Lâindustrialisation dâun modĂšle IA pour en faire un dispositif mĂ©dical implique de franchir de nombreux obstacles techniques et rĂ©glementaires. DĂ©couvrez cette confĂ©rence d'Intrasense lors de la confĂ©rence MedTech_IA, la confĂ©rence organisĂ©e par Flint et KYomed INNOV.
Lâindustrialisation dâun modĂšle IA pour en faire un dispositif mĂ©dical implique de franchir de nombreux obstacles techniques et rĂ©glementaires. En passant des essais en laboratoire Ă un produit dĂ©ployĂ© dans les hĂŽpitaux, les dĂ©veloppeurs doivent composer avec des exigences strictes. Lors de la confĂ©rence MedTech_IA organisĂ©e par Flint et KYomed INNOV, Nicolas Di Francesco (QARA Manager) et FrĂ©dĂ©ric Champ (CTO) chez Intrasense nous prĂ©sentent un retour d'expĂ©rience sur la transformation des prototypes de recherche en dispositifs mĂ©dicaux prĂȘts Ă lâusage.
â
â
Les modĂšles dâintelligence artificielle en MedTech proviennent souvent de projets de recherche, mais ils doivent ĂȘtre adaptĂ©s pour rĂ©pondre aux exigences cliniques et rĂ©glementaires des dispositifs mĂ©dicaux. LâIA en radiologie, par exemple, doit fournir des rĂ©sultats rapides et fiables pour ĂȘtre adoptĂ©e par les professionnels de santĂ©. Cette transformation en produit mĂ©dical se dĂ©roule en plusieurs Ă©tapes pour garantir quâil soit :
Lâindustrialisation dâune IA pour un usage mĂ©dical repose sur des mĂ©thodologies de design control et des Ă©tapes de validation de chaque spĂ©cification technique.
Pour un produit MedTech conforme aux standards europĂ©ens, chaque exigence clinique est transformĂ©e en requirements techniques avec traçabilitĂ© complĂšte. Par exemple, un modĂšle dâIA pour la dĂ©tection de lĂ©sions en oncologie doit dĂ©finir :
â
â
Les modÚles IA, initialement créés avec des frameworks comme TensorFlow ou PyTorch, nécessitent des ajustements pour une performance maximale dans des environnements de production en MedTech. Voici quelques optimisations techniques courantes :
Ces optimisations réduisent les coûts et améliorent la rapidité des prédictions. Des tests montrent que, pour certains modÚles IA, l'exécution sur CPU offre des gains financiers significatifs par rapport aux GPU, tout en maintenant une précision élevée.
â
Pour garantir la sĂ©curitĂ© et la qualitĂ© des dispositifs mĂ©dicaux, un modĂšle dâIA MedTech doit ĂȘtre conforme aux normes ISO et IEC applicables aux dispositifs mĂ©dicaux logiciels.
La conformitĂ© aux normes MedTech, comme lâISO 13485, assure une gestion stricte de la qualitĂ©. Dans le domaine de lâIA, cela inclut :
Les modĂšles dâintelligence artificielle doivent respecter des pratiques rigoureuses en termes de sĂ»retĂ© logicielle, telles que celles dĂ©finies par la norme IEC 62304. Cela implique des tests de rĂ©gression rĂ©guliers et des contrĂŽles de sĂ©curitĂ© sur chaque composant du modĂšle.
â
Une fois le modĂšle dâIA optimisĂ©, il est intĂ©grĂ© dans une architecture cloud robuste et interopĂ©rable, un prĂ©requis pour tout produit MedTech dĂ©ployĂ© Ă large Ă©chelle.
Pour une IA en MedTech, la scalabilitĂ© est essentielle. GrĂące Ă des conteneurs Docker et lâorchestration par Kubernetes, chaque composant de lâalgorithme peut ĂȘtre gĂ©rĂ© et adaptĂ© aux besoins en ressources.
LâIA en santĂ© doit pouvoir Ă©changer des informations en toute sĂ©curitĂ© avec les systĂšmes hospitaliers. Intrasense a implĂ©mentĂ© une solution compatible avec les normes DICOM et HL7, utilisant un agent local pour pseudonymiser et crypter les donnĂ©es mĂ©dicales avant leur transfert.
Les données patient sont pseudonymisées pour garantir le respect des normes RGPD et éviter les fuites de données sensibles.
â
Les projets MedTech basĂ©s sur lâintelligence artificielle nĂ©cessitent une gestion rigoureuse des coĂ»ts pour Ă©viter de pĂ©naliser les Ă©tablissements de santĂ©. Des pratiques de FinOps sont appliquĂ©es pour rĂ©duire les frais de fonctionnement.
â
Ces optimisations garantissent une rentabilitĂ© et un Ă©quilibre entre performance et coĂ»t, essentielles pour lâIA en production dans le secteur MedTech.
â
Lâindustrialisation dâun modĂšle dâintelligence artificielle pour la MedTech reprĂ©sente un dĂ©fi technique et rĂ©glementaire. Ce processus implique une gestion minutieuse des exigences cliniques, des rĂ©glementations de sĂ©curitĂ©, et de la scalabilitĂ© de lâinfrastructure cloud pour garantir une adoption large et rĂ©ussie dans les hĂŽpitaux. Avec une combinaison de technologies avancĂ©es, de conformitĂ© ISO/IEC, et de pratiques FinOps rigoureuses, des entreprises comme Intrasense ouvrent la voie vers des dispositifs mĂ©dicaux IA fiables et accessibles.
En conclusion, intĂ©grer lâintelligence artificielle dans les produits MedTech nĂ©cessite non seulement des modĂšles IA performants, mais aussi une maĂźtrise des processus d'optimisation et de conformitĂ© pour en faire des dispositifs mĂ©dicaux vĂ©ritablement utiles en clinique.
â
Si vous souhaitez continuer d'Ă©changer sur l'intĂ©gration de l'IA / Gen AI dans la medtech, contactez-nous. Nous sommes toujours disponibles pour un cafĂ© đ
â
â