Biologie

  • États-Unis : le HHS attribue 1,5 M$ à deux projets d’IA agentique et de codage biologique

    Le 6 octobre 2026, le ministère américain de la Santé (HHS) a annoncé, par l’intermédiaire de son Office of the National Coordinator for Health Information Technology (ONC), deux subventions LEAP in Health IT d’un montant total de 1,5 M$, attribuées au MedStar Health Research Institute et au Regenstrief Institute.

    L’appel, ouvert le 16 juin et clos le 16 juillet, portait sur trois thèmes. L’ONC n’a reçu de candidatures que pour deux d’entre eux ; le troisième, la surveillance des interfaces de programmation (API) des dossiers patients, est resté sans candidat.

    IA agentique : un intergiciel open source chez MedStar

    Le MedStar Health Research Institute développe Sovereign Execution Bridge, un intergiciel open source qui orchestre des suivis cliniques complexes confiés à des agents d’IA. Les données restent dans des espaces contrôlés par le patient, fondés sur le protocole Solid. Chaque décision de routage de l’IA est consignée par des certificats cryptographiques qui rendent toute altération détectable.

    Biologie : Regenstrief outille les petits laboratoires

    Le Regenstrief Institute, qui développe et maintient la terminologie LOINC de codage des examens, accompagnera au moins trois petits laboratoires indépendants. La démarche suit cinq étapes : évaluation de la maturité, contrôle de la qualité des codes, correction ciblée, validation, puis pérennisation. Selon Steven Posnack, directeur adjoint principal de l’ONC, les données de laboratoire comptent parmi les plus échangées et les plus lourdes de conséquences cliniques.

    En France, le même standard

    En France, l’Agence du numérique en santé (ANS) requiert le codage LOINC pour produire les comptes rendus de biologie structurés du cadre d’interopérabilité (CI-SIS). Le Ségur du numérique a financé le transcodage des catalogues d’examens des laboratoires vers LOINC, préalable à l’envoi automatisé des résultats dans le dossier médical partagé et par messagerie sécurisée.

    La méthode de Regenstrief, centrée sur la qualité du codage dans les petites structures, intéresse directement les laboratoires et éditeurs français engagés dans le même chantier.

    Source : Office of the National Coordinator for Health Information Technology, communiqué LEAP in Health IT 2026 (6 octobre 2026, mis à jour le 7 octobre) – fiabilité : officielle ; ANS, Terminologie LOINC – fiabilité : officielle.

  • Pathologie numérique : Sectra opérationnel dans 4 hôpitaux de PACA, 4 autres d’ici 2027

    Le 17 septembre, Sectra AB a annoncé avoir mis en service son module de pathologie numérique dans quatre hôpitaux de la région Provence-Alpes-Côte d’Azur (PACA). Sont concernés l’Institut Paoli-Calmettes (IPC) et l’Assistance Publique des Hôpitaux de Marseille (APHM) à Marseille, le Centre Hospitalier Aix-Pertuis (CHAP) et le Centre Antoine Lacassagne (CAL) à Nice. Ils seront rejoints d’ici 2027 par le CHU de Nice et les centres hospitaliers de Toulon, d’Avignon et d’Ajaccio, pour former un réseau de huit hôpitaux utilisant une même solution.

    Pourquoi cela compte : la pathologie est la spécialité qui pose le diagnostic des cancers à partir de prélèvements de tissus. En partageant une plateforme unique, huit hôpitaux pourront s’échanger des dossiers et des avis d’experts. Ce modèle régional, acquis via un achat groupé, est transposable, mais ses résultats n’ont pas encore été mesurés.

    Un achat groupé qui évite à chaque hôpital sa propre procédure

    Pour s’équiper, les huit hôpitaux n’ont pas eu à organiser chacun leur propre appel d’offres. Ils ont utilisé un accord-cadre signé en 2022 entre Sectra AB et UniHA, la coopérative qui mutualise les achats des hôpitaux publics. Le principe est simple. UniHA a sélectionné le fournisseur et négocié les conditions une fois pour toutes, puis chaque hôpital adhérent peut commander directement à ces conditions. Il s’épargne ainsi une procédure souvent longue. C’est aussi ce qui facilite l’adoption d’une même solution par plusieurs établissements.

    Ce type d’accord a cependant une durée limitée. Signé pour quatre ans, celui-ci arriverait à échéance en 2026, alors que la seconde phase se poursuit jusqu’en 2027.

    Une plateforme régionale pour partager une expertise rare

    Avec la pathologie numérique, les lames sont scannées. Selon Sectra AB, les images deviennent alors consultables sur écran, y compris depuis un autre site. Un pathologiste de Toulon pourra donc, à terme, solliciter un expert de Marseille sans rien expédier. Cet enjeu est d’autant plus important que les pathologistes sont de moins en moins nombreux, alors que le nombre d’analyses augmente.

    La numérisation des lames, prérequis à l’IA en pathologie

    L’annonce ne parle pas d’IA, mais elle la rend possible. Un logiciel d’IA ne peut en effet analyser une lame que si celle-ci a été numérisée. Une fois les images stockées au même endroit, il devient envisageable d’y appliquer des outils d’aide au diagnostic. La solution repose sur une archive neutre (VNA), c’est-à-dire un espace de stockage qui ne dépend pas d’un logiciel particulier. Cette neutralité peut faciliter l’ajout d’outils d’autres éditeurs. Reste à savoir à quelles conditions des algorithmes développés par des start-up pourront être intégrés.

    Des bénéfices encore déclaratifs, un financement à stabiliser

    Sectra AB affirme que sa solution accélère le diagnostic et réduit les coûts. Ces bénéfices restent toutefois déclaratifs : aucun chiffre sur les délais, les volumes ou les économies n’est communiqué. Le déploiement est donc réel, mais son efficacité n’est pas encore démontrée.

    Cette évaluation est importante, car le financement de la pathologie numérique n’est pas stabilisé. Une task force réunie par France Biotech recommandait en 2024 la création de forfaits dédiés, comme cela a été fait pour l’archivage des images en radiologie.

    Le projet PACA montre qu’une numérisation à l’échelle régionale est possible. Il invite à fixer dès le départ des règles communes : qui relit quels dossiers, et avec quels indicateurs de suivi.

    Source : S&P Capital IQ, traduit par Zonebourse, « Sectra AB déploie son module de pathologie numérique dans quatre hôpitaux de la région Provence-Alpes-Côte d’Azur » (17 septembre 2026) · fiabilité : déclarative.

  • Une IA française sur lames numérisées oriente la chimiothérapie du cancer du pancréas

    Le Journal of Clinical Oncology a publié les travaux d’une équipe française, coordonnée par Rémy Nicolle et Jérôme Cros, avec l’équipe allemande de Jakob Nikolas Kather et le groupe canadien CCTG. Leur outil, PANCprAId, lit les images de tissu tumoral prélevé lors de l’opération et prédit laquelle des deux chimiothérapies bénéficiera le plus au patient. Il a été testé sur 313 patients de l’essai PRODIGE-24/CCTG PA6.

    Pourquoi cela compte : La quasi-totalité des scores d’IA en anatomopathologie sont pronostiques, ils annoncent une évolution. Celui-ci est prédictif, il oriente un choix entre deux protocoles.

    Un outil « pronostique » dit qu’un patient risque de rechuter. C’est utile à savoir, mais cela ne change pas forcement la prescription : le patient reste à haut risque quel que soit le traitement choisi. Un outil « prédictif » dit autre chose : ce patient ira mieux avec le traitement A, celui-là avec le traitement B. C’est ce qui modifie une décision.

    Aujourd’hui, le choix de la chimiothérapie après une opération du pancréas repose surtout sur l’âge et la forme générale du patient, le mFOLFIRINOX, plus efficace mais plus toxique, étant réservé aux plus solides. Aucun examen de la tumeur n’entre dans la décision. C’est ce vide que l’outil cherche à combler.

    Pourquoi le test est solide

    L’IA a d’abord été entraînée sur 231 patients déjà opérés : 54 avaient reçu du mFOLFIRINOX, 177 de la gemcitabine. L’effectif est faible et déséquilibré. Elle a ensuite été testée sur des patients totalement différents, issus d’un essai clinique où le traitement avait été tiré au sort.

    Résultat : dans chaque groupe de traitement, l’outil sépare nettement les patients qui rechutent de ceux qui ne rechutent pas. Et surtout, il identifie des profils qui profitent davantage d’une chimiothérapie que de l’autre, un écart statistiquement significatif sur la survie sans rechute comme sur la survie liée au cancer.

    Ce qui manque encore

    L’outil ne fonctionne que sur du tissu prélevé pendant l’opération : il ne peut pas guider un traitement avant la chirurgie. On ignore s’il résiste aux différences de matériel et de coloration entre laboratoires. Enfin, aucun essai n’a encore comparé des patients soignés selon l’outil à des patients soignés normalement. Avant l’acquisition d’une IA destinée à guider un traitement, il est nécessaire que son efficacité ait été démontrée sur des patients indépendants de ceux utilisés lors de son entraînement, et qu’il ait été établi qu’elle permet réellement de distinguer entre deux options thérapeutiques. À défaut, son rôle reste essentiellement pronostique.

    Source : Journal of Clinical Oncology. Beaufils A, et al. 27 juillet 2026 · fiabilité : publication évaluée par les pairs · https://ascopubs.org/doi/10.1200/JCO-26-00327