C’est une chose de développer un algorithme médical, c’en est une autre de prouver qu’il fonctionne réellement. Pour ce faire, vous avez besoin d’une chose cruciale qui est difficile à trouver : des données médicales. Et une startup est prête à fournir cela à la pelle, ainsi que les outils pour faciliter les études de validation.
Gesund, fondée en 2021, est sortie furtivement cette semaine avec un tour de table de 2 millions de dollars mené par 500 Global. La société a déjà parcouru un long chemin, avec des plates-formes viables, 30 clients dans son pipeline de ventes et des revenus attendus ce trimestre, a déclaré le PDG et fondateur Enes Hosgor à TechCrunch.
Gesund est essentiellement une organisation de recherche sous contrat (CRO) pour les sociétés d’IA développant des algorithmes médicaux ou des universitaires testant leurs propres modèles. De la même manière qu’un CRO pourrait concevoir un essai clinique pour une société de médicaments ou de dispositifs médicaux, la plate-forme de Gesund organise des données qui permettent aux sociétés d’IA de tester leurs propres produits et crée l’infrastructure informatique pour que cette comparaison se déroule sans heurts.
« J’aime nous considérer comme une entreprise d’opérations d’apprentissage automatique », a déclaré Hosgor. « Nous ne faisons pas d’algorithmes. »
Un algorithme médical est aussi bon que les données sur lesquelles il est formé, et il est prouvé que l’obtention d’ensembles de données diversifiés et utilisables peut être un défi. Par exemple, une étude publiée dans JAMA en 2020 a analysé 74 articles scientifiques décrivant des algorithmes d’apprentissage en profondeur dans des disciplines telles que la radiologie, l’ophtalmologie, la dermatologie, la pathologie, la gastro-entérologie et la pathologie ; 71% des données utilisées dans ces études provenaient de New York, de Californie et du Massachusetts.
En effet, 34 États américains n’ont fourni aucune donnée au pipeline qui avait été utilisé pour former ces algorithmes, remettant en question leur généralisation à une population plus large.
Le problème existe également dans différents types de prestataires de soins de santé. Vous pourriez former un algorithme sur les données recueillies dans un grand hôpital universitaire réputé. Mais si vous voulez déployer cela dans un petit hôpital communautaire, il n’y a aucune garantie que cela fonctionnera dans ce cadre très différent.
Pris ensemble, les ensembles de données utilisés pour former des algorithmes sont, en général, plus petits qu’ils ne devraient l’être, selon une méta-revue de 152 études publiées dans le BMJ. Naturellement, il existe des réussites algorithmiques, mais il s’agit d’un problème à l’échelle de l’industrie.
La technologie seule ne peut pas résoudre tous ces problèmes ; vous ne pouvez pas trier ou fournir des données qui n’existent pas en premier lieu. Pensez aux études génétiques pour les personnes d’ascendance non européenne, qui font cruellement défaut. Mais Gesund se concentre étroitement sur une question où la technologie pourrait aider : faciliter l’accès aux données existantes et créer des partenariats qui ouvrent de nouvelles voies pour le partage de données.
Une capture d’écran de la plateforme de validation de Gesund.
Le pipeline de données de Gesund provient des « accords de partage de données existants en place avec les sites cliniques », a déclaré Hosgor. À l’heure actuelle, Gesund se concentre sur les données d’imagerie recueillies au centre médical de l’Université de Chicago, au Massachusetts General Hospital et à la Charité de Berlin. (La société prévoit d’aller au-delà de la radiologie à l’avenir.)
L’agrégation et la fourniture de données à utiliser dans des applications d’apprentissage automatique sont également effectuées par d’autres, comme le Nightingale Open Science Project, qui fournira gratuitement des ensembles de données cliniques aux chercheurs (non affiliés au controversé « Project Nightingale » de Google). Mais bien que les données elles-mêmes soient un élément essentiel de cela, c’est vraiment la pile technologique que Hosgor considère comme l’arme secrète de l’entreprise.
« Tout le monde fait du ML sur le cloud », a expliqué Hosgor. « Et parce que votre fournisseur de soins de santé moyen n’a pas de cloud, tout cela passe par la fenêtre », a-t-il déclaré. « Nous avons construit cette pile technologique qui peut résider sur place, à l’intérieur d’un pare-feu d’hôpital. Il ne s’appuie sur aucun service géré tiers, qui est le pain et le beurre de l’apprentissage automatique. »
À partir de là, la plateforme inclut une interface « low code ». En bref, les médecins et les prestataires peuvent essentiellement faire glisser et déposer les ensembles de données dont ils ont besoin et tester leurs propres algorithmes par rapport à ces données.
« Nous avons environ six mois, mais nous avons démarré et nous avons construit ce premier produit qui permet aux propriétaires de modèles d’exécuter leurs algorithmes sur des données pour produire des métriques de précision à la volée, dans des environnements hautement conformes auxquels ils n’ont pas accès. aux ressources cloud. C’est notre sauce secrète », a-t-il expliqué.
À l’heure actuelle, Gesund, un peu comme Nightingale, fournit certains de ses services gratuitement. L’édition communautaire de la société permet aux universitaires disposant d’algorithmes existants de tester leurs algorithmes gratuitement (mais ils devront télécharger leurs propres ensembles de données).
Pendant ce temps, ce sont les entreprises d’intelligence artificielle qui paieront la facture de la version « premium » de l’entreprise. Cela, dit Hosgor, permettra aux clients payants d’accéder à des ensembles de données propriétaires. Et il est prouvé qu’ils paieront pour les données dont ils ont besoin. À l’heure actuelle, Gesund prétend avoir un pipeline de 30 clients potentiels et s’attend à générer des revenus ce trimestre.
« Nous étions à la RSNA à Chicago en novembre dernier et toutes les entreprises d’IA à qui nous avons parlé ont dit » oui, j’ai besoin de preuves hier « . »
Le cycle de pré-amorçage de 2 millions de dollars représente l’intégralité du financement de Gesund, mais Hosgor s’attend à ce que l’entreprise lève à nouveau cette année. Dans un avenir proche, la société se concentrera sur la R&D et l’expansion de ses partenariats cliniques aux États-Unis et en Europe.