Sirona Medical, une société développant un «système d’exploitation» pour la radiologie numérique, a acquis Nines, une société qui a développé des algorithmes d’analyse et de triage approuvés par la FDA. Cette acquisition intervient à un moment quelque peu fragile de la radiologie basée sur l’IA. Mais Sirona parie que cette décision prouve sa thèse : pour intégrer l’IA dans le flux de travail clinique, nous devons reconstruire les choses à partir de zéro.
Pour comprendre où Sirona et Nines s’emboîtent, pensez à l’informatique derrière la radiologie comme un gâteau en couches. La première couche de ce gâteau est constituée de bases de données d’images médicales. La deuxième couche est un logiciel avec lequel les radiologues interagissent au quotidien, comme un logiciel de visualisation ou de rapport. Le troisième consiste en des algorithmes d’IA qui peuvent rechercher des modèles dans ces images ou aider les médecins à prendre des décisions.
RadOS, le produit principal de Sirona, vise à réunir ces deux éléments inférieurs et à permettre aux algorithmes d’IA d’être superposés – c’est là que Nines AI a fait des progrès significatifs.
La société a créé des algorithmes qui, selon elle, peuvent réellement aider les médecins à prendre des décisions. L’un de ces algorithmes permet aux scientifiques de mesurer la taille des nodules pulmonaires (excroissances anormales), pour aider à détecter les maladies respiratoires. L’autre algorithme évalue les images CT du cerveau à la recherche de signes d’hémorragie intracrânienne et d’effet de masse. L’objectif est d’aider les médecins à trier les patients. (Les deux algorithmes ont reçu l’autorisation FDA 510(k).)
La plateforme RadOS
Cette acquisition se produit parce que, pour véritablement intégrer les algorithmes dans le flux de travail des cliniciens, vous devez unifier les couches un et deux, a déclaré Andrews à TechCrunch. RadOS, a-t-il dit, était sur le point de résoudre ce problème.
En ce qui concerne l’IA dans les soins de santé, les choses ont été mitigées ces derniers temps. D’un côté, vous avez le spin-off d’IBM Watson Health en janvier – un coup dur pour les optimistes de la radiologie de l’IA. Mais cela ne suffit pas à freiner l’enthousiasme. Le même mois, Radnet, le plus grand fournisseur d’imagerie diagnostique ambulatoire du pays, a acquis deux sociétés investies dans l’analyse d’imagerie par IA pour le cancer, les maladies pulmonaires et la neurodégénérescence.
Ensuite, il y a l’éléphant dans la pièce : la révolution anticipée de la radiologie par IA n’est pas encore arrivée. Une enquête menée en 2021 auprès d’environ 1 400 membres de l’American College of Radiology a révélé que seulement 30 % des radiologues utilisent actuellement l’IA dans leurs pratiques cliniques. 20 % de ceux qui n’utilisaient pas l’IA prévoyaient d’acheter de nouveaux outils d’IA dans les cinq prochaines années.
Le discours de Sirona est que les problèmes qui ont entravé les applications de l’IA en radiologie sont profondément ancrés dans la technologie héritée de l’industrie. Toutes ces « couches » susmentionnées ne sont pas conçues pour fonctionner ensemble.
Avant même d’ajouter des algorithmes de support clinique, les radiologues travaillent déjà avec trois ou quatre logiciels différents, a déclaré Andrews. Ensuite, si vous souhaitez ajouter un nouveau logiciel qui utilise des capacités d’IA, vous devez en ajouter un autre à cet ensemble. Comme un article de synthèse dans Radiologie Intelligence Artificielle remarques, un logiciel d’IA robuste nécessite l’installation d’un logiciel spécifique au fournisseur sur des postes de travail individuels. Ce processus, note le papier, peut ajouter de la complexité lorsqu’il s’agit d’adopter une nouvelle technologie.
« Nous avons reconnu que la pile informatique de radiologie sous-jacente elle-même, et la pile informatique d’imagerie sous-jacente plus largement, sont fondamentalement incapables de gérer à la fois les tâches des radiologues et les tâches que les fournisseurs tiers d’IA et de logiciels vont exiger d’elle dans la prochaine décennie », a déclaré Andrews.
Dans cette optique, l’acquisition de Nines par Sirona réunira ces algorithmes de couche supérieure dans RadOS. Qu’est-ce que cela signifie concrètement pour les médecins ? Cela signifie qu’ils pourront passer de manière transparente d’une image annotée à un rapport. Un médecin peut désormais cliquer sur un nodule pulmonaire, le faire mesurer à l’aide de l’algorithme Nines, puis, d’un autre clic, insérer cette mesure dans un rapport.
Cela semble presque incroyablement simple. Et pourtant, malgré cela, c’était « impossible à réaliser », a déclaré Andrews.
L’application de prise de notes alimentée par la plateforme RadOs.
« L’IA et la vision par ordinateur représentent la capacité de corréler des pixels avec des mots, [and] le traitement du langage naturel représente la capacité de corréler les mots aux pixels eux-mêmes », explique-t-il. « Cette connectivité bidirectionnelle ne peut pas être atteinte aujourd’hui car le logiciel utilisé pour créer le rapport et le logiciel utilisé pour regarder les images sont fonctionnellement séparés. Et ils sont totalement séparés des algorithmes.
Sirona n’a acquis que le pipeline de données cliniques de Nines, ses deux algorithmes approuvés par la FDA, ses moteurs d’apprentissage automatique et ses outils de gestion et d’analyse des flux de travail en radiologie. Fait intéressant, la société n’a pas acquis la branche de téléradiologie de Nines AI. Nines emploie également des radiologues qui travaillent à distance et apportent leur expertise aux hôpitaux et cliniques.
Le bras de téléradiologie n’était pas adapté à Sirona parce que Sirona « n’est pas dans le secteur des services de radiologie », a déclaré Andrews. Mais il a refusé de discuter des détails de l’accord.
La genèse de l’accord est le résultat d’un chevauchement d’investisseurs et de relations mutuelles. 8VC est un investisseur dans les deux sociétés et Sirona a des liens avec Accel Partners, un investisseur dans Nines. Sirona a levé 62,5 millions de dollars.