L’industrialisation d’un modèle IA pour en faire un dispositif médical implique de franchir de nombreux obstacles techniques et réglementaires. Découvrez cette conférence d'Intrasense lors de la conférence MedTech_IA, la conférence organisée par Flint et KYomed INNOV.
.png)
L’industrialisation d’un modèle IA pour en faire un dispositif médical implique de franchir de nombreux obstacles techniques et réglementaires. En passant des essais en laboratoire à un produit déployé dans les hôpitaux, les développeurs doivent composer avec des exigences strictes. Lors de la conférence MedTech_IA organisée par Flint et KYomed INNOV, Nicolas Di Francesco (QARA Manager) et Frédéric Champ (CTO) chez Intrasense nous présentent un retour d'expérience sur la transformation des prototypes de recherche en dispositifs médicaux prêts à l’usage.
Les modèles d’intelligence artificielle en MedTech proviennent souvent de projets de recherche, mais ils doivent être adaptés pour répondre aux exigences cliniques et réglementaires des dispositifs médicaux. L’IA en radiologie, par exemple, doit fournir des résultats rapides et fiables pour être adoptée par les professionnels de santé. Cette transformation en produit médical se déroule en plusieurs étapes pour garantir qu’il soit :
L’industrialisation d’une IA pour un usage médical repose sur des méthodologies de design control et des étapes de validation de chaque spécification technique.
Pour un produit MedTech conforme aux standards européens, chaque exigence clinique est transformée en requirements techniques avec traçabilité complète. Par exemple, un modèle d’IA pour la détection de lésions en oncologie doit définir :
Les modèles 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 modèles IA, l'exécution sur CPU offre des gains financiers significatifs par rapport aux GPU, tout en maintenant une précision élevée.
Pour garantir la sécurité et la qualité des dispositifs médicaux, un modèle d’IA MedTech doit être conforme aux normes ISO et IEC applicables aux dispositifs médicaux logiciels.
La conformité aux normes MedTech, comme l’ISO 13485, assure une gestion stricte de la qualité. Dans le domaine de l’IA, cela inclut :
Les modèles d’intelligence artificielle doivent respecter des pratiques rigoureuses en termes de sûreté logicielle, telles que celles définies par la norme IEC 62304. Cela implique des tests de régression réguliers et des contrôles de sécurité sur chaque composant du modèle.
Une fois le modèle d’IA optimisé, il est intégré dans une architecture cloud robuste et interopérable, un prérequis pour tout produit MedTech déployé à large échelle.
Pour une IA en MedTech, la scalabilité est essentielle. Grâce à des conteneurs Docker et l’orchestration par Kubernetes, chaque composant de l’algorithme peut être géré et adapté aux besoins en ressources.
L’IA en santé doit pouvoir échanger des informations en toute sécurité avec les systèmes hospitaliers. Intrasense a implémenté une solution compatible avec les normes DICOM et HL7, utilisant un agent local pour pseudonymiser et crypter les données médicales avant leur transfert.
Les données patient sont pseudonymisées pour garantir le respect des normes RGPD et éviter les fuites de données sensibles.
Les projets MedTech basés sur l’intelligence artificielle nécessitent une gestion rigoureuse des coûts pour éviter de pénaliser les établissements de santé. Des pratiques de FinOps sont appliquées pour réduire les frais de fonctionnement.
Ces optimisations garantissent une rentabilité et un équilibre entre performance et coût, essentielles pour l’IA en production dans le secteur MedTech.
L’industrialisation d’un modèle d’intelligence artificielle pour la MedTech représente un défi technique et réglementaire. Ce processus implique une gestion minutieuse des exigences cliniques, des réglementations de sécurité, et de la scalabilité de l’infrastructure cloud pour garantir une adoption large et réussie dans les hôpitaux. Avec une combinaison de technologies avancées, de conformité ISO/IEC, et de pratiques FinOps rigoureuses, des entreprises comme Intrasense ouvrent la voie vers des dispositifs médicaux IA fiables et accessibles.
En conclusion, intégrer l’intelligence artificielle dans les produits MedTech nécessite non seulement des modèles IA performants, mais aussi une maîtrise des processus d'optimisation et de conformité pour en faire des dispositifs médicaux véritablement utiles en clinique.
Si vous souhaitez continuer d'échanger sur l'intégration de l'IA / Gen AI dans la medtech, contactez-nous. Nous sommes toujours disponibles pour un café 😉
.png){kind=small}
