Articles

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

    Un marché en croissance, porté par les données, la technologie et le cloud

    Le marché mondial du traitement du langage naturel (NLP) est estimé à 31,76 milliards USD en 2024 et devrait atteindre 92,99 milliards USD d’ici 2029 (tout secteur confondu) affichant un taux de croissance annuel composé (CAGR) de 23,9 % sur cette période. Dans le secteur de la santé, selon l’étude NLP in Healthcare and Life Sciences Market (Market insight Research), le marché du NLP en santé et en sciences de la vie était évalué à 2,11 milliards de dollars en 2023 et devrait atteindre 3,42 milliards de dollars en 2029, représentant une croissance de 8,5%. Cette technologie permet d’analyser et structurer les données médicales non exploitées, représentant environ 80 % des informations disponibles, et ainsi d’optimiser les processus hospitaliers, la prise de décision clinique et la gestion des patients.

    Les progrès des modèles de deep learning et de machine learning permettent d’améliorer la précision du NLP dans la reconnaissance vocale, la traduction automatique et l’analyse de texte. L’essor des assistants vocaux, des chatbots et de l’analyse de sentiments pousse les entreprises à investir dans ces solutions. Les progrès des architectures et algorithmes d’apprentissage profond ont permis des avancées dans la reconnaissance d’images et le traitement de la parole, offrant de bons résultats pour les tâches complexes, notamment en santé. L’Amérique du Nord reste la région dominante du marché grâce à un écosystème technologique avancé, des investissements massifs et une adoption rapide des solutions basées sur l’IA. L’Europe et l’Asie-Pacifique accélèrent néanmoins leur transition, portées par l’essor de la télésanté, des plateformes cloud et de la médecine de précision.

    Les principaux moteurs de cette expansion sont :

    • L’explosion des données médicales générées par les dossiers électroniques de santé (DME) et la recherche clinique.
    • L’intégration croissante du NLP aux solutions cloud et aux infrastructures hospitalières.
    • La course à l’innovation des géants technologiques (IBM, Microsoft, Google, Oracle).

    Un marché structuré autour des solutions et services NLP

    Le marché du NLP en santé se divise en deux grandes catégories :

    • Les solutions NLP, qui représentent le segment à la croissance la plus rapide. Elles incluent des outils d’analyse de texte médical, de reconnaissance vocale et de gestion des dossiers patients.
    • Les services NLP, qui comprennent l’intégration de solutions, la maintenance et le conseil en gestion des données.

    Trois approches technologiques se partagent le marché :

    1. Le NLP basé sur des règles, qui repose sur des dictionnaires et des algorithmes préétablis.
    2. Le NLP statistique, qui utilise l’apprentissage automatique et les modèles probabilistes pour analyser les données textuelles.
    3. Le NLP hybride, combinant règles linguistiques et intelligence artificielle pour améliorer la précision des analyses.

    En matière de mode de déploiement, les solutions cloud s’imposent face aux infrastructures sur site, grâce à leur flexibilité et à leur capacité à traiter de grands volumes de données.

    Entre domination des Big Tech et montée des spécialistes

    L’essor du NLP repose sur les grandes organisations et entreprises technologiques qui investissent massivement dans ces solutions. Des acteurs majeurs comme Google, Microsoft, IBM et Amazon dominent le marché avec des plateformes avancées de NLP intégrées dans leurs offres cloud (Google Cloud Natural Language API, Microsoft Azure AI, AWS Comprehend Medical). Les investissements se concentrent sur l’apprentissage profond et les modèles de langage de nouvelle génération, capables de traiter des volumes massifs de texte et d’améliorer la compréhension du langage naturel en contexte médical. L’open source joue un rôle, avec des modèles comme BERT, GPT et BioBERT, spécifiquement entraînés pour les sciences de la vie et la recherche médicale. Toutefois, l’adoption du NLP dans la santé reste difficile pour les petites structures, freinées par le coût élevé des solutions et les exigences réglementaires strictes en matière de protection des données. Les principaux acteurs du NLP en santé sont issus de l’intelligence artificielle, du cloud computing et des technologies médicales. Parmi eux :

    1. Les géants technologiques et du cloud

    • Merative : propose des solutions NLP intégrées aux dossiers médicaux électroniques et aux systèmes de recherche clinique.
    • Azure AI : acteur du cloud, Microsoft développe des outils NLP intégrés aux DME et collabore avec des institutions médicales pour l’analyse de données en temps réel.
    • Google Cloud : avec des modèles avancés comme Med-PaLM2, Google optimise la gestion des données cliniques et la recherche biomédicale.
    • Oracle et AWS : avec leurs plateformes cloud dédiées à la santé, ils offrent des infrastructures NLP adaptées aux grands établissements hospitaliers et laboratoires pharmaceutiques.

    2. Les spécialistes de l’analyse et de la gestion des données médicales

    • IQVIA : leader de l’analyse des données en santé, IQVIA exploite le NLP pour optimiser les essais cliniques et la veille scientifique.
    • SAS Institute : expert en data analytics, SAS développe des solutions NLP pour l’extraction d’informations médicales et l’analyse prédictive.
    • Dolbey Systems et Averbis : spécialisés dans l’automatisation du codage médical et l’intelligence clinique, ces entreprises proposent des outils NLP pour améliorer la gestion des bases de données hospitalières.

    3. Les acteurs émergents et les éditeurs spécialisés

    Outre les grandes entreprises, plusieurs startups et éditeurs spécialisés contribuent à l’innovation sur le marché du NLP en santé. Par exemple :

    • Inovalon, en partenariat avec AWS, développe des solutions NLP adaptées à la gestion des risques et à la santé de la population.
    • Apollo Hospitals, en collaboration avec Google Cloud, exploite des modèles d’IA générative pour analyser les consultations médicales et améliorer les services hospitaliers.

    Les tendances du marché du NLP en santé

    • L’essor du NLP en cloud : Les solutions cloud gagnent du terrain, offrant plus de flexibilité et de puissance de calcul pour le traitement des données. Les leaders du marché, comme Google, IBM et Microsoft, investissent massivement dans l’intégration du NLP à leurs services cloud.
    • L’IA générative et les modèles de langage avancés : L’émergence de modèles IA comme Med-PaLM2 de Google ouvre de nouvelles perspectives pour le NLP en santé. Ces outils résument automatiquement des consultations, analyser les symptômes et générer des recommandations médicales.
    • L’adoption croissante du NLP en télésanté : Les technologies NLP permettent d’analyser les conversations patients-soignants, de traduire automatiquement les comptes rendus médicaux et d’améliorer la compréhension des diagnostics.

    Perspectives du marché : vers une domination des grands acteurs technologiques ?

    Le marché du NLP en santé est en pleine consolidation, avec une croissance continue portée par l’essor de l’IA et des services cloud. Si les grands groupes technologiques dominent actuellement le secteur, les éditeurs spécialisés et startups innovantes pourraient jouer un rôle en proposant des solutions plus ciblées et adaptées aux besoins des établissements de santé.

    L’avenir du marché repose sur trois axes :

    • L’accélération des déploiements NLP dans les hôpitaux et laboratoires pharmaceutiques.
    • L’évolution des cadres réglementaires pour encadrer l’exploitation des données médicales.
    • Le développement d’algorithmes NLP toujours plus précis et spécialisés.

     

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

    Optimiser l’analyse des données médicales avec le NLP

    Une grande quantité de données est produite quotidiennement, mais 80 % d’entre elles restent non structurées. Ces données proviennent de sources diverses ; des dossiers patients électroniques (DPI), des comptes rendus médicaux, des publications scientifiques et des échanges entre professionnels de santé. Sans structuration, leur exploitation est limitée, freinant l’efficacité du système de soins et la prise de décision clinique. Le NLP permet de transformer ces documents en informations utilisables en extrayant des éléments essentiels, en les organisant et en facilitant leur recherche. Par exemple, un hôpital générant des centaines de comptes rendus d’examens quotidiens (IRM, scanners, prises de sang) peut automatiser leur classement selon les pathologies associées, permettant aux médecins d’accéder rapidement aux données pertinentes. Un laboratoire pharmaceutique analysant des milliers d’articles scientifiques peut identifier les thématiques émergentes et les tendances en matière de nouvelles thérapies.

    • Classer les documents pour mieux structurer l’information

    Le classement de texte permet d’assigner automatiquement une catégorie à un document en fonction de son contenu. Dans le cadre médical, cette technologie permet d’organiser les informations et d’accélérer leur traitement. Dans les services hospitaliers, les dossiers médicaux des patients sont parfois difficiles à exploiter. L’intégration du NLP dans les dossiers permet par exemple de catégoriser ces documents en fonction de la spécialité médicale concernée (neurologie, cardiologie, oncologie) ou du type d’acte réalisé (consultation, imagerie, biologie). Cela facilite la récupération des antécédents médicaux et améliore la coordination entre les professionnels de santé. L’analyse des sentiments est un autre champ d’application du NLP dans le classement de texte. Les établissements de santé collectent des avis et témoignages de patients afin d’évaluer la qualité des soins. Ces retours peuvent être classés automatiquement en sentiments positifs, neutres ou négatifs, mettant en évidence les points à améliorer dans l’expérience. Les technologies employées pour ces tâches vont des algorithmes d’apprentissage automatique supervisé, comme les SVM ou les arbres de décision, jusqu’aux modèles de deep learning tels que BERT ou GPT, qui offrent une compréhension fine du langage médical.

    • Reconnaissance d’entités : identifier les données médicales clés

    La reconnaissance d’entités nommées (NER) permet d’extraire automatiquement des informations essentielles telles que les noms de médicaments, les pathologies, les traitements et les dates clés à partir de textes médicaux. Cette technologie est utile pour les dossiers patients électroniques, où elle permet d’extraire et de structurer des informations dispersées dans les comptes rendus des consultations. Dans un hôpital, une infirmière cherchant un antécédent précis dans un dossier volumineux pourrait perdre du temps en naviguant manuellement à travers les documents. Un moteur de recherche basé sur la reconnaissance d’entités nommées permettrait d’identifier instantanément tous les passages où un traitement spécifique ou une pathologie est mentionné. La pharmacovigilance bénéficie aussi du NLP grâce à l’extraction automatique d’informations dans des publications scientifiques et des bases de données médicales. En appliquant la reconnaissance d’entités, il devient possible de repérer et d’analyser rapidement les signalements. Les approches utilisées pour cette tâche combinent des modèles basés sur des règles (dictionnaires de termes médicaux) et des algorithmes de deep learning comme les réseaux neuronaux BiLSTM ou les Transformers (BERT, RoBERTa), qui permettent une analyse fine et contextuelle des données textuelles.

    • Modélisation thématique : détecter les tendances en santé

    La modélisation thématique regroupe automatiquement les documents médicaux selon leurs sujets principaux, facilitant l’identification de tendances émergentes en recherche médicale et en pharmacovigilance. Le NLP analyse et regroupe les thématiques spécifiques, les publications scientifiques dans un domaine précis, permettant d’identifier les axes de recherche dominants et les tendances émergentes. L’organisation des dossiers médicaux bénéficie de cette technologie. Un centre hospitalier qui cherche à mieux structurer ses archives peut utiliser la modélisation thématique pour regrouper automatiquement les comptes rendus selon les pathologies, facilitant la gestion et la recherche d’informations. Les modèles les plus couramment utilisés pour ces tâches incluent LDA (Latent Dirichlet Allocation), qui repose sur une approche probabiliste, et NMF (Non-Negative Matrix Factorization), une alternative rapide et efficace pour l’identification de thèmes.

    • L’extraction de relations sémantiques : identifier les liens

    L’extraction de relations sémantiques est une technique qui permet d’identifier et de structurer les liens entre différentes entités dans un texte. Elle va au-delà de la simple reconnaissance d’entités en établissant des connexions sémantiques entre elles. Elle peut détecter des relations entre un médicament et ses effets secondaires, une maladie et ses symptômes, ou encore un gène et une pathologie. En s’appuyant sur des modèles linguistiques avancés et des algorithmes d’apprentissage automatique, l’extraction de relations permet d’enrichir les bases de connaissances, d’améliorer la recherche d’information et d’optimiser la prise de décision clinique.

    Déjà déployées dans certains hôpitaux, laboratoires pharmaceutiques et instituts de recherche, les techniques de NLP automatisent l’analyse de dossiers patients, optimisent les diagnostics et accélèrent la recherche médicale. L’adoption à grande échelle ne va pas sans obstacles. Interopérabilité des systèmes, protection des données sensibles et réticence des professionnels de santé freinent encore son déploiement.

     

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

    Les principales applications du NLP dans le secteur médical

    • Moins d’administratif, plus de temps pour les patients

    L’une des applications les plus concrètes du NLP en santé est la reconnaissance vocale intégrée aux dossiers médicaux électroniques (DME). Ces outils permettent aux médecins de dicter directement leurs observations, évitant ainsi une saisie manuelle. L’hôpital Concord, aux États-Unis, a ainsi déployé la solution Dragon Medical One de Nuance. Résultat : 75 % des soignants ont constaté une amélioration notable de la précision et de la rapidité de leur documentation. Le temps consacré aux tâches administratives a été réduit de moitié.

    • Structurer les données cliniques pour une meilleure prise en charge

    Les dossiers patients, comptes rendus médicaux et publications scientifiques contiennent beaucoup d’information, mais leur format souvent non structuré complique leur exploitation. Le NLP permet d’extraire ces données et de les organiser automatiquement, facilitant ainsi leur analyse. L’atout réside dans l’intégration de la reconnaissance optique de caractères (OCR), qui transforme les documents papier ou manuscrits en fichiers numériques exploitables. Ce procédé réduit les erreurs humaines et améliore l’accès aux données.

    • Un soutien à la prise de décision médicale

    Au-delà de la documentation, le NLP joue un rôle dans l’aide à la décision clinique. En analysant les symptômes et l’historique des patients, les algorithmes peuvent proposer des recommandations médicales en temps réel. Dans les hôpitaux, cette technologie est utilisée pour anticiper les besoins en lits en analysant les motifs d’admission et les tendances pathologiques.

    • Automatiser le codage médical et la facturation

    Le codage médical, pour la facturation et le remboursement des soins, repose traditionnellement sur le travail humain. Aujourd’hui, des solutions comme 3M 360 Encompass exploitent le NLP pour extraire automatiquement les données pertinentes des notes médicales et générer les codes d’assurance correspondants. Cette automatisation permet de réduire les erreurs de facturation, de diminuer la charge administrative des établissements de santé et d’accélérer les remboursements des soins aux patients.

    • Accélérer les essais cliniques et la découverte de traitements

    De nombreuses études sont retardées faute de participants. Le NLP apporte une solution en analysant les dossiers médicaux et en identifiant automatiquement les candidats éligibles. La plateforme Inspirata utilise cette technologie pour filtrer les patients en fonction des critères d’éligibilité des études cliniques, accélérant ainsi le recrutement et le lancement des essais. Au-delà du recrutement, le NLP joue aussi un rôle dans la découverte de nouveaux médicaments. Des entreprises comme Lymba, basée au Texas, exploitent cette technologie pour analyser des millions de publications scientifiques et bases de données génétiques, détectant ainsi de nouvelles associations entre maladies et traitements.

    • Vers une médecine plus centrée sur l’expérience patient

    L’amélioration de l’expérience patient passe aussi par une meilleure prise en compte des avis et ressentis. Grâce au NLP, les établissements de santé peuvent analyser automatiquement les commentaires post-consultation, les avis en ligne ou encore les témoignages sur les réseaux sociaux. Cette approche permet d’identifier les points d’insatisfaction récurrents – temps d’attente trop long, manque de communication avec les équipes médicales – et d’ajuster les services hospitaliers en conséquence.

    Des défis à relever pour une adoption généralisée

    Spécificité du langage médical : Le jargon médical, les acronymes et les abréviations varient d’un établissement à l’autre, rendant difficile l’entraînement des algorithmes. Par exemple, un même mot peut avoir une signification différente en fonction du contexte.

    Interopérabilité des systèmes : De nombreux hôpitaux utilisent encore des systèmes d’information vieillissants, rendant complexe l’intégration des outils de NLP avec les bases de données existantes.

    Sécurisation des données médicales : Le traitement automatisé des données de santé pose des questions éthiques et réglementaires. Les technologies NLP doivent garantir la confidentialité des données patients et être conformes aux réglementations comme le RGPD en Europe ou la HIPAA aux États-Unis.

    Risque de biais des algorithmes : Comme toute technologie d’intelligence artificielle, le NLP peut intégrer des biais si les modèles sont entraînés sur des bases de données déséquilibrées. Par exemple, une étude a montré que les algorithmes de diagnostic pouvaient sous-évaluer les besoins des patients noirs, en raison d’un historique de dépenses médicales moindres pour cette population.

    Enfin, l’acceptation par les professionnels de santé : L’IA doit être perçue comme un outil d’aide à la décision et non comme un substitut à l’expertise humaine. Des efforts sont nécessaires pour former les praticiens et leur fournir des solutions adaptées à leurs besoins quotidiens.

    Malgré ces défis, le marché du NLP en santé poursuit son essor avec une adoption dans les hôpitaux et laboratoires pharmaceutiques. Les solutions de reconnaissance vocale, d’analyse de texte et de modélisation thématique se perfectionnent, offrant aux professionnels de santé des outils puissants pour optimiser leur travail et améliorer les soins aux patients. Les prochaines années verront probablement une intégration plus poussée du NLP dans les plateformes de télémédecine, les systèmes de gestion hospitalière et les programmes de santé publique.

  • Prévention : la Fondation Ramsay Santé renforce son engagement

    Un soutien aux associations françaises

    En 2023-2024, la Fondation a sélectionné six nouvelles associations œuvrant dans l’éducation à la prévention santé. Ces organisations bénéficient d’un accompagnement financier et de l’expertise des collaborateurs de Ramsay Santé. Parmi elles, Agir pour la santé des femmes, Avec nos Proches ou encore Nightline, qui agit pour la santé mentale des jeunes. En parallèle, la Fondation a travaillé à la mise en place d’un outil d’évaluation des actions associatives, afin de mieux mesurer leur impact et d’optimiser leur efficacité sur le terrain.

    Prevent2Care : accélérer l’innovation en prévention santé

    Le programme Prevent2Care a poursuivi son développement en France, avec l’accompagnement de 30 projets, dont 14 startups et 6 associations engagées en prévention santé. Le Prevent2Care Tour a permis de soutenir six associations locales en leur attribuant une dotation de 10 000 euros chacune. Ces organisations, réparties dans plusieurs régions françaises, ont été sélectionnées pour leur engagement dans des actions de sensibilisation et d’éducation à la santé.

    Des actions locales pour améliorer l’accès à la prévention

    La Fondation a poursuivi son engagement envers les publics les plus fragiles avec plusieurs initiatives :

    • Le Bus du Cœur d’Agir pour le cœur des femmes, qui a permis à 2 700 femmes en situation de précarité d’accéder à un dépistage cardio-gynécologique dans neuf villes.
    • L’association VoisinMalin, qui a réalisé des interventions auprès de 350 logements, sensibilisant les parents de jeunes issus de quartiers populaires aux risques liés aux addictions et aux écrans.
    • Un programme de sensibilisation aux écrans en partenariat avec Vivons en Forme, testé dans des écoles avant un déploiement national.

    Un engagement dans le débat public et la sensibilisation numérique

    Les Rencontres Prévention Santé, organisées pour la 7ᵉ année consécutive sous le parrainage du ministère de la Santé, ont abordé en 2024 un sujet d’actualité : les fake news en santé chez les jeunes. Un livre blanc a été publié pour synthétiser les discussions et proposer des solutions éducatives. De plus, le site Mes Questions Prévention Santé a connu une forte progression avec plus de 65 000 visites en un an, grâce notamment à l’ajout d’une nouvelle section dédiée à la santé environnementale.

    Perspectives 2024-2025 : renforcer l’impact local

    Pour l’année à venir, la Fondation prévoit de :

    • Déployer les programmes des six associations soutenues en France.
    • Lancer une formation en prévention santé avec la Croix-Rouge à destination des soignants et professionnels au contact des jeunes.
    • Relancer l’Observatoire du Stress en partenariat avec Opinion Way.
    • Repenser les Rencontres Prévention Santé en simplifiant leur format pour favoriser des débats accessibles et impactants.

    Face aux enjeux de santé publique, la Fondation Ramsay Santé réaffirme son engagement à structurer et développer des actions concrètes en prévention santé sur tout le territoire français.

    Fondation Ramsay Santé – Rapport d’activité 2023 – 2024 

     

  • Détection des fractures : le NICE autorise l’usage de l’IA dans le NHS, sous conditions

    Quatre IA validées, une autre limitée à la recherche

    D’après un document d’évaluation des technologies de la santé publié par le NICE, les solutions Rayvolve (AZmed) et TechCare Alert (Milvue) peuvent être utilisées pour tous les patients, tandis que BoneView (Gleamer AI) et RBfracture (Radiobotics) sont autorisées pour les patients à partir de deux ans. Leur approbation est valable pour une durée de deux ans. En revanche, l’IA qMSK de Qure.AI a été limitée à un usage en recherche, nécessitant des études supplémentaires avant un éventuel déploiement dans le NHS.

    Des critères stricts pour un déploiement sécurisé

    L’utilisation de ces technologies est soumise à l’obtention des certifications réglementaires requises, notamment le DTAC (Digital Technology Assessment Criteria) du NHS England. De plus, leurs développeurs doivent fournir chaque année des données de suivi au NICE sous peine de perdre leur recommandation. Les directives actuelles du NICE exigent qu’un radiologue, un radiographe ou un autre professionnel formé valide les diagnostics avant la sortie du patient, garantissant ainsi la fiabilité des résultats fournis par l’IA.

    Un enjeu clinique et financier majeur

    Selon le NICE, les technologies d’IA pourraient améliorer la détection des fractures sans augmenter le risque d’erreurs diagnostiques. Les fractures non diagnostiquées représentent actuellement 3 % à 10 % des erreurs médicales aux urgences. Une étude du NHS en 2022 a révélé que les réclamations pour négligence liées à ces erreurs ont coûté 1,1 million de livres sterling, un montant évitable selon l’organisme.

    Des bénéfices attendus pour le système de santé

    Le NICE souligne plusieurs avantages potentiels de ces outils :

    • Réduction des écarts de prise en charge, notamment entre différentes régions.
    • Diminution des erreurs diagnostiques, améliorant ainsi la qualité des soins.
    • Moins de consultations répétées aux urgences ou de rappels à l’hôpital après un examen radiologique.

    Pour une intégration à grande échelle, il reste nécessaire de collecter des données supplémentaires sur la précision des diagnostics, l’impact clinique et les coûts associés à ces technologies.

     

  • VIDAL et ArcaScience : une IA pour améliorer la détection des interactions médicamenteuses

    Un enjeu pour l’internationalisation de VIDAL

    Dans le cadre de son expansion internationale, VIDAL, spécialiste des bases de données sur les produits de santé, renforce la qualité de ses informations sur les interactions médicamenteuses. L’objectif : limiter les risques iatrogènes en fournissant un sourcing scientifique spécifique à chaque IAM référencée. La diversité des bases de données internationales et l’évolution constante des connaissances rendent cette tâche complexe. VIDAL a donc fait appel à ArcaScience, expert en intelligence artificielle appliquée au domaine médical, pour automatiser et fiabiliser la veille bibliographique sur les IAM.

    Une IA pour hiérarchiser et analyser les publications scientifiques

    La solution développée par ArcaScience repose sur l’intelligence artificielle et l’analyse de données issues de sources comme PubMed, ClinicalTrials.gov et Medline. Son fonctionnement repose sur plusieurs modèles avancés :

    • Stratification : hiérarchisation des publications selon leur niveau de preuve scientifique ;
    • Traitement du langage naturel (NLP) : classification du contenu lié aux IAM et évaluation des implications thérapeutiques ;
    • Reconnaissance d’entités nommées (NER) : mise en lien des interactions médicamenteuses avec les caractéristiques des patients.

    Un système de cotation, élaboré avec les experts de VIDAL, classe les articles en fonction de leur pertinence et de leur impact clinique, assurant une évaluation robuste et fiable des interactions détectées.

    Des résultats prometteurs et un déploiement en cours

    Après une phase d’expérimentation, l’algorithme d’ArcaScience a démontré sa capacité à détecter avec précision les IAM déjà connues en France et à en identifier de nouvelles sur le marché international. Trois mois après son lancement, VIDAL accélère désormais l’intégration de cette solution à ses bases de données, renforçant la sécurité des prescriptions pour les professionnels de santé en France et à l’étranger. Grâce à cette collaboration, VIDAL et ArcaScience posent les bases d’une approche innovante et automatisée de la surveillance des interactions médicamenteuses.

     

  • La Corée du Sud déploie un système national de prévention des épidémies basé sur l’intelligence artificielle

    Un pays confronté à des risques épidémiques récurrents

    Le gouvernement sud-coréen lance un système national de surveillance et de prévention des épidémies fondé sur l’intelligence artificielle (IA) pour détecter et contenir les menaces sanitaires en temps réel. Avec 51,7 millions d’habitants, la Corée du Sud est régulièrement touchée par des épidémies de grippe, rougeole, tuberculose et maladies zoonotiques. Le MERS en 2015 a causé 38 décès et un impact économique de 8,6 milliards de dollars, tandis que la pandémie de Covid-19 a affecté 600 000 personnes et entraîné 1 500 décès.

    Les limites du système de surveillance actuel

    Le système de surveillance épidémiologique, géré par les Centres de contrôle et de prévention des maladies en Corée du sud sous la supervision du est l’agence nationale de santé publique du pays (KDCA), repose sur :

    • Des données de santé publique avec des données émanant d’hôpitaux et de cliniques,
    • Des systèmes de traçage basés sur géolocalisation, paiements bancaires et vidéosurveillance
    • Des capteurs environnementaux surveillant la qualité de l’air et les conditions sanitaires.

    Cependant, ce dispositif présente plusieurs limites :

    • Une dépendance au traçage manuel, nécessitant jusqu’à une heure par cas
    • Des risques d’erreurs humaines dans l’analyse des données
    • Une Infrastructure limitée en zones rurales, compliquant le suivi en temps réel

    Un dispositif optimisé par l’IA

    Le nouveau système centralise en temps réel les données issues de diverses sources. Il repose sur :

    • Big Data, machine learning et IA pour modéliser la propagation des maladies
    • Capteurs IoT mesurant en continu les paramètres environnementaux
    • Systèmes de géolocalisation pour identifier rapidement les clusters

    Une coopération public-privé pour une surveillance renforcée

    Des entreprises technologiques collaborent avec des acteurs publics comme l’Institut Pasteur de Corée (IPK)placé sous l’égide du ministère de la Science et de la Technologie le ministère de la Science et de la Technologie. La nouvelle plateforme de surveillance a pour objectifs de :

    • Réduire la propagation des maladies en accélérant détection et réponse
    • Renforcer les infrastructures de santé pour limiter les cas graves et la mortalité
    • Anticiper les épidémies grâce à l’analyse de données en temps réel
    • Optimiser les coûts et réduire l’impact économique des crises sanitaires

     

  • Insuffisance cardiaque : la télésurveillance de Satelia réduit de 36 % la mortalité des patients

    Une avancée pour la prise en charge de l’insuffisance cardiaque

    Conduite sur quatre ans dans plus de 300 centres français, l’étude TELESAT-HF est la plus grande jamais réalisée en Europe sur la télésurveillance de l’insuffisance cardiaque. Elle a impliqué des experts de renom, issus du CHU de Bordeaux, du CHU de Nancy, de l’AP-HP et de l’Hôpital Paris Saint-Joseph.

    Les 5 357 patients suivis par Satelia Cardio, en plus des soins conventionnels, ont vu leur risque de décès réduit de 36 %, soit un décès évité tous les 10,5 patients suivis. L’effet est encore plus marqué chez les patients les plus fragiles :

    • -44 % de mortalité pour ceux ayant été hospitalisés une fois dans l’année précédente ;
    • -48 % de mortalité pour ceux ayant été hospitalisés deux fois ou plus dans les 12 derniers mois.

    Une réduction des hospitalisations et des passages aux urgences

    Le programme de télésurveillance Satelia a également démontré son impact sur la prévention des hospitalisations :

    • -17 % de passages aux urgences pour l’ensemble des patients suivis ;
    • -36 % chez les patients les plus à risque (hospitalisés au moins une fois l’année précédente).

    Concrètement, cela signifie une hospitalisation évitée tous les 16 patients suivis.

    Comment fonctionne Satelia Cardio ?

    Le dispositif repose sur une surveillance des symptômes et du poids du patient à une fréquence variable, adaptée à la gravité de sa maladie. Accessible aux patients numériques et non numériques, il fonctionne via une application mobile, un ordinateur ou un téléphone fixe pour ceux en situation d’illectronisme.

    Les données collectées sont analysées par un algorithme d’intelligence artificielle, développé avec plusieurs CHU français, qui attribue un score de risque aux patients. Ce système permet aux cardiologues de se concentrer sur les patients nécessitant une intervention rapide, optimisant ainsi leur charge de travail.

    Le Dr Hélène Benchimol, co-auteur de l’étude et praticienne au GHT Saintes-Jonzac-Royan, témoigne :
    “Suivre 400 patients à domicile est un défi, mais grâce à la télésurveillance, je peux identifier chaque semaine les 10 ou 20 patients dont l’état se dégrade, bien avant qu’ils ne se retrouvent aux urgences. C’est une révolution en matière de prévention et de suivi.”

    L’étude TELESAT-HF démontre que la télésurveillance améliore l’autonomie des patients, réduit les hospitalisations et allège la pression sur les urgences. Contrairement aux dispositifs nécessitant des objets connectés, Satelia mise sur une approche éthique et accessible, centrée sur l’éducation thérapeutique et l’implication du patient. Avec ces résultats, Satelia Cardio s’impose comme un pilier essentiel de la prise en charge des maladies chroniques, ouvrant la voie à une adoption élargie en France et à l’international.

     

  • Hopia lève 3,5 M€ pour optimiser la gestion des plannings en santé

    Optimiser la gestion des plannings en santé 

    Fondée en 2021 par deux ingénieurs de CentraleSupélec, Hopia s’attaque à un problème du secteur hospitalier : la gestion des plannings du personnel soignant. Un cadre de santé peut y consacrer jusqu’à 80 % de son temps, au détriment du suivi médical et organisationnel. Pour y remédier, la start-up a développé une solution SaaS qui intègre des algorithmes avancés prenant en compte :

    • Les contraintes individuelles (temps de repos, pénibilité, préférences) ;
    • Les impératifs collectifs (continuité des soins, priorisation des actes) ;
    • Les ajustements en temps réel liés aux imprévus du quotidien hospitalier.

    Contrairement aux solutions classiques basées sur l’apprentissage machine, Hopia s’appuie sur l’intelligence artificielle symbolique, qui modélise le raisonnement humain sous forme de règles et de concepts. Ce choix technologique permet une meilleure prise en compte des aléas et une plus grande flexibilité dans l’organisation des soins.

    Un déploiement en pleine expansion

    Déjà adoptée par plus de 20 établissements dont le CHU de Brest, les Hospices Civils de Lyon et les groupes Vivalto et Elsan, la solution Hopia est utilisée par 80 équipes médicales. L’entreprise ambitionne désormais d’élargir son marché aux Ehpad, centres de radiologie et structures pour personnes handicapées. Grâce à cette levée de fonds, Hopia prévoit de tripler son nombre de clients d’ici fin 2025 et de doubler son effectif, passant de 20 à 40 salariés.

    Vers une nouvelle solution centrée sur le parcours patient

    Hopia travaille également sur une seconde solution visant à fluidifier le parcours des patients nécessitant plusieurs examens et consultations. L’objectif : éviter qu’un patient ne se retrouve démuni après une prescription médicale, en facilitant la coordination des rendez-vous et des actes médicaux. Avec cette double approche – planification des ressources humaines et optimisation du parcours patient – Hopia ambitionne de devenir un acteur de l’organisation des soins en France, en améliorant à la fois les conditions de travail des soignants et l’expérience des patients.

     

  • Fusions & acquisitions en santé : un ralentissement en 2024, mais une reprise attendue en 2025

    Un marché en mutation, des transactions plus sélectives

    2025 pourrait marquer une reprise du marché, portée par un regain de visibilité et des opportunités émergentes. D’après le rapport Firepower 2025 publié par EY, si le volume des transactions reste stable, leur valeur est en baisse. Les laboratoires et entreprises du secteur se concentrent sur l’intégration des acquisitions précédentes et évitent les mégafusions risquées. L’objectif : recentrer leur portefeuille sur des domaines thérapeutiques porteurs et optimiser la rentabilité des actifs existants.

    Les acteurs historiques du médicament, confrontés à l’expiration de brevets stratégiques, doivent composer avec la concurrence croissante des biosimilaires et des nouveaux entrants en biotechnologie. Dans ce contexte, plutôt que d’absorber des concurrents de grande taille, ils privilégient des acquisitions ciblées et des collaborations avec des startups innovantes, notamment dans le domaine de l’intelligence artificielle et des biotechnologies émergentes.

     2025 : vers une reprise des transactions ?

    L’année 2025 pourrait marquer un tournant. Avec l’arrivée d’une nouvelle administration aux États-Unis en janvier, certains obstacles réglementaires pourraient s’atténuer, rendant les transactions plus fluides. Par ailleurs, les grandes entreprises, après une année d’observation, pourraient relancer des acquisitions stratégiques pour maintenir leur compétitivité. L’essor des technologies numériques appliquées à la santé, combiné aux progrès de l’IA et des biotechnologies chinoises, ouvre également de nouvelles perspectives. Ces domaines suscitent un intérêt de la part des investisseurs, qui y voient des relais de croissance à long terme.

    Cas français : recentrage et restructuration

    En France, l’année 2024 a été marquée par plusieurs annonces de cessions stratégiques. Sanofi, par exemple, est en négociations pour céder une participation majoritaire dans Opella, valorisée à environ 16 milliards d’euros. Ce mouvement illustre une tendance plus large des laboratoires pharmaceutiques à rationaliser leur portefeuille, en se séparant de certaines filiales pour mieux se recentrer sur leurs axes de développement prioritaires.

    D’autres groupes pourraient suivre cette dynamique, notamment dans un contexte où la rentabilité des médicaments matures est sous pression et où les nouvelles thérapies nécessitent des investissements conséquents en R&D.

    Une stratégie plus sélective pour une croissance durable

    Si 2024 a été une année de prudence, marquée par une reconfiguration des stratégies d’investissement, 2025 pourrait voir un rebond des transactions. Toutefois, les entreprises privilégieront une approche plus sélective, misant sur des acquisitions ciblées, des alliances stratégiques et l’exploration de nouvelles opportunités technologiques et géographiques.