des données s’avère donc difficile, d’autant que la multiplicité des référentiels a produit un vocabulaire hétérogène selon les départements. Le dispositif Olinpe, piloté par la DRESS, visant à disposer de données plus précises concernant le parcours des enfants protégés se met difficilement en place.

    Le rapport souligne que « le numérique suppose des systèmes d’information centrés sur les usages, les pratiques et les situations réelles, là où les solutions logicielles, les SI métiers et leurs fonctionnalités sont centrées sur les conformités légales, règlementaires ou les procédures », ce qui ne valorise pas l’action préventive.

    Des exemples étrangers

    Certains pays se sont engagés dans le passage à la data pour parvenir à changer le paradigme d’intervention des services et faire de la prévention leur priorité.

    L’Australie a mis en place une plate-forme web Child Link Digital Access Solution pour collecter des données sécurisées sur les enfants protégés à destination des professionnels autorisés à les consulter (enseignants, infirmières…). Elle leur permet de visualiser le parcours d’un enfant, de mieux appréhender ses besoins et de mettre en place à un stade précoce le soutien nécessaire. Cette plateforme a réduit considérablement le nombre d’enfants entrant dans le système de protection de l’enfance, grâce à une augmentation des mesures de prévention.

    Au Royaume-Uni, le programme Data to insight, soutenu par 50 collectivités locales, met à disposition des professionnels plusieurs outils de traitement de données, sur la base de données collectées par le Department for Education et l’organisme de contrôle, l’Office for Standards in Education. Un ambitieux programme de formation des professionnels des collectivités à la science des données est destiné à lever les freins à l’utilisation de ces outils.

    Des premiers démonstrateurs dans le cadre de France 2030

    Deux millions d’euros ont été engagés en 2024 pour lancer un projet numérique avec pour objectif de passer d’une gestion de l’urgence à une gestion plus préventive et, à terme, à des prises en charge moins nombreuses ou moins lourdes. Cela passerait par la mise en place d’une plateforme « espace numérique partagé de l’enfant », alimentée par le dossier numérique de l’enfant. Une triple interface est prévue : une à destination du jeune, à destination des différents professionnels (travailleurs sociaux, EN, Justice, famille, santé…) et une interface pour le département comme outil de pilotage de sa politique.

    Le projet a été conçu avec l’ensemble des acteurs concernés. Une étude de préfiguration a fixé les objectifs de cette action, dont l’expérimentation se déroulera de janvier à octobre 2025, dans quatre départements.

     

  • eNov30 : la stratégie de Softway Medical pour renforcer la santé numérique d’ici 2030

    Une vision pour répondre aux défis de la santé

    Depuis 25 ans, Softway Medical anticipe les mutations du secteur et développe des solutions numériques adaptées aux besoins des professionnels de santé. Avec eNov30, le groupe structure son action autour de cinq objectifs clés :

    • Soutenir les médecins avec des outils d’IA sécurisés pour des décisions médicales plus éclairées.
    • Libérer du temps médical pour recentrer les soignants sur les soins aux patients.
    • Améliorer la qualité de vie au travail (QVT) grâce à des solutions ergonomiques et adaptées.
    • Valoriser la donnée de santé pour accélérer la recherche clinique.
    • Accélérer la transition vers la médecine préventive des 6P (personnalisée, préventive, prédictive, participative, pertinente et basée sur des preuves).

    Le Lab Innovation, un moteur de co-construction

    Softway Medical mise sur une approche collaborative pour accélérer ses innovations. Dès 2025, le groupe lance le Lab Innovation, un espace réunissant experts médicaux, industriels et start-up pour concevoir et tester de nouvelles solutions. Ce Lab s’accompagne d’un investissement massif avec 150 recrutements par an et un engagement financier de 50 millions d’euros sur plusieurs années.

    “Réunir ceux qui connaissent les problématiques et ceux qui proposent des solutions est essentiel. Ce Lab nous permet d’expérimenter et d’affiner les innovations avant leur déploiement.”
    Sherley Brothier, CPTO du Groupe Softway Medical

    Des innovations grâce à des bases technologiques solides

    Softway Medical s’appuie sur des socles technologiques modernes pour accélérer l’implémentation d’innovations stratégiques :

    • Une plateforme No-code permettant aux établissements de personnaliser leurs logiciels sans compétence en développement.
    • L’IA générative appliquée aux soins, avec la production automatisée de résumés cliniques en croisant les données du DMP, des urgences et des consultations.

    Ces avancées facilitent la tâche des soignants et ouvrent la voie à une gestion plus fluide et efficace du parcours patient.

     

  • L’IA médicale en France : 6,9 millions d’euros investis dans le projet PARTAGES

    Un écosystème en plein essor

    En six ans, la France est passée de la 13ᵉ à la 5ᵉ place du Global AI Index, et s’impose comme le premier hub européen en IA générative. Avec plus de 1 000 start-ups spécialisées, dont Mistral AI, Hugging Face et Dataiku, elle attire aussi les investisseurs : 1,9 milliard d’euros levés en 2024, et des engagements financiers d’ampleur, notamment de Microsoft (4 milliards d’euros), Amazon (1,2 milliard) et Telehouse (1 milliard). Les grandes entreprises ne sont pas en reste : Thales, Iliad ou encore CMA-CGM se positionnent sur le marché, tandis que la France demeure la première destination européenne pour les investissements étrangers en IA, selon le baromètre EY.

    Nouvelles priorités stratégiques

    Malgré ces avancées, la concurrence mondiale s’intensifie. Pour éviter un retard technologique, le gouvernement mise sur quatre axes prioritaires :

    • Renforcer les infrastructures : Extension des supercalculateurs Jean Zay, Adastra et Alice Recoque, soutien aux acteurs français du cloud et développement de 35 sites dédiés aux centres de données.
    • Former et retenir les talents : Objectif 100 000 personnes formées par an d’ici 2030, développement des IA Clusters, simplification des visas pour les chercheurs étrangers.
    • Accélérer l’adoption de l’IA : Incitations pour les entreprises et intégration de l’IA dans les secteurs stratégiques.
    • Garantir une IA fiable et sécurisée : Création de l’Institut national pour l’évaluation et la sécurité de l’IA (INESIA), chargé de la régulation et de l’évaluation des modèles d’IA.

    L’État veut généraliser l’IA dans l’administration

    L’intelligence artificielle est aussi appelée à jouer un rôle dans la transformation des services publics. Plusieurs ministères expérimentent déjà des outils basés sur l’IA :

    • Éducation : recours à des assistants pédagogiques et automatisation de certaines tâches administratives.
    • Justice : anonymisation des décisions et transcription assistée des audiences.
    • Intérieur : utilisation de l’IA pour l’analyse des images de vidéosurveillance et la détection des feux de forêt.
    • Emploi : développement d’algorithmes d’appariement entre offres et demandes d’emploi.

    L’IA au service du diagnostic et de la recherche médicale

    L’essor des modèles d’intelligence artificielle ouvre de nouvelles perspectives en matière de détection et de prévention des maladies. Dans ce cadre, le projet PARTAGES, porté par le Health Data Hub et financé à hauteur de 6,9 millions d’euros, réunit 20 hôpitaux et 10 équipes de recherche, en partenariat avec Mistral AI. Son objectif est de développer un modèle de langage spécialisé en santé, adapté au français, pour assister les professionnels dans l’analyse des données médicales et la rédaction de comptes rendus. D’autres initiatives visent à améliorer l’interprétation des examens médicaux. L’Assurance Maladie et la Haute Autorité de Santé lancent ainsi une expérimentation sur l’usage de l’IA dans l’analyse des électrocardiogrammes (ECG). L’objectif est de faciliter l’accès à cet examen pour le dépistage des maladies cardiovasculaires et d’en améliorer l’interprétation en médecine générale.

    L’IA transforme les pratiques médicales, mais son adoption suppose une formation adaptée des professionnels de santé. Dès la rentrée 2025, l’apprentissage du numérique et de l’IA deviendra obligatoire dans le premier cycle des études médicales. Un investissement de 119 millions d’euros vise à former 500 000 professionnels en cinq ans, incluant médecins, personnels paramédicaux et ingénieurs en santé numérique.

    Un leadership européen à consolider

    Si la France affiche des ambitions élevées, plusieurs défis restent à relever. L’accès aux talents, la consommation énergétique des modèles d’IA et la régulation des usages figurent parmi les questions. Sur ce dernier point, l’IA générative suscite des préoccupations croissantes, notamment sur la protection des données et les biais algorithmiques. Avec la création de l’INESIA, premier institut européen dédié à la sécurité de l’IA, la France entend se positionner dans la gouvernance mondiale de l’intelligence artificielle.

    Au-delà du territoire national, la France veut jouer un rôle dans la stratégie européenne. Elle s’appuie sur :

    • L’initiative AI Factories, qui vise à structurer un réseau de hubs spécialisés en IA en Europe.
    • La Boussole de Compétitivité, lancée par la Commission européenne pour harmoniser les stratégies IA des États membres.
    • Une IA durable, avec un effort sur la sobriété énergétique et l’intégration de critères environnementaux dans le développement des technologies.

    Alors que la compétition mondiale s’intensifie, la France doit encore prouver sa capacité à transformer ses avancées en résultats. L’adoption massive de l’IA dans l’économie et l’administration pourrait être un accélérateur, mais le défi reste de concilier innovation, souveraineté et cadre éthique robuste.

    Faire de la France une puissance de l’IA – Comité interministériel de l’Intelligence artificielle – 6 février 2025

     

  • Tempus lance Olivia : une application IA de conciergerie santé pour centraliser les données des patients

    Une plateforme unique pour centraliser les données de santé

    Grâce à l’intelligence artificielle, cet outil vise à améliorer l’accès, la compréhension et l’utilisation des informations de santé, offrant ainsi un accompagnement personnalisé aux utilisateurs. L’un des principaux atouts d’Olivia est son intégration avec plus de 1 000 systèmes de santé via les dossiers de santé électroniques (DSE). Cette connectivité permet aux patients de :

    • Synchroniser les données issues d’appareils de santé connectés pour un suivi quotidien ;
    • Télécharger et organiser leurs dossiers médicaux, y compris résultats de laboratoire, rapports d’imagerie et résumés de consultations ;
    • Accéder aux images DICOM (imagerie médicale standardisée) et les partager directement avec leur équipe de soins.

    L’application structure ces informations dans une chronologie dynamique, permettant aux patients de visualiser et suivre l’évolution de leur état de santé de manière intuitive.

    Une intelligence artificielle au service des patients

    Grâce à ses capacités IA, Olivia ne se contente pas d’agréger les données, elle aide aussi les patients à mieux comprendre leur santé. Parmi ses fonctionnalités avancées :

    • Un assistant intelligent capable de répondre aux questions sur les dossiers médicaux, d’en extraire des résumés et de proposer des analyses personnalisées.
    • Une connexion à clinicaltrials.gov pour informer les patients des essais cliniques pertinents en fonction de leur profil médical.

    Par exemple, un patient peut simplement demander : “Résume-moi mon état de santé”, et l’application générera une synthèse claire et exploitable des informations contenues dans ses dossiers médicaux.

    Selon Eric Lefkofsky, fondateur et PDG de Tempus : “L’IA est en train de transformer les soins de santé. Olivia ne se contente pas d’organiser les informations, elle devient un véritable partenaire proactif qui aide les patients à naviguer avec clarté et confiance dans leur parcours de soins.”

     

  • Inserm : un nouvel algorithme pour le dépistage de la maladie d’Alzheimer

    Un enjeu pour la prise en charge précoce

    La maladie d’Alzheimer est caractérisée par l’accumulation de peptides amyloïdes bêta dans le cerveau, entraînant la destruction progressive des neurones impliqués dans la mémoire et les fonctions cognitives. Cette accumulation débute plusieurs années avant l’apparition des premiers symptômes, ce qui en fait une cible essentielle pour les traitements émergents, notamment certains anticorps monoclonaux déjà autorisés en Europe.

    Actuellement, le diagnostic repose sur des techniques invasives comme la ponction lombaire ou l’imagerie par TEP-amyloïde, difficiles à généraliser en routine. Face à ces limites, une équipe de l’Inserm au sein du centre de recherche Bordeaux Population Health (BPH, unité 1219 Inserm/Université de Bordeaux), dirigée par Carole Dufouil, a développé un modèle prédictif permettant d’évaluer le risque de dépôts amyloïdes cérébraux chez des patients présentant des troubles de la mémoire. Ces travaux, menés dans l’équipe PHARes (Recherche translationnelle en santé des populations) en collaboration avec le Centre d’investigation clinique de Bordeaux (CIC 1401 Inserm/CHU de Bordeaux), ont été portés par Lisa Le Scouarnec, doctorante, épidémiologiste et biostatisticienne. Validé sur la cohorte Memento et confirmé sur l’Amsterdam Dementia Cohort, ce modèle repose sur des critères sociodémographiques, biologiques et cliniques, offrant une alternative plus accessible aux méthodes de diagnostic actuelles.

    Une méthode développée à partir de la cohorte Memento

    Les chercheurs ont construit et testé leur modèle sur les données de la cohorte Memento, une étude lancée en 2011 ayant suivi 2 323 patients présentant des troubles cognitifs légers. Parmi eux, 853 individus ont bénéficié d’un dosage des dépôts amyloïdes, permettant de comparer les prédictions du modèle à la réalité clinique.

    Six versions de l’algorithme ont été testées, intégrant différentes combinaisons de variables :

    • Critères sociodémographiques et cognitifs (âge, sexe, IMC, niveau d’éducation, tests de mémoire).
    • Facteurs génétiques (présence de l’allèle ApoE4).
    • Biomarqueurs sanguins (concentration de protéines amyloïdes bêta et Tau).
    • Données d’imagerie (atrophie de l’hippocampe, microhémorragies cérébrales).

    Un modèle validé et applicable en clinique

    Les résultats ont montré que les modèles intégrant le gène ApoE4 et/ou des biomarqueurs sanguins étaient les plus performants pour prédire un seuil pathologique de dépôts amyloïdes. Ces conclusions ont été confirmées sur une seconde cohorte indépendante, l’Amsterdam Dementia Cohort, renforçant la robustesse du modèle.

    Toutefois, les chercheurs privilégient la version basée uniquement sur les biomarqueurs sanguins, jugée plus éthique et plus facilement applicable en routine. Bien que sa précision soit inférieure aux techniques actuelles d’imagerie ou de ponction lombaire, elle permettrait d’exclure un risque chez environ 30 % des patients et d’éviter ainsi des examens inutiles.

    Vers un dépistage simplifié et généralisable

    L’équipe bordelaise poursuit ses travaux pour améliorer la performance de l’algorithme en intégrant de nouveaux biomarqueurs, notamment pTau217, une variante prometteuse de la protéine Tau. L’objectif à terme est de proposer un outil rapide, fiable et accessible, facilitant l’identification des patients à risque et accélérant leur prise en charge. Ce modèle prédictif pourrait jouer un rôle dans la démocratisation du dépistage et l’optimisation des stratégies thérapeutiques.

    Environ 900 000 personnes seraient touchées par la maladie d’Alzheimer en France, avec 225 000 nouveaux cas diagnostiqués chaque année.

    Source : Development and assessment of algorithms for predicting brain amyloid positivity in a population without dementia. L. Le Scouarnec et coll. Alz Res Therapy, 11 octobre 2024 ; doi:10.1186/s13195-024–01595‑5

  • Paris-Saclay Cancer Cluster : un biocluster au service de l’innovation en oncologie

    Une dynamique au service de l’innovation en oncologie

    Chaque année, le cancer touche plus de 430 000 nouvelles personnes en France et reste la première cause de mortalité prématurée. Si la France bénéficie d’une recherche d’excellence en oncologie, la transformation des découvertes scientifiques en solutions thérapeutiques reste un défi. PSCC s’est donné pour mission de combler cet écart en rassemblant chercheurs, cliniciens, entreprises et institutions pour accélérer le développement de traitements et diagnostics innovants.

    « Accélérer l’innovation signifie connecter les meilleurs talents, technologies et ressources pour transformer les découvertes scientifiques en solutions tangibles », souligne le Pr Eric Vivier, président du PSCC. Installé sur le Campus Grand Parc à Villejuif, à proximité de Gustave Roussy et des principaux centres de recherche européens, le biocluster se structure pour devenir un pôle de référence en oncologie.

    2024 : une année structurante pour le PSCC

    En 2024, le PSCC a franchi des étapes en consolidant son offre autour de quatre axes stratégiques :

    Un soutien renforcé aux start-ups et au financement de l’innovation

    • 61 start-ups accompagnées, réparties entre biotech et medtech, développant des solutions thérapeutiques de précision et des innovations technologiques pour le parcours patient.
    • 118 millions d’euros levés par 13 start-ups soutenues par le PSCC.
    • 300 expertises mobilisées, incluant mentorat, masterclasses et hackathons.
    • 20 associations de patients intégrées au processus d’accompagnement des start-ups.

    Le développement de plateformes scientifiques de pointe

    Cinq plateformes technologiques ont été mises en place et financées pour favoriser :

    • L’oncologie de précision grâce aux analyses cellulaires, à la génomique et à l’imagerie avancée.
    • La mise en œuvre de modèles précliniques ex vivo et le développement de la thérapie cellulaire et génique.
    • L’accélération des essais cliniques précoces, en collaboration avec les principaux centres hospitaliers partenaires.

    Un site stratégique : le Campus Grand Parc

    En janvier 2025, le PSCC a emménagé sur le Campus Grand Parc, à Villejuif, un site de 100 000 m² dédié aux biotechnologies et aux équipes industrielles de R&D. À quelques mètres de Gustave Roussy, ce campus offre un accès direct aux infrastructures, aux experts et aux essais cliniques.

    Une dynamique renforcée avec les acteurs industriels et investisseurs

    • GSK rejoint le PSCC en tant que mécène et investit 2,5 millions d’euros pour soutenir les activités du biocluster.
    • Des rencontres stratégiques entre start-ups et grands groupes pharmaceutiques favorisent le financement et le développement de nouveaux projets.
    • Un premier comité investisseur a réuni en septembre 2024 des business angels et des fonds spécialisés en santé.
    • L’association PSCC Connect, qui regroupe plus de 150 membres issus du secteur, facilite la mise en réseau des acteurs de l’innovation.

    2025 : de nouvelles ambitions pour structurer l’écosystème

    L’année 2025 sera marquée par deux initiatives :

    • Le lancement d’une plateforme dédiée aux données de santé en oncologie, pour améliorer l’exploitation des données de vie réelle et accélérer le développement d’algorithmes d’intelligence artificielle.
    • La mise en place d’un laboratoire centralisé (central lab.) sur le Campus Grand Parc, destiné à optimiser les phases précliniques et cliniques des innovations thérapeutiques.

     

  • Emmanuel Macron annonce des investissements pour l’oncologie et l’IA

    Un engagement renouvelé pour la lutte contre le cancer

    Le président a salué les efforts des chercheurs, soignants et entrepreneurs engagés dans cette bataille, rappelant l’importance de la stratégie décennale de lutte contre le cancer annoncée en 2021 et dotée de 1,7 milliard d’euros. Un point d’étape prévu cet été permettra d’évaluer les progrès de cette stratégie, notamment en matière de prévention et de détection précoce. Macron a insisté sur l’augmentation de certains cancers et la nécessité d’une action renforcée.

    Le Paris-Saclay Cancer Cluster (PSCC), annoncé en 2021 et opérationnel depuis 2023, constitue un biocluster pour l’innovation en oncologie. Il rassemble chercheurs, entreprises et startups pour développer de nouvelles méthodes thérapeutiques, notamment basées sur l’intelligence artificielle. Lors de sa visite, le président a participé à la pose de la première pierre d’un bâtiment consacré à l’innovation médicale et scientifique, marquant une étape dans le développement du cluster.

    L’intelligence artificielle au service de la médecine

    L’IA est déjà utilisée par près de la moitié des soignants pour le diagnostic, la détection des maladies et la chirurgie assistée. Emmanuel Macron entend accélérer son intégration en facilitant l’accès aux données de santé, en réduisant les délais des essais cliniques et en renforçant les synergies entre public et privé. En amont du sommet international sur l’intelligence artificielle, il a annoncé la création de nouvelles chaires d’excellence et le développement de capacités de calcul pour stimuler la recherche en santé.

    Macron a souligné la nécessité d’évoluer vers une médecine plus préventive et personnalisée, optimisant les soins tout en réduisant les coûts. L’IGR et le PSCC incarnent cette révolution, en développant des approches innovantes et en attirant les meilleurs talents. Enfin, le président a confirmé le maintien des 1,7 milliard d’euros alloués à la stratégie décennale de lutte contre le cancer et a insisté sur la nécessité d’attirer davantage d’investissements privés et philanthropiques.

  • NLP et reconnaissance vocale : 36 solutions qui souhaitent révolutionner l’expérience des soins pour les patients et les médecins

    L’intelligence artificielle (IA) a connu une progression fulgurante ces deux dernières années, impactant en profondeur le secteur de la santé. Parmi les avancées les plus notables, le traitement du langage naturel (NLP) et la reconnaissance vocale se sont considérablement perfectionnés, offrant aux professionnels de santé et aux patients des outils toujours plus performants. Ces innovations transforment la gestion des données médicales, réduisent la charge administrative et améliorent l’expérience des soins.

    De nombreux progrès dans l’analyse du langage médical

    Les progrès récents dans le domaine de l’IA, en particulier avec des modèles comme GPT-4, BERT et Mistral, ont permis une amélioration significative de la compréhension du langage médical. Grâce à ces modèles avancés, les solutions NLP peuvent aujourd’hui analyser des conversations complexes et extraire des informations médicales pertinentes avec une précision accrue.

    Des outils comme Nabla, Suki AI et DeepScribe exploitent ces avancées pour transformer la parole en texte structuré, permettant ainsi aux médecins de se concentrer sur leurs patients plutôt que sur la prise de notes. Ces solutions ne se contentent plus de transcrire la voix : elles comprennent le contexte clinique, résument les consultations et intègrent directement les données dans les dossiers médicaux électroniques des patients. D’autres technologies comme Hyro et Verbit optimisent les interactions entre les établissements de santé et les patients en automatisant la gestion des rendez-vous et l’accès aux informations médicales via des assistants conversationnels intelligents.

    Un gain de temps dans la constitution des comptes rendus médicaux

    La documentation médicale représente un défi majeur pour les professionnels de santé, consommant un temps précieux qui pourrait être consacré aux patients. L’IA a apporté une réponse à cette problématique grâce à des solutions de transcription et de reconnaissance vocale avancées.

    Des plateformes comme Nuance Dragon Medical et 3M™ M*Modal Fluency for Transcription transforment radicalement la façon dont les médecins dictent leurs comptes rendus médicaux. Ces outils permettent une reconnaissance vocale extrêmement précise, capable de différencier les termes médicaux complexes et de structurer automatiquement les notes.

    En parallèle, Notable Health automatise la saisie des données cliniques et réduit le besoin de saisie manuelle, tandis que Medtra Speaking (Axess) facilite la transcription des consultations en médecine du travail.

    Ces avancées permettent non seulement de gagner du temps, mais aussi d’améliorer la qualité des dossiers médicaux en réduisant les erreurs humaines.

    Des outils qui améliorent aussi l’expérience patient

    L’IA ne bénéficie pas uniquement aux professionnels de santé : elle révolutionne également l’expérience des patients en leur offrant des outils interactifs et intelligents pour mieux gérer leur santé.

    Des applications comme Ada Health et K Health utilisent le NLP pour analyser les symptômes des patients et fournir des recommandations médicales personnalisées. Ces solutions permettent aux utilisateurs d’obtenir des conseils de santé avant de consulter un professionnel, facilitant ainsi l’accès aux soins et la prise de décision.

    D’autres outils, comme Amazon Alexa et Voiceitt, apportent une assistance précieuse aux personnes en situation de handicap ou ayant des troubles de la parole. Ces assistants vocaux facilitent la communication et offrent des solutions adaptées à leurs besoins spécifiques.

    Enfin, l’intégration d’outils de reconnaissance vocale dans des dispositifs comme Ava Accessibility permet une transcription en temps réel des consultations pour les patients malentendants, garantissant ainsi une meilleure inclusion dans le parcours de soins.

    Des progrès réels mais qui ne sont pour le moment pas extraordinaires

    Une des solutions NLP les plus connues et utilisée dans le secteur de la santé est Dragon Ambient eXperience (DAX), développée par Nuance Communications, une société de Microsoft. Elle génère une note clinique en « écoutant » la conversation entre un clinicien et un patient lors de la consultation.

    Atrium Health, un grand système de santé académique multisite, a été le premier à utiliser le DAX Copilot. Il a donc mené une évaluation des résultats de l’utilisation de DAX dans les contextes de soins primaires afin de déterminer si l’utilisation de DAX améliore l’efficacité des cliniciens (mesurée par des indicateurs d’utilisation des dossiers médicaux électroniques) et les performances financières du système de santé. Leur étude longitudinale incluait 112 cliniciens en soins primaires utilisant DAX et un groupe témoin de 103 cliniciens ne l’utilisant pas. Deux sous-groupes ont été identifiés : les utilisateurs actifs (ayant transféré ≥25 % des notes via DAX) et les utilisateurs intensifs (ayant transféré ≥60 % des notes via DAX).

    Les résultats de leur étude ont été publiés le 22 novembre 2024 dans le NEJM AI et montrent seulement de très légères améliorations dans des sous-groupes :

    • Aucune différence statistiquement significative n’a été observée entre les groupes de cliniciens.
    • Les utilisateurs intensifs de DAX ont connu une diminution globale d’environ 7 % des heures de documentation par rapport au groupe témoin.
    • Les cliniciens qui voyaient peu de patients ont passé environ 9 % de temps en moins sur la documentation par rapport au groupe témoin.
    • Les médecins qui voyaient beaucoup de patients ont vu une augmentation moyenne de 2,62 % dans leurs rendez-vous complétés. Disposer de plus de temps par consultation (grâce à la documentation simplifiée) leur permettait sans doute de gérer plus de rendez-vous sans compromettre la qualité de la prise en charge.

    Au vu de ses résultats, se pose la question sur les espoirs mis dans l’ambient listening. Les auteurs de cette étude tiennent en tout cas à souligner que « l’engouement et la nouveauté des outils d’IA d’écoute ambiante ont dépassé les preuves nécessaires pour soutenir ou réfuter les affirmations selon lesquelles ces outils seraient transformateurs en termes de gain de temps et d’efficacité. Par conséquent, les systèmes de santé, qui fonctionnent déjà avec des marges faibles dans des environnements hypercompétitifs, risquent de payer plus cher sans réaliser les bénéfices escomptés. »

    Un espoir de lutte contre l’épuisement professionnel :

    Cependant, ces résultats mettent tout de même en évidence des situations où de tels outils d’IA apportent un bénéfice. Notamment chez les cliniciens avec un volume élevé de patients ou chez les généralistes, où les consultations sont souvent variées et administrativement lourdes. L’automatisation de la rédaction des comptes-rendus pourrait dans ces cas « réduire la charge cognitive et libérer de l’énergie mentale et du temps pour se concentrer davantage sur la gestion des rendez-vous et la clôture rapide des dossiers ». En outre, les auteurs de l’étude font le pari que « les gains d’efficacité offerts par la documentation assistée par IA pourraient se traduire par une diminution des marqueurs d’épuisement professionnel pour un sous-ensemble de cliniciens, et peut-être de manière plus large lorsque l’adoption de DAX atteint un niveau plus élevé. » D’autant que certains cliniciens ont utilisé le gain de temps non pas pour voir plus de patients mais pour dormir davantage et passer moins de temps à travailler chez eux.

    Des travaux supplémentaires doivent donc être menés pour identifier les situations précises dans lesquelles l’ambient listening apporte un bénéfice substantiel. Cependant, une étude antérieure, parue en avril dans le JAMIA, avait conclu que DAX n’avait aucun effet quantifiable sur la sécurité des patients.

    Cartographie de 36 solutions de NLP et reconnaissance vocales utilisées dans la santé :

    Solutions nlp reconnaissances vocale
    Cartographie de 36 solutions de NLP et reconnaissance vocales utilisées dans la santé – @Health&Tech Intelligence
  • Comment le NLP transforme l’analyse des dossiers médicaux et la documentation clinique ?

    L’enjeu ? Structurer les données médicales

    Chaque jour, le secteur de la santé produit une importante quantité de données issues des dossiers patients électroniques (DPE), des comptes rendus médicaux, des prescriptions et des retours de patients. Ces données restent, souvent, non structurées, ce qui complique leur exploitation. Grâce au NLP, ces informations peuvent être analysées et organisées automatiquement, facilitant leur intégration dans les outils de suivi et d’aide à la décision. Cette technologie permet d’extraire du sens à partir de textes non formatés, qu’il s’agisse de notes médicales, de publications scientifiques ou de documents administratifs.

    Le NLP joue un rôle à deux niveaux :

    • Automatisation des tâches administratives : transcription des consultations, classification des comptes rendus, mise à jour des dossiers médicaux.
    • Aide à la décision médicale : extraction d’informations pertinentes pour les médecins, repérage des tendances pathologiques, appariement des patients avec des essais cliniques.

    Les principales applications du NLP en santé

    Automatisation de la documentation clinique

    • Réduction du temps consacré à la saisie des dossiers médicaux électroniques (DSE).
    • Intégration d’outils de reconnaissance vocale et d’analyse textuelle.
    • Moins d’erreurs et une meilleure précision des notes médicales.

    Analyse des avis patients pour améliorer la prise en charge

    • Exploitation des témoignages patients issus des enquêtes, DSE ou réseaux sociaux.
    • Identification des problèmes récurrents : délais d’attente, communication, organisation des soins…
    • Mise en place d’actions correctives pour améliorer l’expérience patient.

    Analyse prédictive et anticipation des risques médicaux

    • Identification des schémas prédictifs à partir des dossiers médicaux et antécédents patients.
    • Repérage des populations à risque avant l’apparition des symptômes.

    Automatisation du codage médical et de la facturation

    • Transformation des données cliniques en codes standardisés pour la facturation.
    • Réduction de la charge des codeurs médicaux et limitation des erreurs.

    Accélération du recrutement pour les essais cliniques

    • Analyse automatique des dossiers médicaux pour identifier les patients éligibles.
    • Gain de temps pour les chercheurs et accès plus rapide aux traitements innovants.

    Contenu de l’étude :

    Essais cliniques, facturation, documentation… L’usage du NLP s’impose dans la santé

    En 2021, l’American Medical Association estimait que 63 % des médecins étaient en situation d’épuisement, en partie en raison de la lourdeur administrative liée à la documentation. En France, une étude de Medscape indique que les praticiens consacrent en moyenne 15H par semaine à ces tâches. Dans ce contexte, les technologies de NLP apparaissent prometteuses pour optimiser le temps médical.

    Des délais divisés par deux : comment la reconnaissance vocale accélère la transmission des comptes rendus médicaux

    Les professionnels de santé, et en particulier les médecins hospitaliers, consacrent près de 40% de leur temps à la documentation clinique (Les Echos Études pour Nuance, 2016). Un poids administratif qui, dans un contexte d’afflux croissant de patients (20 millions de passages annuels aux urgences), accentue le risque de burn-out et allonge les délais de prise en charge.

    NLP et reconnaissance vocale : 37 solutions qui souhaitent révolutionner l’expérience des soins pour les patients et les médecins

    Analyse des conversations patient-médecin, génération automatique de résumés médicaux, analyse des langages dit « non-standard » pour les retranscrire clairement à l’oral, transcription en temps réel des conversations médicales pour les malentendants… 37 solutions de NLP et de reconnaissance vocale souhaitent améliorer l’expérience des soins pour les patients et les médecins.

    NLP en santé : les méthodes pour structurer et exploiter les données médicales

    Face aux difficultés que posent la gestion des données de santé non structurées, le “traitement automatique du langage naturel” (NLP) offre des solutions pour analyser et organiser ces informations en exploitant plusieurs techniques avancées : classement de texte, reconnaissance d’entités, modélisation thématique et extraction de relations. Tour d’horizon sur les méthodes existantes.

    8,5 % de croissance d’ici 2029, le marché du NLP en expansion

    Le marché mondial du traitement du langage naturel (NLP) en santé et sciences de la vie était évalué à 2,11 milliards USD en 2023 et atteindra 3,42 milliards USD en 2029, avec une croissance annuelle de 8,58 %. L’Amérique du Nord est la région dominante grâce à des technologies avancées et à un solide écosystème.

     

     

  • Des délais divisés par deux : comment la reconnaissance vocale accélère la transmission des comptes rendus médicaux

    Des bénéfices concrets et mesurés

    La reconnaissance vocale, désormais dopée à l’intelligence artificielle, apparaît comme une solution pour optimiser la production documentaire et fluidifier le travail des soignants. Elle permet une documentation plus rapide et plus fluide des dossiers patients. À l’Hôpital Européen de Marseille, l’utilisation de Dragon Medical One a permis de gagner 25% de temps dans la documentation des patients aux urgences. Le CHR d’Orléans a lui totalement éliminé l’étape de validation des comptes-rendus, libérant ainsi un temps précieux pour les médecins et les secrétaires médicaux (Nuance, les EchosEtudes).

    Des dossiers patients plus complets et précis

    Selon une étude menée par le cabinet Ignetica au Royaume-Uni (Nuance, NHS, South Tees Hospitals), la reconnaissance vocale améliore la qualité, la complétude et l’efficience des dossiers patients. Confirmé par une enquête menée en France, ce constat indique que :

    • 86% des médecins estiment que leurs notes sont complètes grâce à la reconnaissance vocale.
    • 67% des médecins rapportent que leurs patients ne voient aucun inconvénient à l’utilisation de cette technologie.
    • Le temps gagné par patient sur la documentation des dossiers atteint 3,5 minutes en moyenne.

    À l’Hôpital Forcilles, la reconnaissance vocale a permis aux patients de repartir avec leur compte-rendu dès la fin de la consultation, alors qu’auparavant, il fallait attendre plusieurs jours.

    Une documentation médicale augmentée

    Une adaptation aux spécificités médicales

    Les nouvelles solutions de reconnaissance vocale, comme Dragon Medical One, intègrent un vocabulaire médical spécifique, régulièrement mis à jour. Chaque médecin peut également ajouter ses propres termes, facilitant ainsi l’intégration des nouvelles molécules ou procédures médicales. Grâce à l’IA conversationnelle, ces outils s’adaptent à la voix, l’accent et le phrasé de chaque utilisateur, précis dès la première utilisation. Ces nouvelles générations d’outils, comme Dragon Medical One, utilisent des réseaux neuronaux profonds qui garantissent précision, même en environnement bruyant. Contrairement aux anciennes solutions, la reconnaissance vocale ne nécessite plus forcement d’entraînement. Elle est immédiatement opérationnelle, sans phase d’apprentissage préalable.

    Un accès facilité grâce au cloud

    Grace au mode SaaS, et contrairement aux logiciels installés sur chaque poste, la reconnaissance vocale est désormais accessible depuis n’importe quel terminal, y compris les smartphones et tablettes, grâce à un hébergement Hébergeur de Données de Santé (HDS). Ce modèle permet une mise à jour continue et un déploiement rapide. Par exemple, au CHU de Toulouse, 85% des 100 médecins testeurs ont adopté la solution, grâce à son ergonomie intuitive et son intégration fluide dans le dossier patient informatisé (DPI).

    Whisper d’OpenAI : quand la reconnaissance vocale transforme la réalité

    Si la reconnaissance vocale en milieu hospitalier offre un gain de temps aux soignants, elle présente encore des risques. Les outils de transcription automatique, comme Whisper d’OpenAI, sont déployés dans de nombreux centres médicaux pour faciliter la documentation des consultations et réduire la charge administrative des praticiens. Plus de 30 000 cliniciens et 40 systèmes de santé, dont la clinique Mankato dans le Minnesota et l’hôpital pour enfants de Los Angeles, ont adopté des solutions basées sur cette technologie (Nabla). Malgré ses promesses, Whisper présente un défaut : il a tendance à “halluciner”, c’est-à-dire à générer des informations erronées ou inexistantes. Une étude de l’Université du Michigan a révélé des erreurs dans 8 transcriptions sur 10 analysées. Un développeur a constaté des hallucinations dans presque toutes les 26 000 transcriptions qu’il a étudiées.

    Un enregistrement mentionnant un “parapluie” a été retranscrit en “un gros morceau de croix… il a tué un certain nombre de personnes”, introduisant des informations complétement erronées. Whisper a également inventé des traitements médicaux fictifs comme “les antibiotiques hyperactivés”.

    Les erreurs de transcription peuvent avoir des conséquences lourdes en milieu hospitalier. Alondra Nelson, ancienne responsable de la politique scientifique à la Maison Blanche, met en garde : “Personne ne veut d’un mauvais diagnostic. Il devrait y avoir une barre plus haute.” L’utilisation de la reconnaissance vocale pose aussi des problèmes d’éthique et de transparence. L’entreprise Nabla, qui propose un outil basé sur Whisper, efface les enregistrements audios d’origine, empêchant toute vérification en cas d’erreur. Pour William Saunders, ancien employé d’OpenAI, cela pose un risque majeur : “Vous ne pouvez pas détecter les erreurs si vous enlevez la vérité du terrain.”

    Face aux critiques, OpenAI affirme travailler sur l’amélioration de Whisper pour réduire ces erreurs. Les chercheurs estiment que la société doit faire de la fiabilité une priorité avant de déployer ces outils à grande échelle. Par ailleurs, les appels à une réglementation de l’IA dans les applications médicales se multiplient. Des experts demandent une supervision plus stricte pour éviter que ces technologies ne compromettent la sécurité des patients.

    @ Health & Tech Intelligence