Il y a neuf ans, dans un espace de coworking animé, nous avons commencé par poser une question simple mais puissante : pourquoi les tests de diagnostic n’évoluent-ils pas à la même vitesse que la technologie grand public ? Entre les bières froides et les présentations de startups, nous avons commencé à élaborer une vision qui remettrait en question toutes les hypothèses sur la manière dont les données diagnostiques pourraient transformer les soins contre le cancer.
Voici trois leçons cruciales que j’ai apprises en développant les diagnostics basés sur l’IA dans le domaine de la santé :
Le problème : Les soins de santé se noient sous les données et sont avides d’informations. Les médecins sont invités à jongler avec plusieurs interfaces système, à digérer d’innombrables directives cliniques et, d’une manière ou d’une autre, à passer du temps de qualité avec les patients. Il n’y a tout simplement pas assez de temps dans la journée.
Pensez à la façon dont Google Maps est passé d’un atlas numérique statique à un système de navigation intelligent qui façonne la façon dont des millions de personnes se déplacent dans les villes en temps réel. De même, même si la collecte de centaines de pétaoctets de données en oncologie était sans précédent, notre véritable avancée est venue de la transformation de la manière dont ces données pouvaient guider de manière transparente les décisions cliniques.
Notre solution : Nos aspirations allaient au-delà du simple rapport sur les biomarqueurs exploitables. Nous voulions créer quelque chose qui donnerait l’impression d’avoir un brillant assistant de recherche travaillant 24 heures sur 24 et 7 jours sur 7 pour chaque médecin. Mais pour y parvenir, nous avons dû résoudre simultanément deux défis majeurs :
- Construire un laboratoire de séquençage de nouvelle génération à haut débit, capable de produire des informations moléculaires dans des délais rapides
- Créer un système qui pourrait s’intégrer de manière transparente aux dossiers médicaux électroniques pour transformer des données cliniques désordonnées et non structurées en informations exploitables
Même si cette approche à deux volets semblait intimidante, elle était essentielle pour nous. Pour véritablement aider les médecins à identifier les options de traitement les plus pertinentes pour leurs patients, nous avions besoin de plus que de simples données génomiques provenant de notre laboratoire. Nous devions comprendre le contexte clinique complet du patient : ses antécédents de traitement, ses comorbidités et d’innombrables autres facteurs qui influencent des éléments tels que l’éligibilité aux essais cliniques. Cette approche globale est devenue notre différenciateur.
Les « experts » avaient toute une liste de raisons pour lesquelles notre vision ne fonctionnerait pas : « L’intégration du DME est impossible ». “Les hôpitaux ne partageront jamais de données.” “Les médecins ne feront pas confiance à l’IA.” « Les obstacles réglementaires sont trop élevés. » Nous avons tout entendu.
Notre naïveté s’est avérée être un super pouvoir. Pendant que d’autres élaboraient des solutions ponctuelles qui fonctionnaient autour de l’intégration du DME, nous nous y sommes attaqués de front. Notre première intégration réussie a été un moment décisif – non pas parce que la technologie était révolutionnaire, mais parce qu’elle a prouvé que « l’impossible » n’était en réalité qu’un travail difficile que personne n’était prêt à accomplir.
L’effet domino qui a suivi a été remarquable. D’autres hôpitaux, voyant notre système intégré en action, n’ont pas eu besoin d’imaginer un monde futur : il existait déjà. Les médecins qui étaient sceptiques quant à une autre solution technologique sont devenus des défenseurs lorsqu’ils ont vu comment nous pouvions présenter des essais cliniques et des options de traitement pertinents sans perturber leur flux de travail. Les chercheurs, en manque de données réelles, ont soudainement eu accès à des informations structurées et exploitables.
Pensez à la façon dont Apple Pay a transformé les paiements, non pas en créant de nouveaux systèmes bancaires, mais en faisant en sorte que les systèmes existants fonctionnent ensemble de manière transparente. Dans le domaine de la santé, la meilleure technologie devient souvent invisible. Cela devrait moins ressembler à la mise en œuvre d’un nouveau système qu’à donner aux médecins un super pouvoir dont ils ignoraient avoir besoin.
Chaque fonctionnalité que nous développons doit passer trois tests critiques :
- Cela améliorera-t-il de manière mesurable les résultats pour les patients ?
- Est-ce que cela facilite considérablement la vie d’un médecin ?
- Cela peut-il s’intégrer de manière transparente aux flux de travail cliniques existants sans ajouter de complexité ?
Nous avons investi massivement dans l’amélioration des flux de travail qui ont rendu notre infrastructure invisible tout en fournissant des informations cliniques différenciées. Au lieu de demander aux médecins d’apprendre de nouveaux systèmes ou de saisir manuellement des données, nous mettons la technologie à profit en coulisses. Notre plateforme prend en charge les dossiers médicaux non structurés et les transforme en informations structurées et exploitables, le tout sans nécessiter de travail supplémentaire de la part des prestataires de soins de santé.
Le point culminant de cette approche est Première foisnotre application d’IA qui permet aux utilisateurs de poser simplement des questions sur leurs données.
C’est la différence entre devoir apprendre une nouvelle langue et pouvoir avoir une conversation dans sa langue maternelle. Cette capacité invisible crée un fossé difficile à reproduire, car il ne s’agit pas seulement de technologie, mais aussi d’intégration transparente dans le flux de travail des soins de santé.
Voici ce que j’ai appris : les innovations les plus transformatrices commencent souvent par des questions qui semblent naïves aux vétérans de l’industrie, mais qui remettent fondamentalement en question le fonctionnement des choses.
Ne demandez pas « Comment pouvons-nous améliorer ce processus de 10 % ? » Demandez : « Pourquoi ce processus existe-t-il ? » N’acceptez pas « c’est comme ça que ça a toujours été fait » comme réponse. Les entreprises les plus valorisées de la prochaine décennie ne se contenteront pas d’améliorer progressivement les soins de santé : elles les réinventeront entièrement.
À ceux qui ont le courage de développer les soins de santé : votre plus grand atout pourrait être votre point de vue extérieur. Utilisez-le. Remettez tout en question. Soyez assez naïf pour essayer ce que les autres disent impossible, et assez têtu pour continuer quand ils ont tort. Les problèmes sont difficiles, les parties prenantes sont complexes et les réglementations sont intimidantes – mais c’est précisément pourquoi les opportunités sont si énormes.
#zéro #lintroduction #bourse #comment #nous #avons #construit #une #entreprise #diagnostic #dIA #multimilliardaire #brisant #les #normes #conventionnelles #Ryan #Fukushima #janvier