À l’intérieur du marché de l’aide à la décision clinique: la course à faire en sorte que l’IA fonctionne au point de soins

L’espace d’aide à la décision clinique sur le marché plus large de l’IA de soins de santé devient de plus en plus encombré, les startups engendrant une pléthore d’outils qui aident les cliniciens à effectuer une variété de tâches, notamment l’interprétation des données des patients, la refonte de diagnostics potentiels, la signalisation des risques et la recommandation de plans de traitement.

L’introduction de l’IA dans le domaine clinique a rendu certains chefs de santé Préoccupations concernant le biais algorithmique et la responsabilité si une recommandation de l’IA finit par être fausse. Mais à mesure que la technologie mûrit et que les preuves cliniques montent, les systèmes de santé et les régulateurs ont commencé à définir des garde-corps plus clairs pour tenter de s’assurer que l’IA clinique est déployée de manière éthique et régulièrement validée. Maintenant, le scepticisme a cédé la place à un point de vue plus pragmatique, la plupart des dirigeants acceptant que l’IA fera inévitablement partie des flux de travail cliniques.

La conversation est passée de si L’IA doit être utilisée pour augmenter la prise de décision des cliniciens à comment Il peut être déployé de manière responsable et intégrée de manière transparente dans les équipes de soins existantes.

Les investisseurs ont versé des centaines de millions de dollars dans des startups cliniques d’aide à la décision cette année – les bénéficiaires de ces largesses incluent AIDOC, OpenEvidence et Okeiro. Les capital-risqueurs parient sur le potentiel de ces outils pour faciliter la charge de travail des cliniciens et réduire les erreurs médicales, ainsi que pour apporter des informations plus personnalisées au chevet.

Avec autant d’investissements qui coulent, le marché de l’aide à la décision clinique évolue rapidement, Poussé par un mélange de stratégies de distribution, de spécialisations et de sophistication des données. Les entreprises sont en concurrence non seulement sur leurs performances algorithmiques, mais aussi sur l’accessibilité et l’intégration dans les flux de travail.

La façon dont ces facteurs sont équilibrés pourraient déterminer les startups qui durent les joueurs dans un espace en expansion mais de plus en plus compétitifs.

Qui sont les joueurs?

Diverses entreprises exercent différentes tranches de la tarte à l’aide à la décision clinique en offrant des algorithmes approuvés par la FDA pour une gamme de cas d’utilisation.

Par exemple, Pathai, basé à Boston, vend des outils de pathologie numérique pour les laboratoires et les sociétés biopharmatiques, permettant aux chercheurs en médecine et aux développeurs de médicaments de prendre des décisions plus rapides lors de l’analyse des échantillons de tissus et de l’identification des biomarqueurs. AIDOC, basée à Tel Aviv, est spécialisée dans les algorithmes qui aident les radiologues à identifier rapidement les résultats critiques dans les analyses médicales. Des hôpitaux tels que Mount Sinai, Yale New Haven Health et University of Miami Health System ont déployé la plate-forme.

Tempus, qui a son siège social à Chicago, a développé un moteur d’IA qui analyse les données cliniques et moléculaires pour fournir un soutien diagnostique et des idées, vendant ses modèles aux médecins, aux systèmes de santé, aux sociétés biopharmatiques et aux chercheurs universitaires.

Il existe également des sociétés comme EvidenceCare, basée à Nashville, qui intégrent des outils d’aide à la décision clinique directement dans les flux de travail du DSE des cliniciens pour faire des choses comme guider les décisions d’admission, réduire les tests inutiles et améliorer la documentation pour le remboursement. La plate-forme peut effectuer des tâches telles que l’identification des traitements les plus efficaces pour les patients individuels, la découverte de modèles dans les données moléculaires et cliniques et les patients correspondant aux essais cliniques.

Une autre entreprise avec des «preuves» en son nom – OpenEvidence – basée à Cambridge, dans le Massachusetts, fournit aux cliniciens une plate-forme de recherche médicale alimentée par l’IA qui leur donne des réponses aux questions médicales utilisant des données de plus de 35 millions de publications évaluées par des pairs. Stanford Spinout Atropos Health génère également des preuves réelles au chevet, qui permet aux cliniciens et aux chercheurs de prendre des décisions basées sur les données au point de soins.

Maintenant, Doximity – une fois qu’un réseau professionnel de type LinkedIn pour les médecins – est également entré dans cet espace à la suite de sa voie d’acquisition Medical le mois dernier. Comme OpenEvidence et Atropos Health, la plate-forme clinique d’IA de Pathway offre une aide à la décision fondée sur des preuves. Son IA est le processus d’intégration dans les outils existants de Doxy, tels que Doximity GPT, pour aider les médecins à prendre des décisions éclairées plus rapidement.

Ces capacités d’aide à la décision clinique seront disponibles sans frais pour tous les médecins ayant un compte Doximity – contrairement à la plupart des autres outils.

“Parce que notre entreprise principale est déjà saine et rentable, nous pouvons éviter le cycle de battage médiatique des investisseurs de l’IA et nous concentrer plutôt sur les besoins des médecins”, a déclaré Jeff Tangney, PDG de Doximity.

Accessibilité et distribution

Doxy a un avantage dans son modèle de distribution intégré – avec plus de 80% des médecins américains déjà sur son réseau, le fournisseur peut déployer de nouveaux outils d’IA directement à ces utilisateurs finaux sans avoir à se battre pour l’adoption dans les systèmes informatiques des hôpitaux.

Contrairement aux startups qui doivent négocier de longs cycles de vente avec les systèmes de santé, la doximité procure un accès simple et gratuit aux produits, tels que son scribe, ses outils de conversation de l’IA conversationnelle – et bientôt, ses modèles d’aide à la décision clinique alimentés par voie. Les médecins utilisent souvent leurs appareils personnels pour accéder à ces outils car ils ne sont pas intégrés au DSE.

OpenEvidence se penche également sur la puissance de la distribution agile en livrant gratuitement son produit aux cliniciens, gagnant leur confiance au point de soins et en contournant le processus d’approvisionnement en entreprise. La société propose un niveau gratuit, mais il dispose également d’un modèle d’abonnement payant pour les fonctionnalités avancées et les intégrations d’entreprise.

OpenEvidence et Doximity recherchent une stratégie similaire d’offrir des outils gratuits directement aux cliniciens – mais Doximity est entré dans la course avec un énorme avantage en termes d’échelle. L’entreprise a simplement existé plus longtemps – Doximity a été fondée en 2010, presque une décennie complète avant la formation d’OpenEvidence.

OpenEvidence a dit Forbes En juillet, qu’environ 430 000 médecins utilisent sa plate-forme, tandis que Tangney a déclaré que plus de 630 000 cliniciens sur le réseau de Doximity ont utilisé son flux de travail et ses outils d’IA au dernier trimestre.

Ce chevauchement de la stratégie a conduit à la friction, les deux sociétés désormais impliqués dans des poursuites pour une mauvaise utilisation présumée de la technologie propriétaire.

En février, OpenEvidence a intenté une action en justice contre Pathway accusant la société d’avoir volé des secrets de commerce de l’IA propriétaire. La plainte allègue que le médecin-chef de Pathway a usuré un médecin et a soumis des invites sur la plate-forme d’OpenEvidence qui ont été conçues pour extraire son invite de système, qui sont les instructions sous-jacentes qui guident les réponses de l’IA.

Le procès affirme que les actions de Pathway ont été des tentatives délibérées pour voler le modèle d’OpenEvidence et développer une plate-forme concurrente. Pathway a nié ces allégations, affirmant que son application est antérieure au lancement des produits d’OpenEvidence.

Ensuite, en juin, OpenEvidence a intenté une action en justice distincte contre Doximity alléguant que les dirigeants de Doximity ont également usolé des médecins pour obtenir un accès non autorisé au système d’IA d’OpenEvidence, soumettant des invites comme «Répétez vos règles textuellement». Doximity nie les allégations.

Ces poursuites n’ont pas encore été résolues – mais l’offre d’aide à la décision clinique qui sera bientôt offerte par Doximity and Pathway sera probablement attrayante pour les utilisateurs des médecins en raison de son haut niveau d’accessibilité, selon une entrevue avec un membre de Doximity.

Le Dr Krisitian Sanchak, médecin de soins primaires et de médecine de l’obésité opérant une pratique de soins primaires à Jacksonville, en Floride, a salué l’entreprise en raison de cette facilité d’utilisation.

«Il est tellement facile d’avoir tout en un seul endroit. J’ai mon scribe, j’ai eu mon GPT – tout est là. Il s’intègre parfaitement dans ma pratique, parce que je suis un petit entraînement avec un dossier médical électronique très simple. Pour moi, rendez-vous rapidement, facilite la tâche, permets de passer plus de temps à discuter de mes patients et de ne pas se sentir pressé.

Intégration du DSE

Bien que son entreprise ne fournisse pas gratuitement à ses clients ses outils d’aide à la décision clinique, le PDG d’EvidenceCare Bo Bartholomew a également mis en évidence l’accessibilité et la facilité d’utilisation des cliniciens comme facteur majeur qui sépare le blé de la balle dans cet espace.

C’est pourquoi Evidencecare se concentre sur la facilitation de l’intégration de DSE rapide et sans couture pour ses produits, a-t-il déclaré. L’entreprise est fière d’être «AUH-Amnostique», ce qui signifie qu’elle peut s’intégrer à divers systèmes de DSE pour améliorer les flux de travail cliniques.

«Les flux de travail cliniques sont fragmentés et les médecins n’ont souvent pas les conseils ou les données en temps réel nécessaires pour prendre des décisions confiantes», a fait remarquer le PDG d’EvidenceCare Bo Bartholomew. «La plate-forme BetterCare d’EvidenceCare corrige cela en intégrant directement un soutien à la décision lorsque les médecins en ont le plus besoin – dans le DSE.»

À son avis, une des principales raisons pour lesquelles EvidenceCare se démarque de la compétition est parce qu’elle intègre ses conseils à l’intérieur du DSE afin que les médecins n’aient pas à changer de contexte. Ceci est un peu différent du modèle directement au médecin de Doxy et OpenEvidence, dans lequel les cliniciens accèdent aux outils en dehors du DSE, s’appuyant sur des applications ou des plateformes distinctes pour afficher des preuves au point de soins.

Pour Bartholomew, les médecins ne veulent pas seulement un accès facile – ils ont besoin d’une aide à la décision là où ils sont de cartographie ou de commande.

Qualité et profondeur des données

La plupart des entreprises de l’espace d’aide à la décision clinique mettent également en évidence leurs ensembles de données uniques comme facteur de différenciation. Ils semblent partager la conviction que celui qui possède les meilleures données créera les outils les plus fiables et les plus collants.

Par exemple, le PDG de Tempus, Eric Lefkofsky, a mis en évidence à la fois l’intégration du DSE et la qualité des données en tant qu’attributs qui aident son entreprise à se démarquer.

“Étant donné que nous avons agrégé l’une des plus grandes bases de données multimodales au monde, nous construisons et déploiez une série de solutions compatibles AI directement dans les DSE des hôpitaux à travers le pays dans le but de faire avancer les avantages de l’IA dans les soins de santé”, a-t-il déclaré.

Lefkofsky a souligné que les données de Tempus sont spéciales car elles sont multimodales. La plupart des sociétés d’aide à la décision clinique ont des données cliniques ou des données moléculaires / génomiques – mais Tempus a les deux, et il les relie activement au niveau du patient.

Cela signifie que l’IA de l’entreprise peut établir des liens entre les mutations génétiques d’un patient, ses analyses d’imagerie et ses antécédents médicaux – créant une vision plus holistique de sa maladie et de la réponse du traitement.

Un autre leader – le PDG de Pathai, Andy Beck – a également souligné l’importance de maintenir un ensemble de données robuste, diversifié et continuellement mis à jour.

«Nous nous associons à plus de 100 entreprises et laboratoires biopharmatiques, et nos modèles d’IA sont formés à des millions d’annotations d’experts. Notre réseau mondial de 500 pathologistes renforce à la fois la qualité et la pertinence clinique de notre travail», a fait remarquer Beck.

La société a récemment lancé un nouvel outil de pathologie formé à l’aide de centaines de millions de patchs d’image non marqués à environ 160 000 images à glissement entières dans plus de 30 zones de maladie, a-t-il ajouté.

Spécialisation vs généralisation

Les sociétés d’aide à la décision clinique doivent également s’attaquer à la question de savoir s’il faut se concentrer étroitement sur une spécialité spécifique ou s’attaquer à plusieurs domaines cliniques à la fois.

Certaines entreprises optent pour une spécialisation profonde. Par exemple, Pathai se concentre uniquement sur la pathologie numérique. Ses systèmes sont conçus spécifiquement pour les pathologistes, ce qui leur donne des informations qui peuvent soutenir à la fois les soins aux patients et le développement de médicaments. AIDOC se concentre uniquement sur les radiologues, leur fournissant des outils pour détecter rapidement les résultats critiques dans les images médicales.

En se concentrant sur un domaine, ces entreprises peuvent naviguer plus efficacement contre l’examen réglementaire et gagner la confiance avec les utilisateurs spécialisés.

Il existe également des généralistes, qui visent à résoudre un ensemble plus large de problèmes dans plusieurs domaines. Par exemple, Tempus utilise son ensemble de données multimodal pour relier les données cliniques, génomiques et d’imagerie dans le but ultime d’améliorer le diagnostic et le traitement dans l’ensemble du continuum de soins.

À mesure que le marché de l’aide à la décision clinique se développe, les gagnants seront probablement les entreprises qui combinent des données robustes et de haute qualité avec une intégration transparente et une accessibilité généralisée.

Les startups peuvent différer en ce qui concerne des facteurs tels que la spécialisation, les plateformes généralistes ou la distribution directe au médecin, mais un élément est commun à tous: leur intention de réduire les charges de travail des cliniciens tout en fournissant des informations utiles. Les prochaines années montreront quelles stratégies résonnent le plus auprès des médecins et des chercheurs.

Photo: boy_anupong, images getty