PraxySanté : L’IA au service des hôpitaux pour alléger la charge de travail des médecins et améliorer la qualité des soins
Fondée par des experts en IA, PraxySanté a développé une suite logicielle innovante dédiée aux professionnels de santé. En utilisant des technologies de reconnaissance vocale et de traitement du langage médical, la startup vise à réduire la charge mentale des soignants, améliorer la précision du suivi thérapeutique, et optimiser la collecte de données pour la recherche et la détection précoce des maladies rares. Déjà déployée dans 35 hôpitaux à travers six pays, ses solutions se distinguent par leur efficacité et leur accessibilité économique pour les établissements de santé.
PraxySanté, fondé par des médecins, chercheurs en IA pour le langage médical (INRIA, CNRS), et ingénieurs, a développé une suite logicielle destinée aux professionnels de santé et utilisant l’intelligence artificielle, leurs solutions cherchent à leur libérer du temps, réduire la charge mentale, tout en améliorant l’exhaustivité et la précision du suivi thérapeutique des patients, et en accélérant la collecte de données pour la recherche médicale et détection précoce des maladies rares. Lancées en septembre 2023 leurs solutions sont déjà expérimentées ou utilisées dans 35 hôpitaux (CHU de Montpellier, Hôpital Foch, ..) dans 6 pays (FR / BE / CH / SP / DE /PT), et intégrées en marque blanche dans 9 logiciels (LGC et DPI)
Les enjeux de la reconnaissance de la voix par l’intelligence artificielle dans les hôpitaux
Les systèmes d’IA, tels que PraxyConsultation, ont démontré leur capacité à intégrer de manière fiable la documentation clinique dans le flux de travail des médecins et à adapter leur solution à différents usages (dictée, reconnaissance vocale, scribe ambiant consultation et RCP, aide au codage), spécialités (plus de 50 en milieu hospitalier) et modèles de documents (CR, courriers de suivi, lettre d’adressage). Les avantages envisagés sont considérables, tels que réduire la charge de travail médical ou paramédical lié à la saisie et l’organisation des informations et libérer du temps au profit du patient.
L’interface est conçue de manière à garantir la supervision humaine et augmenter la précision des informations recueillies. L’intégration fonctionnelle de ces technologies pourrait permettre d’améliorer considérablement la qualité des informations du Dossier Patient Informatisé et in fine de renforcer la sécurité des soins.
Une technologie performante, souveraine et économique pour rendre du pouvoir d’achat aux hôpitaux
PraxySanté est un des rares acteurs à entrainer lui-même l’ensemble de ses modèles (transcription, résumé automatique, extraction d’entités structurées, synthèse vocale système anti-hallucinations) et essentiellement avec des données synthétiques
Pour prendre l’exemple de la reconnaissance vocale ce sont plus de 164 000 termes médicaux en plus du vocabulaire courant qui sont supportés (26 000 médicament et soins, 16000 maladies, ..) via la création de plus de 15 000 heures d’audios médicale par langue
Cela permet des offres très compétitives SaaS ou On Premise et ainsi de rendre du pouvoir d’achats aux hôpitaux et aux éditeurs de logiciels qui intègrent la technologie.
Une IA de confiance : garantir la qualité des CR médicaux ou synthèses de dossiers patients produits par l’IA générative
Fort d’une équipe IA NLP médical de 9 ingénieurs et chercheurs (dont 4 docteurs), PraxySanté a développé un système permettant de détecter les risques d’hallucinations, les corriger autant que possible, et de mettre en exergue les sections à relire en priorité par le praticien.
Le système intègre un model expert bert bio-médical entrainé par nos équipes pour évaluer les distances sémantiques entre les données sources et les compte-rendu, ainsi que des contrôles métiers sur les nases médicamenteuses, posologies, quantités, etc.
Une porte ouverte pour de nombreux autres cas d’usage.
En permettant la collecte de données structurées de manière plus efficace en temps réel, les solutions d’IA pourraient également offrir des suggestions diagnostiques, telles que le repérage de maladies rares. De plus, elles pourraient analyser la correspondance avec des critères d’inclusion pour des protocoles de recherche en cours, optimisant ainsi la sélection des patients pour les études cliniques.
