L’imagerie médicale est un terme large qui corrompt plusieurs technologies distinctes. Après avoir travaillé sur des outils A-Pow à améliorer les rayons X et les mammographies, le startup French Glearmer vise désormais à lutter contre la résonance magnétique (IRM).
Inted de partir de zéro, Gleamer a acquis deux startups qui ont déjà travaillé sur l’analyse IRM alimentée par A: Pixell et Caerus Medical.
Gleamer fait partie de la deuxième vague de startups essayant d’améliorer l’intelligence artificielle de l’imagerie médicale. Plusieurs fondateurs de la technologie ont créé des startups autour de ce sujet en 2014 ou 2015. Bien que la plupart d’entre eux ne soient passés nulle part, il y a eu une certaine consolidation dans l’espace. Par exemple, Zebra Medical Vision et Arteys ont tous deux été acquis par Nanox et Tempus, respectifs.
Fondée en 2017, Gleamer a construit un assistant d’IA pour les radiologues, une sortie de copilote pour l’imagerie médicale. Avec Gleamer, les radiologues peuvent théoriquement améliorer la précision diagnostique lors de l’interprétation des images médicales.
La startup a déjà persuadé 2 000 dans 45 institutions de pays pour utiliser sa solution logicielle. Dans l’ensemble, Gleamer a traité 35 millions d’examens. La société a reçu cette certification et la FDA pour son produit d’interprétation de traumatisme osseux. En Europe, il propose également des produits spécifiquement axés sur les rayons X thoraciques, les mesures orthopédiques et de bonnes agents avec cette certification.
« Malheureusement, l’approche unique de la radiologie ne fonctionne pas », a déclaré à TechCrunch, co-fondateur et PDG de Gleamer, à TechCrunch. «C’est très compliqué d’avoir un grand modèle qui couvre toute l’imagerie médicale et offre le niveau de performance attendu par les médecins.»
C’est pourquoi la société a créé de petites équipes internes axées sur les mammographies et les tomodensitométrie. « Il y a trois semaines, nous avons publié notre produit de mammographie, sur lequel nous travaillons depuis 18 mois », a déclaré Allouche. Il est basé sur un modèle d’IA de fées qui a été formé sur 1,5 million de mammographies.
« Nous avons un partenariat avec Jean Zay, le cluster GPU du gouvernement français », a déclaré Allouche. L’entreprise travaille également sur des scans CT pour les cancers.
Mais qu’en est-il de l’IRM? « L’IRM est un espace technologique différent », a déclaré Allouche. «Vous avez beaucoup de tâches dans l’IRM. Ce n’est pas seulement la détection, vous avez une segmentation, vous avez une détection, vous avez une caractérisation, une classification, une imagerie à plusieurs séquences.
C’est pourquoi Gleamer achète deux petites startups qui travaillent sur cet espace depuis plusieurs années pour se déplacer plus rapidement. Gleamer ne divulgue pas les conditions des transactions.
« Ces deux sociétés deviendront nos deux plateformes d’IRM, avec l’ambition claire de couvrir tous les cas d’utilisation au cours des deux à trois prochaines années », a déclaré Allouche.
Imagerie médicale préventive
Bien que les modèles de Gleamer montrent des résultats prometteurs, ils ne sont pas encore parfaits. Par exemple, avec le nouveau modèle de mammographie de l’entreprise, la startup affirme qu’elle peut détecter le four de cinq cancers. En comparaison, un radiologue humain avec l’assistance IA IA identifie généralement le cancer dans trois cas sur cinq.
Cependant, les gains de productivité d’un outil comme Gleamer pourraient radicalement changer d’imagerie médicale. Une tumeur à ponction à faible part apparaîtra dans un examen de suivi quelques mois plus tard.
« Dans un avenir à ne pas souffrir, je pense que nous obtiendrons tous des IRM de routine entières payées par nos compagnies d’assurance, car elles ne sont pas irradiantes », a déclaré Allouche.
Cependant, dans certaines villes, il y a déjà trop peu de radiologues pour répondre à la demande d’imagerie réactive. Si l’industrie se déplace vers l’imagerie préventive, les outils d’IA deviendront essentiels.
Le PDG de Gleamer pense que l’IA pourrait devenir un outil «orchestre et triageant». La plupart des examens d’imagerie médicale sont effectués comme un moyen d’exclure certains diagnostics. « Donc, il y a un réel besoin d’automatiser tout cela avec un modèle d’IA très solide qui a un niveau de sensibilité beaucoup plus élevé qu’un humain », a déclaré Allouche.
