Articles

  • Prédiction, classification, suivi : les solutions d’IA appliquées au diabète

    L’IA dépasse 94% de précision pour prédire le diabète en soins primaires

    La multiplication des données de santé, issues de la biologie, de l’imagerie et des capteurs, ouvre de nouvelles perspectives pour la prédiction du diabète. L’IA exploite ces flux d’informations pour identifier précocement les patients à risque et ajuster les stratégies de prévention. En août 2024, une synthèse publiée dans The Lancet Diabetes & Endocrinology décrit le potentiel des réseaux neuronaux et des techniques d’apprentissage profond dans la détection du diabète de type 1 et de type 2. En soins primaires, les modèles d’IA prévoient la survenue d’un diabète avec une précision supérieure à 94 %, dépassant les modèles statistiques traditionnels. Des études chinoises et américaines ont testé de nouvelles modalités de dépistage à partir d’images de la langue, du visage ou de signaux biométriques tels que la photopléthysmographie et l’électrocardiogramme. Le modèle DiabDeep, développé à l’Université de Princeton, a atteint une exactitude de 96,3 % pour distinguer patients diabétiques et non diabétiques. En 2024, une étude canadienne publiée dans Scientific Reports a exploré l’analyse de la voix par IA, révélant des variations corrélées à la glycémie.

    L’IA affine la classification du diabète en 5 sous‑types et 7 profils DT1

    L’intelligence artificielle permet également une stratification plus fine des formes de diabète et du prédiabète. Des approches de clustering et d’apprentissage supervisé relient profils biocliniques, dynamiques glycémique et risques, avec des perspectives de traitements ciblés. Une cohorte suédoise de 8 980 patients récemment diagnostiqués a permis, dès 2018, d’identifier cinq clusters à partir d’anticorps anti‑GAD, âge, IMC, HbA1c et HOMA. L’algorithme a distingué SAID, SIDD, SIRD, MORD et MARD, avec des trajectoires et risques de complications différenciés dès le diagnostic. Cette classification propose une orientation thérapeutique plus précise que la répartition binaire, en intégrant auto‑immunité, déficit insulinique, résistance à l’insuline, obésité et âge.

    Prédiction des valeurs, personnalisation du traitement, assistance nutritionnelle : de nouveaux outils pour la prise en charge du diabète

    Ces études permettent de développer des solutions d’IA et d’améliorer la prise en charge du diabète en intégrant capteurs, algorithmes prédictifs et outils de suivi à distance. Les technologies modifient la pratique médicale et l’autonomie des patients. La gestion du diabète implique un contrôle constant de la glycémie et une administration adaptée de l’insuline. Les algorithmes d’IA optimisent ces paramètres par l’analyse continue de données issues de dispositifs connectés, ce qui facilite la régulation et la prévention des complications.

    Cibles des solutions d’IA appliquées au diabète : 

    • Diminution du temps hors cible : Des modèles issus des systèmes de surveillance continue du glucose (CGM) et dossiers médicaux prédisent les variations glycémiques jusqu’à 3 heures, avec bonne sensibilité et spécificité pour l’hypoglycémie. L’intégration au suivi permet ajustements proactifs des doses, planification de l’activité et gestion des repas.
    • Pancréas artificiel et prédiction : Les systèmes associent pompe, CGM et algorithme pour maintenir la glycémie dans la cible. Les AID ajustent la basale toutes les 5–10 minutes, appliquent des corrections et suspendent en cas de risque d’hypoglycémie. Un CGM avancé alerte jusqu’à 1 heure avant. Un pancréas bionique basé sur le poids supprime la saisie des glucides et, à 13 semaines, réduit l’HbA1c de 0,6 point et augmente le temps dans la cible d’environ 11%.
    • Alimentation, activité, glycémie : La reconnaissance d’images automatise le comptage des glucides. Le coaching avec IA adapte conseils nutritionnels, rappels et observance. Les applications combinent glycémie et habitudes de vie pour des recommandations personnalisées, avec chatbots nutritionnels pour des menus adaptés.
    • Détection des anomalies en temps réel (ex : rétinopathie diabétique) : Les dispositifs connectés analysent en continu les données, déclenchent des alertes et soutiennent le triage. Des systèmes diagnostiquent précocement la rétinopathie par analyse d’images rétiniennes.
    • Néphropathie diabétique : Des modèles combinant données cliniques et imagerie rétinienne dépassent les scores rénaux classiques. Une étude multicentrique 2024 sur >26 000 images ultra grand‑angle montre une meilleure détection, y compris avec images de moindre qualité.

    DTx et IA : de nouvelles approches pour le suivi personnalisé du diabète

    Plusieurs entreprises proposent des thérapies digitales dédiées à la prise en charge du diabète. Ces solutions, mêlent données issues des capteurs, algorithmes prédictifs et outils de télésuivi, pour renforcer l’autonomie des patients et améliorer les modèles de soins.

    Les thérapies digitales (DTx) s’imposent progressivement dans la gestion du diabète. Ces DTx associent montres connectées, capteurs et applications mobiles pour accompagner les patients diabétiques de type 1 ou 2 dans le suivi de leur glycémie. Certaines entreprises exploitent les bénéfices de l’intelligence artificielle afin d’anticiper les fluctuations glycémiques. C’est le cas de l’application Hillo, qui synchronise les données issues de la pompe à insuline, du capteur de glycémie et du traqueur d’activité. D’autres, comme Oviva (DTx développé par Oviva AG) utilise l’IA pour fournir des recommandations d’alimentation personnalisées et adaptées aux patients diabétiques.

    Autre solution SPUR, d’Observia, un outil numérique fondé sur les sciences comportementales qui permet d’évaluer l’adhésion thérapeutique des patients. Il établit des profils comportementaux à partir de quatre dimensions et treize facteurs influençant l’observance. Cette approche prédictive aide à identifier les risques de non-adhérence et à formuler des recommandations personnalisées. SPUR est utilisé en recherche, en clinique et dans l’amélioration de l’expérience patient.

    De l’autosurveillance au dépistage : l’IA redessine le suivi du diabète

    Les outils d’autosurveillance constituent la catégorie la plus représentée après les DTx. Des solutions recensées permettent de digitaliser le carnet d’autosurveillance traditionnel. Des acteurs comme Cubesoft avec DiabetoLog ou Beato proposent des interfaces combinant carnet de bord, glucomètre et suivi des apports en glucides. Ces dispositifs favorisent un suivi autonome du diabète. En complément, sept solutions de télésurveillance permettent un encadrement à distance supervisé par des équipes médicales. Teladoc Health, via son outil Livongo, intègre accompagnement personnalisé et recommandations thérapeutiques. Medtronic utilise l’IA pour anticiper les déséquilibres glycémiques. La prévention des complications et le diagnostic précoce sont des usages appliqués au diabète. Des dispositifs dotés de fonctions de mesure et d’analyse contribuent par exemple à détecter les complications et pathologies associées, notamment dans les maladies oculaires. E-ophtalmo déploie une plateforme de télé-expertise dédiée au dépistage de la rétinopathie diabétique, pathologie fréquente chez les patients de longue durée. Aussi, Odysight (Tilak Healthcare) permet de suivre, via une application mobile, le suivi des maladies rétiniennes. La technologie intègre des tests visuels (acuité, grille d’Amsler) et un algorithme qui mesure par exemple la distance oeil-écran. Le système alerte les médecins et ophtalmologues en cas de baisse visuelle. Un tableau de bord permet de suivre l’évolution.

    Solutions pour : le dépistage et l’imagerie rétinienne

    La solution EviRed avec l’AP‑HP–Fondation Rothschild pour optimiser le tri et la priorisation des patients en ophtalmologie

    Le dépistage assisté par IA structure un flux de lecture standardisé et rapide des imageries rétiniennes, avec des algorithmes entraînés sur photographies fond d’œil, ultra grand champ et OCT‑A. Des établissements hospitaliers français, dont Lariboisière (AP‑HP), la Fondation Rothschild, la Pitié‑Salpêtrière et le CHU de Bordeaux, se positionnent sur des projets combinant classification, tri et prédiction d’évolution de la rétinopathie diabétique, afin d’orienter le suivi et d’optimiser les rendez‑vous en ophtalmologie.

    • EviRed, dans sa déclinaison projet conduite avec des équipes de l’AP‑HP et de la Fondation Rothschild, fusionne caractéristiques visuelles multi‑modalités et données cliniques pour produire une évaluation de risque évolutif. L’usage attendu en service vise un tri plus efficace des patients, une priorisation adaptée aux profils à risque, une réduction des visites non nécessaires et une aide à la décision pour les praticiens. Les sites mentionnés ancrent le projet dans des conditions réelles de soins avec des volumes d’images validées et un objectif de déploiement territorial.
    • OphtAI déploie une détection IA de la rétinopathie diabétique et d’autres atteintes rétiniennes, avec des références au CHU de Brest et à la Clinique Honoré Cave. L’ambition porte sur un dépistage plus précoce, une diminution des coûts d’un diagnostic manuel et une accélération de l’analyse, afin d’augmenter la capacité de prise en charge. L’assistance à la décision complète la chaîne du dépistage au suivi. Les bénéfices observés dans cette catégorie concernent l’augmentation de la capacité de screening et la réduction du temps d’analyse, l’anticipation de l’évolution des lésions et le tri par niveau de risque. La continuité domicile‑hôpital progresse via la télésurveillance visuelle (Odysight) tandis que des projets de très haute résolution (RetiCell) et des estimations de risque cardio‑vasculaire à partir d’images rétiniennes (THEIA/CLAiR) élargissent les usages au‑delà de l’ophtalmologie stricto sensu.

    Solutions pour : les boucles hybrides et l’insulinothérapie

    Les solutions connectées Medtronic et Axodiab optimisent la gestion du diabète

    Les systèmes d’administration d’insuline couplés au suivi glycémique en continu automatisent une partie des décisions grâce à des algorithmes adaptatifs. L’objectif est de personnaliser la délivrance d’insuline, de lisser les fluctuations glycémiques et de réduire la charge mentale liée à l’autogestion, tout en facilitant la coordination entre patient, équipe d’éducation thérapeutique et spécialistes.

    • La MiniMed 780G de Medtronic combine pompe, CGM et algorithme SmartGuard pour ajuster l’insuline toutes les cinq minutes avec une cible paramétrable jusqu’à 100 mg/dL. Des bénéfices attendus incluent un temps dans la cible, moins d’hyper et d’hypoglycémies, ainsi qu’un allègement du quotidien pour les patients et leurs aidants.
    • Axodiab, orientée vers les professionnels en diabétologie, soutient la gestion des patients DT2 sous schéma basal‑bolus, avec une collaboration au CHU de Reims pour l’interprétation experte à distance. La solution vise une organisation plus structurée des parcours multi‑injections et une articulation plus fluide entre équipes de terrain et expertise spécialisée.  Les bénéfices résident dans l’automatisation sécurisée et la personnalisation thérapeutique, traduites par des gains d’indicateurs glycémiques et une réduction de l’effort cognitif sur la gestion quotidienne. L’intégration aux dispositifs connectés et la remontée de données en temps quasi réel favorisent les ajustements rapides et la continuité de prise en charge entre ville et hôpital.

    Solutions pour : les thérapies numériques et l’observance

    SPUR et Smart Reports améliorent l’adhésion et l’autogestion thérapeutique en diabétologie

    Les solutions numériques thérapeutiques et les outils d’observance se concentrent sur l’éducation, l’accompagnement et la personnalisation des recommandations, appuyés par des moteurs ML/NLP et l’intégration de données cliniques et comportementales. L’enjeu est d’améliorer l’adhésion, de rendre les messages médicaux actionnables, et de fournir aux soignants des informations exploitables dans le temps contraint de la consultation.

    • SPUR d’Observia propose un profilage de l’adhérence à partir de quatre dimensions et treize facteurs, afin d’estimer le risque de non‑adhérence et de générer des recommandations ciblées pour réduire les abandons et améliorer l’alignement entre prescriptions et comportements quotidiens.
    • Smart Reports de Medicus AI interprète des résultats de laboratoire et fournit des explications adaptées au patient grâce à un moteur cardio‑métabolique et à une intégration via API/SDK côté laboratoire. Les effets recherchés couvrent une meilleure compréhension, et un engagement plus fort. Les bénéfices de la catégorie portent sur la réduction des coûts de non‑adhérence, l’amélioration de l’autogestion et la traduction de données techniques en informations utilisables. Les portails cliniciens et les rapports structurés facilitent la décision et resserrent la relation soignant‑patient.

    Solutions pour : la télésurveillance et le suivi à domicile

    Odysight permet un suivi à domicile avec alertes patient‑médecin et dashboard

    La télésurveillance rend possible un suivi fréquent et standardisé des paramètres fonctionnels ou des trajectoires cliniques, avec alertes et tableaux de bord pour les équipes. Elle vise une détection précoce des dégradations et une meilleure préparation des rendez‑vous.

    • Odysight propose des tests visuels à domicile pour pathologies rétiniennes, avec contrôle automatisé de la distance œil‑écran et de la luminosité, notifications vers le patient et l’ophtalmologiste, et un tableau de bord médical. Une étude citée (TIL‑002) documente la concordance des mesures avec les standards ETDRS, et la solution est présentée en classe I.
    • SOPHIA Weight Trajectory Predictor, développé autour de cohortes du CHU de Lille et de validations multi‑sites, calcule une courbe personnalisée de perte de poids sur soixante mois après chirurgie bariatrique à partir de sept variables préopératoires. L’outil accessible en ligne soutient la préparation et le suivi, en ciblant les écarts de trajectoire qui signalent un besoin d’ajustement clinique. Les bénéfices de la catégorie incluent un passage d’actes ponctuels à une observation continue, un repérage plus précoce des signaux faibles et une priorisation plus fine des ressources. La coordination domicile‑hôpital gagne en efficacité grâce aux notifications automatisées et à la visualisation de tendances utilisables en consultation.

    Solutions pour : la prévention et le dépistage populationnels

    Colive Voice analyse la voix pour repérer le DT2

    Les approches de prévention et de dépistage à large échelle exploitent des modalités non invasives ou peu contraignantes, afin d’identifier précocement des sujets à risque métabolique et cardio‑vasculaire. L’objectif est de réduire les barrières d’accès, le coût unitaire de dépistage et les délais d’orientation vers le diagnostic et le soin.

    • Colive Voice s’appuie sur des biomarqueurs vocaux et des algorithmes d’apprentissage pour un dépistage du DT2 non invasif, avec un ancrage au Luxembourg Institute of Health. L’usage visé concerne des populations larges et des contextes où l’accessibilité des examens classiques est limitée, pour une première stratification des risques.
    • THEIA/CLAiR, déployé au Middlemore Eye Hospital (Auckland), automatise, en quelques secondes, l’analyse rétinienne pour signes de diabète et propose une estimation du risque cardio‑vasculaire à cinq ans. Les effets attendus incluent une hausse de la capacité de screening et une réduction des coûts de main‑d’œuvre, avec un positionnement à l’interface entre ophtalmologie et prévention cardio‑métabolique. Les bénéfices de la catégorie se matérialisent par des trajectoires de soins plus courtes entre repérage et confirmation diagnostique, un tri précoce des individus à haut risque et une meilleure allocation des capacités cliniques. La complémentarité avec les chaînes d’imagerie et de télésurveillance renforce l’efficacité populationnelle des parcours.

     

    @helene-barberoussedeuxiemeavis-fralth & Tech Intelligence

    <span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span><span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span><span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span>

  • Santé 2.0 : l’Inde bâtit le plus vaste écosystème médical connecté au monde

    L’Inde connaît actuellement une transformation majeure de son système de santé, portée par un investissement public de 10,5 milliards d’euros destiné à développer la numérisation, l’intelligence artificielle et la télémédecine. Ce processus s’inscrit dans une stratégie nationale visant à améliorer la performance, l’accessibilité et la continuité des soins. Avec plus de 70 000 établissements, 1,38 million de médecins et un objectif de dépenses de santé représentant 2,5 % du PIB d’ici 2025, le pays se dote des moyens nécessaires pour moderniser ses infrastructures. L’Ayushman Bharat Digital Mission joue un rôle central dans cette évolution, favorisant l’interopérabilité des données et la création d’un écosystème connecté rassemblant patients, professionnels et institutions. La plateforme eSanjeevani illustre cet essor avec plus de 330 millions de téléconsultations réalisées et un milliard de citoyens enregistrés. Parallèlement, l’Inde renforce son cadre réglementaire pour encadrer la gestion des données médicales, garantir la cybersécurité et assurer la conformité technique des solutions de santé numérique. Cette combinaison d’innovation technologique, d’encadrement légal et d’ouverture économique positionne le pays comme un acteur incontournable du paysage mondial de la santé digitale. Retrouvé l’analyse d’Health&Tech Intelligence sur la santé numérique en Inde dans cette étude.

    📌L’Inde accélère sa révolution santé : 10,5 Mds € investis dans le numérique, l’IA et la télémédecine

    En 2023, les dépenses de santé en Inde atteignent 2,1 % du PIB, avec un objectif de 2,5 % d’ici 2025. Le pays compte 70 000 hôpitaux, dont 63 % privés, et plus de 1,38 million de médecins. Soutenue par un budget public de 10,5 Mds €, la transformation numérique s’intensifie : 372 millions de téléconsultations sur eSanjeevani et un marché de la santé estimé à 360,8 Mds €. L’économie numérique médicale, tirée par l’IA, les objets connectés et la biotechnologie, positionne l’Inde comme un acteur clé mondial de la santé digitale.

    👉 Plus de détails sur «État des lieux de la santé en Inde : 10,5 Mds€ pour l’IA, les DME et l’infrastructure numérique – Health & tech».

    📌Santé numérique en Inde : un marché porteur, encadré par un cadre légal avancé

    Le numérique en santé en Inde s’appuie sur l’Ayushman Bharat Digital Mission (ABDM) et un écosystème réglementaire renforcé depuis le Digital Personal Data Protection Act adopté en 2023. L’entrée sur le marché implique conformité à la Health Data Management Policy, respect du consentement patient et enregistrement des logiciels auprès de la Central Drugs Standard Control Organisation. Les Telemedicine Practice Guidelines encadrent les pratiques, tandis que la sandbox de la NHA teste la conformité technique. Ouverte à 100 % aux IDE, l’Inde combine forte attractivité et exigences réglementaires précises pour les acteurs étrangers du numérique en santé.

    👉 Plus de détails sur «Inde : un marché du numérique en santé prometteur, mais sous haute conformité – Health & tech».

    📌Santé numérique en Inde : 330 millions de téléconsultations et un milliard de citoyens connectés à l’écosystème ABDM

    En cinq ans, l’Inde a bâti un écosystème national de santé numérique interopérable reliant plus d’un milliard de citoyens. Portée par l’Ayushman Bharat Digital Mission, la plateforme eSanjeevani totalise 330 millions de téléconsultations, via 175 000 centres et 500 000 professionnels enregistrés. Le pays compte déjà  47 millions de dossiers de santé liés. L’intelligence artificielle, déployée pour la tuberculose, la rétinopathie et la décision clinique, transforme la médecine en un système prédictif et inclusif, soutenu par des politiques robustes de cybersécurité et de protection des données.

    👉 Plus de détails sur «330 millions de téléconsultations, 175 000 centres connectés : l’Inde change d’échelle dans la santé numérique – Health & tech».

    📌Un milliard de dossiers connectés : l’Inde devient le plus grand laboratoire mondial de santé numérique

    L’Inde opère une transformation sanitaire à l’échelle de 1,4 milliard d’habitants, avec 770 millions de comptes ABHA et 530 millions de dossiers numériques intégrés à l’Ayushman Bharat Digital Mission. Soutenu par l’État, l’écosystème regroupe 600 000 professionnels, 392 000 établissements et plus de 1 100 investisseurs HealthTech, dont Practo, PharmEasy et Tata 1mg parmi les leaders. Les hôpitaux privés, menés par Apollo et Manipal, misent sur l’IA et les DME, tandis que eSanjeevani a dépassé 25 millions de téléconsultations. Avec l’appui des géants mondiaux et une gouvernance numérique ambitieuse, l’Inde s’affirme comme un pivot incontournable de l’innovation médicale internationale.

    👉 Plus de détails sur «L’Inde, laboratoire de la santé numérique : un milliard de dossiers connectés pour 1,4 milliard d’habitants – Health & tech».

     

    @Visuel de synthèse santé numérique en Inde @HTI

  • L’Inde, laboratoire de la santé numérique : un milliard de dossiers connectés pour 1,4 milliard d’habitants

    Un système de santé en mutation sous impulsion gouvernementale

    L’Inde a engagé depuis une décennie une profonde transformation de son système de santé, portée par une vision : bâtir une infrastructure numérique unifiée au service des 1,4 milliard d’habitants. Au cœur de cette stratégie, la National Health Authority (NHA) pilote l’Ayushman Bharat Digital Mission (ABDM), lancée en 2021. Cette initiative phare vise à connecter patients, professionnels, hôpitaux et laboratoires dans un écosystème commun.

    En avril 2025, les chiffres donnent la mesure de cette ambition :

    • 770 millions de comptes ABHA (Ayushman Bharat Health Account) créés ;
    • 530 millions de dossiers de santé numérisés ;
    • 392 000 établissements et plus de 600 000 professionnels de santé enregistrés.

    La NITI Aayog, principal think tank du gouvernement, a posé les bases de cette révolution en 2018 avec le concept du National Health Stack, ancêtre de l’ABDM. Quant au Ministry of Health and Family Welfare, il supervise l’ensemble des programmes digitaux : du suivi materno-infantile (Mother and Child Tracking System) au registre national des patients tuberculeux (Nikshay), en passant par les systèmes d’information hospitaliers (HIS).

    eSanjeevani : 25 millions de téléconsultations, un modèle d’inclusion numérique

    Dans un pays où près de 65 % de la population vit en zone rurale, la télémédecine est devenue un outil d’accès essentiel. La plateforme publique eSanjeevani, déployée par le gouvernement, a permis plus de 25 millions de téléconsultations à travers 800 centres de télémédecine couvrant 95 spécialités. Ce programme illustre la volonté de réduire la fracture territoriale tout en créant un réseau de soins intégré, interopérable avec les systèmes hospitaliers publics et privés.

    Autre exemple de réussite : CoWIN, plateforme nationale de gestion vaccinale, a orchestré plus de deux milliards d’injections durant la pandémie de COVID-19. Ce système, salué à l’international, a posé les bases de la gestion numérique des campagnes de santé publique à grande échelle. Enfin, le programme d’assurance Ayushman Bharat Pradhan Mantri Jan Arogya Yojana (PM-JAY) couvre 100 millions de familles vulnérables, offrant jusqu’à 500 000 roupies par an pour des soins hospitaliers. L’intégration progressive de cette assurance dans les plateformes numériques renforce la continuité du parcours de soins.

    L’explosion des startups HealthTech : 1100 investisseurs

    L’Inde abrite aujourd’hui plus de 1 100 investisseurs actifs dans la santé numérique, dont Peak XV Partners, Accel, Prosus, Temasek ou TPG. Le secteur a levé 707 millions USD au premier semestre 2024, soit le double de 2023. Depuis dix ans, les startups HealthTech indiennes ont cumulé près de 10 milliards USD d’investissements, confirmant la maturité d’un marché désormais structuré.

    • Practo, pionnière du domaine, reste la référence. Son écosystème complet, de la prise de rendez-vous à la téléconsultation, réunit plus de 100 000 médecins et 70 000 cliniques et hôpitaux. Avec plus d’un milliard USD de dépenses générées sur sa plateforme, Practo a accompagné la croissance fulgurante du marché de la télémédecine pendant la pandémie.
    • PharmEasy, fondée en 2015, s’est imposée comme le leader de la e-pharmacie, malgré une valorisation en repli depuis son pic de 2021. Elle a levé 216 millions USD en 2024 et détient une participation majoritaire dans Thyrocare, réseau de diagnostics.
    • De son côté, Tata 1mg (rachetée par Tata Digital) est désormais numéro 1 du marché, avec 31 % de parts et une présence dans plus de 1 000 villes. Son modèle intègre vente de médicaments, téléconsultations et tests de laboratoire.
    • Enfin, MediBuddy, orientée santé d’entreprise, dessert plus de 600 sociétés et 30 assureurs, avec 3,5 millions d’abonnés. Ces plateformes combinent accessibilité, téléconsultation et suivi à distance, tout en favorisant l’essor d’un marché B2B solide.

    Les hôpitaux privés accélèrent leur virage numérique

    Les grands groupes hospitaliers indiens mènent eux aussi une transformation en profondeur. Apollo Hospitals, fondé en 1983, demeure le fer de lance du secteur. Son réseau de 71 établissements a réalisé plus d’un million de téléconsultations en 2023 et investi 1 200 crores INR (près de 145 millions USD) dans sa transformation numérique. Sa plateforme Apollo 24/7 et son programme ASK Apollo permettent un continuum de soins : téléconsultations, commande de médicaments, dossiers de santé électroniques et soins à domicile via Apollo Home Health.

    Manipal Hospitals, avec 37 hôpitaux dans 19 villes, collabore avec Google Cloud pour des solutions IA capables de réduire le temps de traitement des ordonnances de 15 à 5 minutes. Chaque jour, 60 000 entrées de données sont traitées avec une précision de 99 %, un jalon pour l’automatisation des processus hospitaliers. Max Healthcare, Fortis Healthcare et Narayana Health misent eux aussi sur la donnée et l’intelligence artificielle. Max Healthcare a déployé le premier système intégré de surveillance à distance en Inde ; Fortis déploie progressivement les dossiers médicaux électroniques (DME) dans ses hôpitaux ; Narayana Health, enfin, utilise des modèles prédictifs pour anticiper l’insuffisance cardiaque à partir d’ECG grâce à une base de 100 000 images médicales. Ces innovations traduisent la montée en puissance d’une santé prédictive et personnalisée, orientée résultats cliniques.

    Les géants technologiques mondiaux s’ancrent dans l’écosystème indien

    L’attractivité du marché indien a convaincu les grands groupes internationaux de renforcer leur présence. Google Health accompagne la montée en puissance de l’infrastructure numérique locale avec une stratégie « multi-pronged » axée sur la collaboration, l’accessibilité et la personnalisation. Son approche s’appuie sur la compréhension culturelle et le développement durable des solutions — notamment via Fitbit et les écosystèmes wellness urbains.

    • Philips Healthcare, GE Healthcare et Siemens Healthineers investissent massivement dans l’imagerie, les soins à distance et la R&D locale. Siemens, en particulier, renforce ses capacités de diagnostic avancé et d’analyse des données de patients. Du côté des acteurs numériques, Amazon Clinic et Microsoft explorent des modèles B2B basés sur le cloud : les infrastructures AWS, Azure et Google Cloud constituent aujourd’hui l’épine dorsale des hôpitaux numériques indiens.
    • Enfin, Roche et Apple Health participent à la convergence entre diagnostic, données et bien-être. Roche déploie sa plateforme Navify, intégrant IA et Lean Six Sigma pour optimiser les parcours de soins ; Apple mise sur les wearables connectés et des partenariats avec assureurs pour développer des modèles de prévention personnalisés.

    Un écosystème ouvert et internationalisé

    L’écosystème indien ne se limite plus à son territoire. De nombreuses entreprises étrangères spécialisées — bioMérieux, Vygon, Peters Surgical, Air Liquide Medical Systems ou encore NatéoSanté — participent à la structuration de l’offre locale en dispositifs médicaux et en solutions numériques. Des partenariats public-privé se multiplient, notamment autour de la World Economic Forum Healthcare Coalition India, soutenant des projets comme celui d’Apollo Hospitals dans l’État du Meghalaya pour la prise en charge du cancer. Ces collaborations internationales permettent à l’Inde de bénéficier d’un transfert de compétences et de technologies tout en consolidant son positionnement comme hub régional de l’innovation médicale.

    Un marché dynamique mais encore fragmenté

    Malgré ses avancées spectaculaires, la santé numérique indienne fait face à plusieurs défis. La fragmentation du système de soins, la variabilité des standards de données et les inégalités d’accès au numérique entre États fédérés freinent encore l’interopérabilité complète.
    L’ABDM constitue une réponse structurante, mais sa réussite dépendra de la capacité à unifier les données de santé publiques et privées tout en garantissant la confidentialité. L’adoption rapide des outils numériques par les hôpitaux et les patients, conjuguée à l’arrivée de nouveaux acteurs internationaux, pourrait cependant accélérer cette convergence.

    @Healt & Tech Intelligence

  • Inde : un marché du numérique en santé prometteur, mais sous haute conformité

    Un cadre juridique encore en construction pour le numérique en santé

    Une gouvernance éclatée mais cohérente :

    L’Inde ne possède pas un « Code de la santé publique » unique comme en France. Elle s’appuie sur un empilement cohérent de lois, politiques publiques et lignes directrices, orchestré par le Ministry of Health and Family Welfare (MoHFW) et plusieurs agences. Pour le numérique en santé, le pilote est la National Health Authority (NHA), qui met en œuvre l’Ayushman Bharat Digital Mission (ABDM), qui est la colonne vertébrale du système, des registres de professionnels et d’établissements, couplée au Health Information Exchange & Consent Manager (HIE-CM) qui permet d’organiser le partage des dossiers médicaux par consentement explicite.

    Un cadre juridique structuré autour de la donnée :

    Côté protection des données, l’Inde s’est dotée en août 2023 du Digital Personal Data Protection Act (DPDPA), une loi-cadre horizontale qui encadre tout traitement de données personnelles numériques. Elle impose un consentement explicite, consacre les droits d’accès, de correction et d’effacement, et prévoit une notification obligatoire des violations à l’autorité compétente, le Data Protection Board of India (DPB). Les règles d’application, attendues pour cette fin d’année 2025, préciseront les délais de notification et les mécanismes de conformité.

    Dans le domaine de la santé, ce socle est complété par la Health Data Management Policy (HDMP), rattachée à l’ABDM. Cette politique formalise la gouvernance du consentement via le HIE-CM et définit les exigences d’interopérabilité et de sécurité imposées aux acteurs participants. L’intégration à ABDM suppose des logiciels conformes, testés dans la “sandbox” de la NHA et enregistrés dans les registres nationaux des établissements et professionnels.

    Plusieurs régulations déjà bien ancrées

    Les Telemedicine Practice Guidelines, référence depuis 2020 :

    La pratique de la télémédecine repose sur les Telemedicine Practice Guidelines (TPG), publiées en mars 2020 et annexées au code déontologique des médecins. Elles imposent l’identification du praticien, le recueil du consentement – implicite si le patient initie la consultation, explicite dans le cas contraire -, la tenue du dossier et les limites de prescription. Ces lignes directrices demeurent la référence opérationnelle pour toute consultation à distance.

    Le rôle central de la CDSCO :

    Tout ce qui relève du dispositif médical, y compris les logiciels à finalité médicale (Software as a Medical Device, SaMD), dépend de la Central Drugs Standard Control Organisation (CDSCO). Le cadre applicable est celui des Medical Device Rules (MDR) de 2017, qui classent les produits de A à D selon le risque et prévoient des procédures d’enregistrement ou de licence via le portail national indien.

    Un marché indien ouvert mais exigeant

    Qualifier le produit avant toute démarche :

    Pour ce qui est de l’accès au marché indien du numérique en santé, plusieurs étapes doivent être franchies. La première d’entre elles n’est pas juridique, puisque le produit doit être défini en fonction de son utilité pour voir quelle réglementation va s’appliquer. Un outil de bien-être ne sera pas régulé comme un logiciel d’aide au diagnostic ou de télésurveillance. Dès qu’une finalité médicale est revendiquée, le produit entre dans le périmètre du MDR de 2017. Il faut alors identifier la classe (A à D), constituer un dossier technique et qualité, et obtenir la licence avant toute commercialisation.

    La certification CE ne suffit pas :

    Premier obstacle pour les Français : la marque CE, même si elle reste un atout de crédibilité, ne dispense pas des démarches indiennes. Les entreprises doivent désigner un “représentant local agréé” (Authorized Indian Agent), déposer une demande MD-14 via le portail officiel et obtenir la licence d’import MD-15 avant distribution. Les pièces attendues incluent le dossier technique, les certificats ISO 13485 (qui est le référentiel international de qualité propre aux dispositifs médicaux) et, le cas échéant, le certificat de libre vente délivré en Europe.

    En plus de cela, les entreprises proposant des services de téléconsultation doivent se conformer aux Telemedicine Practice Guidelines, notamment en ce qui concerne la traçabilité, le consentement, l’identification du praticien et la conservation des enregistrements.

    Un double alignement sur la donnée :

    L’entrée sur le marché implique également un double alignement réglementaire. D’un côté, la conformité au Digital Personal Data Protection Act pour la gestion des données personnelles (information, consentement, sécurité, notification au DPB). De l’autre, le respect des exigences sectorielles de l’Ayushman Bharat Digital Mission : interopérabilité, audits de sécurité et usage encadré de la sandbox, qui est l’environnement de test réglementé permettant de valider la conformité technique avant intégration à l’écosystème ABDM). Les entreprises qui visent des cas d’usage « ABDM-natifs » doivent intégrer dès la conception la logique HIE-CM et les standards FHIR ou SNOMED.

    Une ouverture industrielle favorable :

    Sur le plan économique, l’Inde autorise jusqu’à 100 % d’investissement direct étranger (FDI) en voie automatique dans la fabrication de dispositifs médicaux. Cette libéralisation facilite la création de co-entreprises, d’usines locales ou de filiales à capitaux étrangers, indépendamment du régime pharmaceutique plus contraignant

    Parcours d'entrée sur le marché du numérique en santé en Inde - @H&TI
    Parcours d’entrée sur le marché du numérique en santé en Inde – @H&TI

  • 23 solutions d’IA qui changent la qualité et la sécurité des soins

    37 % des solutions ciblent la sécurisation du médicament

    Sur les 23 solutions étudiées, 9 adressent directement la pharmacie clinique, le médicament et la sécurisation du circuit thérapeutique, faisant de ce domaine le premier d’adoption de l’IA. DrugCam (Eurekam), largement implantée dans des CHU Nice, CHU Versailles, CHU de Douai ainsi que dans des cliniques privées dont le réseau Elsan. Grâce à la vision par ordinateur et à l’analyse vidéo en temps réel, la solution contrôle la préparation des traitements anticancéreux, réduit les erreurs, améliore la traçabilité et limite les déchets de production. Pour limiter les risques d’incompatibilités physico-chimiques entre médicaments, Drugoptimal met à disposition des soignants une base scientifique de plus de 30 000 données. Ses outils utilisés dans CHU de Nantes, CHU de Grenoble Alpes, fournissent des recommandations adaptées aux situations cliniques, évitant jusqu’à 26 % des complications médicamenteuses et générant de potentielles économies estimées en milliards pour les systèmes de santé ConcillA, développée et déployée au CHU de Reims, illustre une montée en maturité de l’IA clinique en pharmacie. Son algorithme identifie les patients hospitalisés les plus à risque d’erreurs médicamenteuses et orienter l’activité des pharmaciens, améliorant la sécurité du parcours de soin.

    Infectiovigilance : l’IA permet 50 % de temps gagné et 30 % d’IAS en moins (infections associées aux soins).

    Un quart des solutions analysées (25 %) concerne la prévention, la surveillance et la détection des infections associées aux soins . La tendance est claire : l’IA permet de passer d’une analyse rétrospective à une vigilance prédictive et en temps réel. Nosokos (Nosotech), solution Québécoise déployée en France dont au Centre Hospitalier de Roubaix et en Belgique. Associe machine learning, interopérabilité sémantique et cartographie épidémique pour détecter les signaux faibles d’infections nosocomiales, générer des alertes, automatiser les rapports réglementaires et suivre la conformité aux protocoles d’hygiène.

    Les établissements utilisateurs constatent :

    • 50 % de temps gagné sur la collecte et la transmission des données
    • 30 % de réduction de l’incidence des IAS grâce aux alertes précoces
    • 40 % de productivité en plus pour les équipes de prévention.

    Également dédiée à la surveillance hospitalière, ZINC (Lumed) surveille plus de 20 infections nosocomiales en temps réel, en s’appuyant sur les résultats d’antibiogrammes pour détecter rapidement les pathogènes multirésistants. Déployée à CHRU Nancy, la plateforme accélère les actions de contrôle des infections. Plus orientée terrain patient-soignant, DeepCath (ICUREsearch), déjà utilisée au CHRU de Reims et au CH Pays de la Loire, analyse via IA les images de points d’insertion de cathéters pour détecter précocement les signes d’infection. Son usage permet d’anticiper les complications et de renforcer la surveillance, y compris à domicile.

    29 % des solutions améliorent la qualité documentaire, la conformité et la donnée, clé de la certification

    Près d’une solution sur trois (29 %) agit sur la qualité documentaire, la conformité réglementaire et la fiabilité de la donnée, des enjeux devenus critiques pour la certification et la performance des établissements. Déployée au CHU de Brest, Illuin Search utilise le NLP pour donner un accès immédiat à la bonne procédure qualité dans les référentiels internes. Les retours d’usage s’avèrent significatifs : plus de 9 réponses sur 10 sont correctes, auprès de 7 000 utilisateurs. Coté documents médicaux, QualiLDS (Kaduceo), déjà en place à l’Institut Pasteur ainsi que dans trois hôpitaux (Draguignan, Maubeuge, Créteil), automatise la vérification des lettres de sortie selon les critères HAS. L’outil identifie les erreurs, les documente et améliore les scores IQSS, contribuant à la continuité ville-hôpital. Sur la documentation réglementaire, Yseop Copilot automatise la génération de rapports médicaux et réglementaires, réduisant le temps de rédaction et les erreurs humaines.

    Pilotage qualité et gestion des risques : vers une gouvernance augmentée

    21 % des solutions accompagnent la transformation organisationnelle des établissements et l’augmentation de la performance qualité.

    Qualineo met à disposition deux briques complémentaires :

    • Une solution d’analyse des EIGS, qui identifie les causes racines via des outils d’analyse avancés (arbre des causes, Ishikawa) et propose des plans d’amélioration ;
    • Des modèles prédictifs de gestion des risques pour aider les responsables qualité à anticiper les situations critiques.

    Au service de la performance opérationnelle, MoveWork Flow unifie la gestion des services de facility management en s’appuyant sur l’IA, l’IoT et la data. Déjà utilisée dans plusieurs établissements notamment au CHU de Montpellier et au CH Paul Coste Floret, la plateforme améliore la qualité des services supports, automatisant les processus et accélérant la prise de décision.

    Medana (Anamnese) fait partie des solutions les plus déployées en France, présente au CHU de Bordeaux, Montpellier, aux Hospices Civils de Lyon (HCL) et au GH Paris Saint-Joseph. Elle optimise le tri, l’orientation, l’analyse des facteurs de risque, enrichit le dossier patient et facilite le suivi post-hospitalisation. L’impact se traduit par une réduction des ruptures de parcours, un gain de temps médical et une amélioration de la sécurité des processus de soins.

     

  • L’intelligence artificielle, nouvel instrument de la qualité et de la sécurité des soins

    En France, près d’un patient hospitalisé sur dix subit un événement indésirable. L’intelligence artificielle s’impose désormais comme un levier stratégique pour transformer la prévention, la conformité et le pilotage de la qualité des soins, de l’hygiène à la gestion des risques en passant par la traçabilité réglementaire.

    Sécurité des soins : l’IA au service de la détection, de la prédiction et de la prévention des événements indésirables

    Les établissements hospitaliers placent la sécurité des patients au cœur de leurs priorités. L’intelligence artificielle y joue un rôle croissant, capable d’identifier les signaux faibles annonciateurs d’incidents et d’accompagner les équipes dans une gestion proactive des risques.

    Une étude menée à l’Université Paris 13 (Saab, 2022) a démontré le potentiel de l’apprentissage automatique pour la prédiction et la détection des événements indésirables cliniques, avec des modèles capables d’anticiper la dégradation clinique des patients et de réduire la réadmission hospitalière à 30 jours. Ces recherches ont inspiré le développement de solutions d’aide à la décision clinique combinant règles de décision et modèles d’apprentissage supervisé, pour identifier les patients à haut risque de détérioration et recommander des interventions adaptées.

    Cette approche est prolongée dans plusieurs hôpitaux pilotes, où les outils d’IA s’intègrent désormais dans les workflows hospitaliers. Le Centre hospitalier Jacques-Cœur de Bourges a par exemple mis en place une solution fondée sur l’intelligence artificielle pour automatiser la gestion des plaintes et des événements indésirables, tout en garantissant transparence, éthique et traçabilité. Les plateformes Qualineo et MoveWORK Healthcare y occupent une place centrale : ces outils de pilotage qualité utilisent des copilotes IA pour catégoriser automatiquement les incidents, recommander des actions correctives et accélérer les déclarations réglementaires.

    L’approche est renforcée par le module SESAME d’Atout Majeur Concept, qui digitalise la déclaration, le suivi et la traçabilité des événements indésirables au sein d’un même environnement collaboratif, avec un moteur d’analyse Power BI intégré. Ces outils informatisés, de plus en plus répandus dans les CHU et GHT, permettent une traçabilité complète, une hiérarchisation par gravité et un suivi temps réel des plans d’action, plaçant la sécurité patient au centre de la performance hospitalière.

    Surveillance hygiénique : de la détection des infections nosocomiales à la prévention prédictive

    Les infections nosocomiales représentent encore une cause majeure de morbidité hospitalière. Face à ce défi, les établissements français mobilisent l’IA pour détecter précocement les risques infectieux et automatiser les contrôles d’hygiène.

    À l’hôpital Henri-Mondor (AP-HP), la solution MoveWORK Flow exploite l’intelligence artificielle et l’Internet des objets (IoT) pour surveiller les données hospitalières et identifier les situations à risque de contamination croisée. En analysant en continu les flux de nettoyage, la désinfection et les déplacements, la plateforme déclenche des alertes ciblées, optimisant ainsi la priorisation des interventions d’hygiène et la sécurité des patients.

    Cette approche prédictive est complétée par des outils de surveillance automatisée des conditions d’hygiène : capteurs et caméras intelligentes détectent les écarts aux protocoles (non-port du masque, désinfection insuffisante, contaminants environnementaux), contribuant à instaurer une culture d’hygiène renforcée.

    L’usage de l’IA ne se limite pas aux infrastructures : la solution DeepCath d’ICUREsearch illustre l’apport du deep learning à la surveillance des infections liées aux cathéters. Grâce à une application mobile, les soignants et patients photographient le point d’insertion, et l’algorithme évalue en temps réel les signes d’infection (rougeur, exsudat, œdème). Le modèle, entraîné sur une base validée par des infectiologues, calcule un score de risque prédictif et génère des alertes immédiates, renforçant la prévention des complications liées au cathétérisme.

    Enfin, plusieurs hôpitaux expérimentent des modèles d’optimisation hospitalière intégrant la prévention prédictive des risques infectieux, combinant IA et gestion logistique pour anticiper les pics d’infection et adapter la disponibilité des lits ou des urgences. Ces dispositifs traduisent une transformation profonde : la surveillance hygiénique devient un processus intelligent, automatisé et prédictif.

    Conformité et traçabilité : l’IA, garante d’une qualité réglementaire maîtrisée

    Au-delà de la sécurité clinique, l’IA soutient la conformité réglementaire des établissements de santé, enjeu majeur pour la qualité globale des soins.

    Les solutions Empower (Blue Soft Group) et Witik s’imposent comme références pour la traçabilité documentaire, la conformité RGPD et IA Act, ou encore la cartographie automatisée des systèmes d’intelligence artificielle. Elles accompagnent les établissements dans la mise en conformité avec les réglementations européennes, tout en assurant la sécurisation des données sensibles.

    Le logiciel Qualineo intègre lui aussi un module de conformité qualité et hygiène, capable de suivre en temps réel les protocoles et d’automatiser les rapports réglementaires. En parallèle, plusieurs plateformes d’IA générative émergent dans ce domaine : IMO Clinical AI, Yseop Copilot et la Data Space Platform (Iomed) explorent l’intégration hospitalière intelligente, la rédaction automatisée de documents réglementaires et la standardisation des données cliniques. Ces solutions facilitent la documentation médicale, soutiennent la recherche clinique et réduisent le temps consacré à la conformité.

    Enfin, des outils tels que App Use & Share renforcent l’interopérabilité des données de santé grâce à l’alignement sémantique automatique entre systèmes hétérogènes. En harmonisant les vocabulaires locaux sur des référentiels internationaux, ils garantissent la cohérence et la qualité des données utilisées à des fins de pilotage ou de reporting réglementaire.

    Ces innovations traduisent un changement de paradigme : la conformité n’est plus une contrainte, mais un levier de performance et de qualité globale, grâce à la puissance analytique de l’IA.

    Qualité opérationnelle : recherche documentaire, analyse et automatisation des processus

    L’amélioration continue de la qualité des soins repose aussi sur une gestion documentaire fluide et un accès rapide à l’information. C’est tout l’enjeu du cas d’usage du CHU de Brest, où les solutions Illuin Search et Qualineo permettent aux professionnels d’accéder instantanément aux procédures qualité internes par simple requête textuelle. Grâce au traitement automatique du langage naturel (NLP), le moteur recherche dans les bases documentaires internes et fournit des réponses précises dans plus de 90 % des cas.

    Cette intelligence documentaire s’inscrit dans une logique d’excellence opérationnelle, où les responsables qualité peuvent également anticiper les risques organisationnels via des modèles prédictifs, planifier des actions d’amélioration et suivre leur impact dans le temps.

    Parallèlement, les établissements déploient des outils d’IA pour la classification automatique des réhospitalisations liées à des événements indésirables, identifiant les retours évitables et les causes racines. Ces approches, validées par les travaux de Saab et al. (2020), offrent une mesure plus fine du préjudice nosocomial et soutiennent la planification de stratégies préventives ciblées.

    Dans le domaine du bloc opératoire, la société Aprogsys a développé un système multi-agents d’alerte intelligente. Ce dispositif surveille en temps réel les conditions de sécurité au bloc et émet des alertes en cas de risque, contribuant à la réduction des événements indésirables opératoires.

    Enfin, des outils comme MoveWORK Flow et Qualineo Copilot participent à l’automatisation des tâches à faible valeur ajoutée, libérant du temps pour les soignants et renforçant la fiabilité des procédures qualité. L’intelligence artificielle devient ainsi un pilier de la performance organisationnelle, soutenant les démarches d’accréditation et de certification qualité.

    Ressources humaines et qualité de vie au travail : une IA au service des équipes

    La qualité des soins ne peut être dissociée de la qualité de vie au travail. Le CHU d’Angers l’a bien compris en développant un outil d’analyse juridique automatisée basé sur la plateforme Doctrine Flow et des modèles internes de traitement des données RH. Ces outils exploitent l’intelligence artificielle pour analyser la jurisprudence, rédiger automatiquement des résumés de dossiers et générer des circuits administratifs intelligents (suivi des absences, départs, recrutements).

    L’objectif : sécuriser les réponses juridiques, réduire la charge administrative et fiabiliser la gestion des agents. Des modules de chatbot RH et de tableaux de bord automatisés complètent ce dispositif, illustrant une IA tournée vers la simplification et la conformité, mais aussi vers la prévention des risques psychosociaux et la qualité de vie des professionnels.

     

  • Du signalement à la prévention : comment la donnée réinvente la sécurité des soins

    📌Accroissement des événements graves : la HAS intensifie la lutte contre les risques liés au personnel et au numérique

    En 2024, la Haute Autorité de Santé a enregistré 4 630 événements indésirables graves associés aux soins, en augmentation de 13 % par rapport à l’année précédente. Les failles liées au personnel non permanent ont généré 512 incidents, tandis que les vulnérabilités numériques constituent une priorité croissante. Malgré une évolution vers une meilleure culture de signalement, la sous-déclaration persiste, limitant la portée épidémiologique des données. Si trois Français sur quatre font confiance au système de santé, seuls 32 % jugent la qualité identique quels que soient le revenu ou le territoire.

    👉 Plus de détails sur «Qualité des soins : la HAS consolide son plan d’action autour des EIGS – Health & tech».

    📌L’intelligence artificielle élève le niveau de sécurité des soins : 90 % de sensibilité dans la détection des événements indésirables et erreurs médicamenteuses

    Selon 24 études internationales, les algorithmes d’IA affichent une sensibilité moyenne de 90 %, et même jusqu’à 99,6 % pour la détection en temps réel des erreurs médicamenteuses, marquant une avancée majeure en oncologie et pharmacovigilance. La télésurveillance assistée par IA augmente l’adhésion des patients (83,3 %) et améliore la survie à 24 mois (71,1 %) dans le cancer thoracique avancé. Les performances des modèles IA surpassent souvent les méthodes traditionnelles, mais leur intégration clinique nécessite validation multicentrique, contrôle éthique et supervision humaine pour encadrer les risques de biais et d’automatisation. La structuration des données et une réglementation adaptée sont essentielles pour pérenniser ces innovations en routine et garantir une sécurité renforcée des soins.

    👉 Plus de détails sur «L’IA comme levier dans la détection et la gestion des événements indésirables et erreurs médicamenteuses (revue de la littérature) – Health & tech».

    📌L’intelligence artificielle placée sous contrôle : nouveaux critères HAS pour des soins plus sûrs et transparents

    La Haute Autorité de Santé inscrit pour la première fois deux critères dédiés à l’encadrement de l’intelligence artificielle dans son référentiel de certification 2025, imposant aux établissements de santé de piloter, évaluer et former autour des outils numériques innovants. Le critère 3.4-05 impose une gouvernance rigoureuse des dispositifs médicaux intégrant l’IA, incluant inventaire actualisé, analyse des risques, contrôle qualité continu et obligation de transparence envers les patients. Le critère 3.4-06 encadre aussi les usages sans finalité médicale, exigeant évaluation d’impact, supervision des résultats et formation des utilisateurs. Ce nouveau cadre place la maîtrise du risque numérique et la traçabilité des décisions au cœur de la qualité des soins, tout en posant les bases d’une culture de vigilance et de confiance autour de l’innovation technologique en santé.

    👉 Plus de détails sur «Qualité des soins : l’IA devient un axe structurant dans le dernier référentiel de la HAS – Health & tech».

    📌🗺️Transformation numérique hospitalière : la qualité des soins pilotée par une gouvernance multi-acteurs

    La qualité des soins hospitaliers dépend aujourd’hui d’une gouvernance intégrée associant la Haute Autorité de Santé, les Agences Régionales de Santé, les directions hospitalières et les industriels du numérique, chacun assurant des missions complémentaires. L’essor des outils numériques et de l’intelligence artificielle renforce l’efficacité organisationnelle, permet une mesure objective des résultats cliniques et optimise les parcours de soins à l’échelle des territoires. Les Structures Régionales d’Appui jouent un rôle clé pour adapter et superviser la mise en œuvre locale des politiques qualité, tandis que l’exploitation des données s’impose comme levier stratégique d’innovation. Une coordination renforcée, la formation des professionnels et la sécurisation des systèmes sont indispensables pour garantir performance, confiance et protection de la confidentialité des soins.

    👉 Plus de détails sur «Qualité des soins : la HAS, les ARS et la transformation numérique hospitalière – Health & tech».

    📌🗺️L’intelligence artificielle : nouvel atout pour la performance et la sécurité hospitalières

    L’intelligence artificielle transforme désormais la qualité et la sécurité des soins en France, avec près d’un patient hospitalisé sur dix victime d’un événement indésirable. Les solutions d’IA déployées dans les établissements, du pilotage qualité à la surveillance hygiénique, permettent de prédire les incidents, d’accélérer la traçabilité et d’optimiser la conformité réglementaire. Des plateformes comme Qualineo, MoveWORK et DeepCath automatisent la gestion des risques et la détection précoce des infections nosocomiales, tandis que les outils d’IA documentaire facilitent l’accès aux procédures internes et l’amélioration continue. Enfin, l’intelligence artificielle soutient aussi la qualité de vie au travail en simplifiant la gestion administrative et la prévention des risques liés aux ressources humaines.

    👉 Plus de détails sur «L’intelligence artificielle, nouvel instrument de la qualité et de la sécurité des soins – Health & tech».

    📌🗺️23 solutions d’intelligence artificielle : vers une sécurité et une qualité des soins optimisées en France

    Près de 70 % des 23 solutions d’IA dédiées à la qualité et à la sécurité des soins sont déjà opérationnelles en France, dont un tiers dans le secteur privé et près de la moitié développées localement. La sécurisation du circuit du médicament représente le premier domaine d’adoption, avec 37 % des innovations comme DrugCam ou Drugoptimal, capables de réduire jusqu’à 26 % des complications et d’optimiser la traçabilité. La prévention des infections par des plateformes comme Nosokos et ZINC apporte 50 % de gain de temps, 30 % de baisse des IAS et 40 % de productivité supplémentaire dans les équipes de prévention. Ces solutions accélèrent aussi l’accès aux procédures qualité, automatisent la conformité documentaire et permettent un pilotage organisationnel prédictif, traduisant une accélération de la transformation numérique hospitalière.

    👉 Plus de détails sur «23 solutions d’IA qui changent la qualité et la sécurité des soins – Health & tech».

    Visuel de synthèse IA et qualité des soins @HTI

  • 92,9 millions levés au T3, 2ème plus bas niveau en 5 ans

    92,9 millions d’euros levés par 14 entreprises au troisième trimestre 2025

    Cela fait du troisième trimestre un des plus faibles depuis 5 ans, autant en termes de montants levés que d’opérations. On remarque également le montant moyen levé pour l’année 2025 est actuellement à 393 millions contre 606 millions à la même période l’année précédente. Cette situation amène deux hypothèses, soit les entreprises françaises de santé numérique auraient moins besoin de fonds cette année que les précédentes, soit il leur est plus difficile de lever des fonds. Au vu du rythme des innovations du marché et de la concurrence, la seconde option est la plus probable. La moyenne du montant levé par entreprise est de 6.6 millions, cela cache de fortes disparités, la médiane étant, elle, de 3,1 millions d’euros.

    L’IA : nettement majoritaire mais pas monopolistique

    Si l’IA dépasse les deux tiers des montants levées, il reste une part non négligeable pour d’autres technologies. On peut notamment évoquer RDS et son produit MultiSense, un dispositif de télésurveillance médicale de classe IIa, marqué CE, qui permet de surveiller différentes variables physiologiques clés des patients comme la saturation en oxygène ou la fréquence cardiaque et respiratoire. Ou la solution de Rofim, une plateforme de télémédecine développée pour faciliter la collaboration entre professionnels de santé, qu’ils exercent à l’hôpital ou en ville. Elle regroupe plusieurs modules comme la téléexpertise, le partage d’imagerie médicale et de dossiers patients.

    44% des fonds pour l’oncologie, les Femtechs toujours présentes

    Domaine thérapeutique présent pour le troisième trimestre consécutif, l’oncologie occupe ce trimestre la première place avec 40,5 millions levés, 24 millions par Median Technologies, 15 millions par One Bioscience et 1.5 millions par VitaDx. Median technologies développe Eyonis LCS, qui permet le dépistage précoce du cancer du poumon via son logiciel d’imagerie médicale assistée par intelligence artificielle. Median Technologies ne commercialise pas encore ses logiciels en France, dans l’attente du marquage CE qui devrait advenir début 2026. One Biosciences, spin-off de l’Institut Curie, utilise le séquençage en cellule unique combinée à l’intelligence artificielle pour adapter le traitement anti-cancer de chaque patient. VitaDx combine l’imagerie médicale, en particulier la fluorescence, et l’intelligence artificielle, pour analyser des cellules issues d’échantillons urinaires. Sa solution phare, VisioCyt® Bladder, détecte le cancer de la vessie (sensibilité 80,9% spécificité à 75%) via un échantillon d’urine, permettant un test non-invasif et reproductible, marqué CE IVDR.

     

  • Levée de fonds et santé numérique : un troisième trimestre 2025 en net repli

     

    📌Levées de fonds en santé numérique : un T3 2025 au plus bas depuis cinq ans avec seulement 92,9 M€ récoltés

    cet baisse du troisième trimestre porte les montants levés à 393 millions en 2025 contre 606 millions à la même période l’an dernier.  Quatorze opérations ont été enregistrées, pour une moyenne de 6,6 millions d’euros mais une médiane de 3,1 millions. L’intelligence artificielle concentre plus des deux tiers des montants levés, mais l’oncologie reste le domaine leader avec 44 % des fonds, dont 40,5 millions distribués principalement à Median Technologies, One Biosciences et VitaDx.

    👉 Plus de détails sur « 92,9 millions levés au T3, 2ème plus bas niveau en 5 ans – Health & tech ».

     

    📌T3 2025 : seules Median Technologies et Rofim lèvent plus de 10 M€

    Le troisième trimestre 2025 marque un net recul pour les startups françaises du numérique en santé, avec seulement 92,9 millions d’euros levés, soit trois fois moins qu’à la même période en 2024 (260 M€) et une baisse de plus de 60 % par rapport au montant exceptionnel soulevé grâce à Alan l’an dernier. Si Median Technologies est la seule à franchir le seuil des 20 millions, la plupart des opérations (8 sur 14) n’ont pas dépassé les 5 millions d’euros, aucun financement inférieur au million n’a été enregistré et la majorité des investisseurs se sont montrés prudents durant l’été. Malgré ce repli, le niveau des levées reste supérieur à celui de 2023 et illustre une adaptation du marché, moins soutenu, mais toujours dynamique sur certains créneaux.

    👉 Plus de détails sur «Levées de fonds : avec 92,9M € levés pour les entreprises du numérique en santé françaises, le T3 2025 fait presque trois fois moins bien que le T3 2024 – Health & tech ».

     

    📌Cinq entreprises en développement font l’actualité​

    En 2025, cinq sociétés françaises — Median Technologies, Diabeloop, VitaDX, GeodAIsics–Horiba et Weda–Nabla — illustrent l’accélération de la structuration du secteur de la santé numérique, portée par des levées de fonds majeures et la conquête de jalons réglementaires essentiels. Median Technologies vise un marché potentiel de plus de 10 milliards de dollars aux États-Unis pour le dépistage du cancer du poumon, Diabeloop équipe désormais plus de 12 000 patients européens en solutions automatisées, tandis que VitaDX consolide son avancée dans la surveillance non invasive des tumeurs de vessie avec l’appui de la Haute Autorité de Santé. Les alliances stratégiques, comme le partenariat GeodAIsics-Horiba pour le diagnostic intelligent et celui entre Weda et Nabla pour l’automatisation médicale, révèlent une dynamique forte, où l’IA et l’innovation sont au cœur des trajectoires, du financement à l’intégration clinique.

    👉 Plus de détails sur « 5 entreprises innovantes à l’assaut du marché (chiffres-clés, levées de fonds et stratégies) – Health & tech».

     

    📌Santé numérique : deux modèles européens, entre industrialisation britannique et structuration française

    En 2025, le marché européen de la healthtech dessine deux trajectoires opposées : au Royaume-Uni, la majorité des fonds se concentre sur un petit groupe d’entreprises de taille industrielle, spécialisées dans l’IA et la robotique médicale, tandis que la France favorise la diversité sectorielle et la valorisation de la recherche académique à travers ses spin-offs. Outre-Manche, la polarisation du capital facilite l’émergence rapide d’acteurs mondiaux, alors que l’écosystème français se distingue par la fragmentation de ses levées et un maillage territorial dense. Les deux pays convergent tout de même sur des objectifs stratégiques : accélérer l’usage des données de santé et l’intégration de l’intelligence artificielle dans le système de soins, en faisant de la santé digitale une infrastructure essentielle

    👉 Plus de détails sur « Healthtech européenne : 2025 marque un écart de financement de 4,5 pour 1 entre le Royaume-Uni et la France – Health & tech».

     

    📌Santé numérique : Healthy Mind accélère au Royaume-Uni, Norgine étoffe son offre et Cegedim restructure

    Le troisième trimestre 2025 a été marqué par des mouvements majeurs dans la santé numérique : Healthy Mind a franchi une étape stratégique en s’implantant au Royaume-Uni par l’acquisition de Rescape Innovation, étoffant désormais la bibliothèque immersive la plus riche du marché avec plus de 200 environnements virtuels destinés à la gestion de la douleur et du stress. Norgine a finalisé le rachat de Theravia, renforçant sa présence dans les maladies rares grâce à une intégration structurée sur plusieurs marchés. Pendant ce temps, Cegedim réorganise sa branche logicielle pharmacie, supprime une centaine de postes et mise sur ses autres segments pour soutenir sa croissance, dans un contexte de performances globales en demi-teinte. Le secteur illustre ainsi sa capacité d’adaptation, à la fois par l’innovation, la consolidation et la gestion des équilibres sociaux.

    👉 Plus de détails sur «T3 2025 : Acquisitions pour Healthy Mind et Norgine, restructuration chez Cegedim – Health & tech ».

    Visuel de synthèse levées de fonds T3 @HTI

  • Maladies infectieuses : la majorité des 21 cas d’usage de l’IA en France ne sont pas encore matures

    L’intelligence artificielle s’installe progressivement dans la lutte contre les maladies infectieuses

    La France compte aujourd’hui treize cas d’usage identifiés de l’intelligence artificielle appliquée aux maladies infectieuses. Leur maturité est contrastée : certains sont encore confinés à la recherche, d’autres en phase pilote, tandis que plusieurs ont déjà trouvé leur place dans les laboratoires hospitaliers et les dispositifs de veille épidémiologique. Cette diversité reflète une dynamique d’innovation rapide, où l’IA devient un levier central de compréhension, de prédiction et de réponse face aux menaces infectieuses.

    La recherche, moteur d’exploration des agents pathogènes :

    Quatre cas d’usage demeurent encore au stade académique, mais ouvrent des perspectives majeures pour la compréhension et la maîtrise des agents infectieux. Des équipes de recherche travaillent à l’analyse de la virulence des mycobactéries pathogènes, afin d’identifier les mutations associées aux formes graves de tuberculose et d’améliorer les futures stratégies vaccinales. D’autres programmes mobilisent l’IA pour la surveillance automatisée des variants viraux, permettant d’analyser des milliers de séquences génétiques en temps réel et de détecter précocement l’apparition de mutations à risque.

    Les chercheurs français explorent également l’usage de l’IA pour la modélisation des dynamiques épidémiques et la simulation des campagnes vaccinales, prolongeant les travaux initiés pendant la pandémie de Covid-19. Ces modèles permettent d’anticiper l’impact de nouvelles vagues infectieuses, de tester virtuellement différentes stratégies de vaccination et d’optimiser l’allocation des ressources sanitaires.

    Enfin, l’intelligence artificielle est mise à contribution pour la découverte de nouvelles classes d’antibiotiques, en criblant virtuellement des millions de molécules afin d’identifier celles présentant une activité antibactérienne inédite. Ces recherches, encore confinées aux laboratoires, esquissent les contours d’une infectiologie prédictive et data-driven.

    Des expérimentations cliniques et hospitalières en plein essor :

    Un second ensemble de dix cas d’usage est aujourd’hui en phase pilote, traduisant la montée en puissance des essais cliniques et des déploiements hospitaliers. Les travaux les plus avancés concernent la prédiction du risque de sepsis, où des modèles exploitent les données biologiques et physiologiques pour anticiper la dégradation des patients et adapter plus tôt la prise en charge. Dans les services de microbiologie hospitalière, plusieurs projets visent à accélérer l’identification des infections nosocomiales et à optimiser le tri des échantillons, réduisant les délais de diagnostic et améliorant la réactivité des équipes d’hygiène. Des essais cliniques évaluent également des modèles de prédiction du risque d’infections post-opératoires, en intégrant les données chirurgicales et biologiques pour identifier les patients les plus à risque. D’autres explorent la détection des agents infectieux dans le placenta, afin de dépister plus précocement les infections périnatales et prévenir les complications néonatales.

    De nouvelles approches viennent enrichir ce champ d’expérimentation : le diagnostic génomique intelligent in vitro, mené par bioMérieux et Mila, cherche à améliorer la précision du diagnostic moléculaire grâce au deep learning appliqué au séquençage. En parallèle, la surveillance et détection précoce des infections liées aux cathéters repose sur des modèles de vision par ordinateur capables d’identifier visuellement les signes d’infection avant leur aggravation. La surveillance épidémiologique nationale augmentée par l’IA générative, expérimentée par Santé publique France et Mistral AI, introduit quant à elle une nouvelle capacité d’analyse automatisée des signaux sanitaires.

    Enfin, les chercheurs de l’Institut Pasteur testent une analyse cellulaire dynamique des infections virales par microscopie 3D couplée à l’intelligence artificielle, permettant d’observer en temps réel les interactions entre virus et cellules hôtes. Ces expérimentations marquent une étape charnière : celle du passage d’une IA d’observation à une IA de décision, capable d’accompagner les cliniciens et les chercheurs dans la gestion en temps réel des infections et la compréhension de leurs mécanismes biologiques.

    Des usages déjà intégrés dans les laboratoires et la veille sanitaire :

    Sept cas d’usage se distinguent aujourd’hui par leur caractère pleinement opérationnel et leur intégration dans le système de santé français. Les technologies d’intelligence artificielle sont désormais utilisées dans les laboratoires de microbiologie hospitalière pour automatiser la lecture et l’interprétation des cultures bactériennes, réduisant considérablement les délais d’analyse.

    Dans les hôpitaux, des modèles prédictifs de détection du risque de sepsis ou de complications infectieuses permettent d’alerter plusieurs heures avant les premiers signes cliniques, renforçant la sécurité des patients et la réactivité des équipes. L’aide au diagnostic radiologique des infections pulmonaires, grâce à des solutions de vision par ordinateur, automatise l’interprétation des images thoraciques et facilite le repérage de pneumonies virales ou bactériennes. De leur côté, les outils d’optimisation hospitalière et de prévention prédictive des risques infectieux utilisent l’analyse en temps réel des données pour anticiper les épisodes d’infection et mieux gérer les flux hospitaliers.

    À l’échelle populationnelle, l’IA soutient désormais la surveillance virologique et épidémiologique via la détection précoce des variants et la modélisation des épidémies saisonnières, mais aussi à travers des dispositifs de surveillance épidémiologique mondiale capables de prédire les foyers infectieux émergents à partir de données ouvertes. Enfin, l’auto-évaluation et le suivi post-infection virale, illustrés par les applications issues du COVID-19, offrent aux patients un accompagnement personnalisé fondé sur l’interprétation automatisée de leurs symptômes et tests. La recherche intégrative croisant données cliniques, biologiques et environnementales progresse également dans le cadre de projets européens et nationaux, favorisant une approche globale et connectée de la lutte contre les maladies infectieuses. Ces initiatives confirment que l’intelligence artificielle est désormais un instrument central du pilotage, du diagnostic et de la prévention des infections en France.

    L’intelligence artificielle à l’épreuve des grandes maladies infectieuses

    L’analyse des treize cas d’usage français révèle une couverture hétérogène selon les pathologies. Si certaines, comme le sepsis ou le Covid-19, disposent déjà d’usages intégrés ou cliniquement déployés, d’autres domaines restent confinés à la recherche. Cette répartition illustre la manière dont la maturité technologique de l’IA épouse la dynamique épidémiologique de chaque infection.

    Les infections nosocomiales en tête des usages d’IA en France :

    Les infections nosocomiales et bactéries multirésistantes demeurent au cœur des usages français de l’intelligence artificielle appliquée aux maladies infectieuses. Ces pathologies concentrent à elles seules le plus grand nombre de cas d’usage identifiés (6 cas d’usage), qu’il s’agisse de la surveillance hospitalière des infections associées aux soins, de la prédiction du risque post-opératoire, ou encore de la détection automatisée de la résistance aux antibiotiques. L’IA s’impose également comme un levier d’innovation thérapeutique, avec la découverte de nouvelles classes d’antibiotiques et la phagothérapie personnalisée, illustrant la vitalité de la recherche française face à l’antibiorésistance.

    Le sepsis constitue le second grand domaine d’expérimentation, porté par des modèles prédictifs déjà déployés dans plusieurs CHU et établissements pilotes. Ces solutions exploitent les données biologiques et physiologiques pour anticiper les décompensations infectieuses avant qu’elles ne conduisent à un choc septique, offrant un véritable outil d’aide à la décision clinique et de réactivité hospitalière.

    Enfin, les maladies respiratoires virales – notamment la grippe saisonnière et le Covid-19 – représentent le troisième pilier de l’IA infectieuse. L’essor des solutions de diagnostic radiologique automatisé, de surveillance épidémiologique nationale et mondiale, et d’outils d’auto-suivi post-infection traduit une intégration croissante de l’intelligence artificielle dans la santé publique. Le Covid-19 a d’ailleurs agi comme un accélérateur technologique majeur, favorisant la modélisation en temps réel des épidémies et la structuration d’une veille sanitaire augmentée. À l’inverse, les hépatites virales et les infections à méningocoque demeurent pour l’instant confinées aux laboratoires de recherche, signe que la maturité des usages d’IA reste contrastée selon les domaines infectieux.

    Cartographie des cas d’usage de l’IA pour les maladies infectieuses en France :

    Cas d'usage de l'IA pour les maladies infectieuses en France
    Cas d’usage de l’IA pour les maladies infectieuses en France – @ Health&Tech Intelligence

    Airtable des cas d’usage :

    <span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span>.