La startup de la semaine : AZmed, l'intelligence artificielle qui repère les fractures pour les radiologues

 |   |  501  mots
Lancée en août 2018, la startup AZmed développe un algorithme de deep learning qui s'intègre aux logiciels traditionnels utilisés par les radiologues et les urgentistes pour aider à détecter les anomalies.
Lancée en août 2018, la startup AZmed développe un algorithme de deep learning qui s'intègre aux logiciels traditionnels utilisés par les radiologues et les urgentistes pour aider à détecter les anomalies. (Crédits : AZmed)
Toutes les semaines, La Tribune braque les projecteurs sur une pépite méconnue de la French Tech. Cette semaine, AZmed. Lancée en août 2018, cette jeune pousse parisienne développe une intelligence artificielle pour aiguiller les radiologues et les urgentistes dans leurs diagnostics. L’algorithme est capable de détecter une anomalie en moins de 0,2 secondes.

Proposer un diagnostic fiable, tout en gagnant du temps. C'est l'équation à laquelle AZmed promet de répondre grâce à son intelligence artificielle capable de détecter les fractures et lésions osseuses sur les radios. Lancée en août 2018, la jeune pousse parisienne développe un algorithme de deep learning (apprentissage profond à l'aide de réseaux de neurones artificiels) qui s'intègre aux logiciels traditionnels utilisés par les radiologues et les urgentistes. « Lors de la lecture d'une radio, notre technologie détecte en moins de 0,2 secondes une anomalie et la signale par un rectangle », explique Julien Vidal, Pdg et co-fondateur d'AZmed.

La startup a été co-fondée par Alexandre Attia, diplômé d'un Master en intelligence artificielle spécialisé en imagerie médicale, de l'École Normale Supérieure Paris-Saclay, et Elie Zerbib, chirurgien au service obstétrique et gynécologie de l'AP-HP (Assistance Publique - Hôpitaux de Paris).

« Les fractures représentent la grande majorité des radios traumatologiques réalisées en France. Or, cet examen est souvent perçu comme rébarbatif et chronophage par la profession, tout en étant peu engageant d'un point de vue médical. C'est pourquoi notre technologie permet de gagner du temps, pour en dégager davantage avec le patient et réaliser des examens à forte valeur ajoutée », poursuit l'entrepreneur.

Un an et demi de recherche et développement a été nécessaire à la création de l'algorithme. « Nous avons signé des partenariats avec une dizaine de centres de radiologie pour avoir accès à leur base de données. Chaque image a reçu une lecture par trois professionnels de santé différents. Si leur diagnostic convergeait, alors la radio était soumise à notre algorithme. Dans le cas contraire, l'image était mise de côté. Au total, notre intelligence artificielle a été entraînée sur plus de 120.000 images afin d'améliorer sa précision et réduire les marges d'erreurs dans les diagnostics », explique Julien Vidal.

Une commercialisation courant 2019

Avec sa technologie d'aide à la décision, AZmed dit vouloir « gagner la confiance » des praticiens, avant d'étendre leur intelligence artificielle à d'autres types de lésions.

« Notre technologie ne prend pas de décision, elle permet simplement de conforter un diagnostic, notamment pour les urgentistes qui ne sont pas spécialistes et ont très peu de temps pour faire des choix compliqués », souligne le cofondateur.

La solution est actuellement en test dans une dizaine de cliniques et de centres de radiologie en France. Elle sera commercialisable au cours du deuxième semestre 2019 dans l'Hexagone. La startup de 10 salariés souhaite adresser le marché européen dès 2020. Son business model reposera sur un abonnement trimestriel à prix fixe, qui variera selon la taille de la structure médicale. Incubée au sein de l'accélérateur Techstars à Paris, la jeune pousse a déjà pré-levé 120.000 dollars. Elle espère boucler une première levée de fonds d'au moins un million d'euros d'ici la fin de l'année 2019.

Réagir

Votre email ne sera pas affiché publiquement
Tous les champs sont obligatoires

Merci pour votre commentaire. Il sera visible prochainement sous réserve de validation.

 a le à :