Créée en 2018 par un médecin, un ingénieur spécialisé en IA et un business developper, AZmed a pour objectif d’optimiser le flux de travail des médecins et s’est spécialisée sur l’imagerie médicale, en particulier la radiologie. La startup a développé Rayvolve, un outil d’aide au diagnostic de fractures, basé sur l’IA. Il permet aux radiologues de travailler plus rapidement, avec plus de précisions, pour gagner en sérénité dans leurs tâches. AZmed a par ailleurs fait partie du programme d’accélération du prestigieux Techstars, et est dans le classement des « 100 startups où investir en 2020 » du magazine Challenges.

Benjamin Melloul, responsable du développement partenariat chez AZmed, raconte :

« Nous avons des besoins importants en capacité de calcul, à la fois pour entraîner nos algorithmes mais aussi les développer et les mettre en production. Ces entraînements s’appuient sur un nombre d’images anonymisées exponentiel que nous stockons sur des serveurs agréés HDS (comme AWS). Dans le même temps, nous souhaitons nous développer et proposer notre solution partout en France et à l’international. Nous avions besoin d’une solution qui nous libère des contraintes, à la fois en scalant à l’infini et en nous affranchissant de la géographie ».

Problématiques :

  • Développer de nouveaux algorithmes
  • Pouvoir faire de la R&D en permanence, sans contrainte de disponibilité
  • Se développer en étant libéré des contraintes géographiques
Rayvolve by AZmed

 Pour Benjamin Melloul, « la détection de fractures est l’un des enjeux majeurs de la nouvelle génération de radiologues. C’est un examen de première intention, chronophage, rébarbatif. On a créé Rayvolve pour faire gagner les médecins en rapidité, et leur permettre de se consacrer davantage aux diagnostics complexes ». Lorsque l’on sait que la radiographie traumatique représente 60 % des radiographies standards réalisées, et que la proportion de radiologues stagne malgré un nombre d’actes en augmentation, l’enjeu est d’autant plus important. En aidant à la détection de fractures, Rayvolve permet aux radiologues de réduire le temps d’interprétation de 36 %.

Rayvolve participe aussi à réduire le nombre d’erreurs de diagnostic de 20 %. « Dans le flux d’images à analyser chaque jour par les radiologues, certaines fractures peuvent passer inaperçues, explique Benjamin Melloul. Sur 100 images, quasiment 90 % ne montrent pas de fracture ». Le contexte global influence également l’analyse. « Quand le patient se présente, il souffre sur une zone précise. Nous sommes dans un contexte d’urgence ou le temps est précieux. Le radiologue n’a pas forcément le temps de regarder ailleurs et va concentrer son attention principalement sur la zone douloureuse, et il peut rater d’éventuelles fractures périphériques. Comme le logiciel ne prend pas en compte le contexte, il analyse la radio dans son ensemble ».

Rayvolve a obtenu le marquage CE en 2019, indispensable à sa commercialisation. « Nous sommes la première entreprise française à l’obtenir pour un logiciel d’intelligence artificielle appliquée à la radiographie standard ».

Chaque établissement de santé dispose d’un système PACS, qui permet de connecter toutes les machines de radiologie à la plateforme d’interprétation des praticiens. Il collecte les images générées, les transfère sur l’ordinateur du radiologue, les archive avec les informations sur le patient, l’examen, le médecin qui l’a pratiqué…

« Rayvolve se connecte au PACS, télécharge les images générées et les duplique. Il transpose sa prédiction sur l’image dupliquée puis renvoie le tout au radiologue en quelques secondes ».

Le radiologue voit ainsi une première image, l’originale non retouchée, puis l’image avec la prédiction. « Ce système permet au radiologue de ne rien changer à ses habitudes et de ne pas être influencé par les prédictions du logiciel. Libre à lui de réaliser sa première interprétation seul et de consulter la prédiction pour avoir une information supplémentaire », indique Benjamin Melloul.

L’intégration d’AWS au cœur de l’écosystème startup et la possibilité d’avoir des crédits pour utiliser les services en tant que membre du programme Activate ont été des atouts décisifs dans le choix d’AZmed de se tourner vers AWS.

« Nous utilisons principalement Amazon EC2, Amazon VPC, Amazon S3Amazon Cloudwatch et Amazon ECR. Ces services nous permettent de mieux monitorer, nous connecter aux réseaux (souvent avec VPN) des hôpitaux, gérer nos containers et avoir des capacités de calculs avec GPUs. Nos besoins sont importants pour à la fois entraîner nos algorithmes et pour les mettre en production. Nous avons des capacités de calcul en interne, mais elles sont limitées. Si nous avons besoin de réaliser d’importants travaux de R&D, de mettre en production l’algorithme à grande échelle, et que nos capacités de calcul sont saturées en interne, plutôt que d’être bloqué et de devoir attendre la fin de certaines tâches, on se déporte sur AWS. On sait que l’architecture va scaler et nous permettre de réaliser tous les travaux de manière quasiment infinie. Ça nous offre une capacité d’opérabilité importante », apprécie Benjamin Melloul.

« Les algorithmes de Deep Learning ont besoin d’une quantité importante d’images pour s’entraîner, et être très performants. Nous cherchons constamment à les optimiser ». Sur la quinzaine de collaborateurs d’AZmed, la moitié se consacre 100 % à la technique et cherche des moyens d’améliorer les performances, via des tests, des nouvelles architectures pour les algorithmes… AZmed effectue un travail de R&D permanent, utilisant plus de 500 000 radiographies pour entraîner leurs algorithmes. « Leur diversité est aussi importante et c’est notamment en multipliant des partenariats qu’elles peuvent être obtenues, poursuit Benjamin. Nous en avons aujourd’hui noué une cinquantaine, avec des établissements de santé publics et privés ».

Le fait qu’AWS soit agréé hébergeur de données de santé (HDS) a également compté. « On ne collecte pas de données personnelles. Réglementairement, rien ne nous oblige à utiliser un hébergement certifié HDS, mais c’est une sécurité supplémentaire qu’on s’est imposé pour rassurer nos partenaires, et également pour sécuriser nos données. Ce patrimoine de données, c’est le nerf de la guerre dans l’IA. On préfère le préserver et le conserver sur un hébergeur agréé pour plus de sécurité ».
 

Rayvolve by AZmed et AWS

 Rayvolve fonctionne de deux manières : en local au sein de l’établissement de santé, et à distance via le cloud AWS. « On a aujourd’hui des perspectives d’évolution sur l’ensemble du territoire français comme à l’international. AWS nous offre la possibilité de réaliser des actions et partenariats avec des centres de santé dans des régions éloignées de la nôtre. Si on devait fonctionner uniquement en local, les frais de déplacement et le temps à dégager seraient conséquents. Cette organisation avec AWS nous permet d’envisager plus rapidement les partenariats. Dans le contexte pandémique actuel, se déplacer dans les hôpitaux et établissements de santé pour y installer nos logiciels est compliqué. Avec le cloud, depuis nos bureaux, on peut réaliser les installations, se connecter à distance au logiciel des établissements de santé, accéder à nos prédictions, gérer les dispositifs à distance… AWS facilite notre déploiement sur l’ensemble du territoire et à l’international ».

  • 500 000 images analysées pour entraîner l’algorithme
  • 5 To de données stockées
  • 25 nouveaux partenariats avec des établissements de santé partout dans le monde grâce à AWS