Autorisation FDA Aidoc CARE : 11 indications de triage CT
L'autorisation FDA d'Aidoc CARE, annoncée le 22 janvier 2026, ajoute 11 nouvelles indications à la solution de triage par IA d'Aidoc et en fait un outil de triage par scanner du corps entier pour les services d'urgence et les structures ambulatoires. Les 11 indications reposent sur CARE, le modèle de fondation d'Aidoc, et ont atteint 97 % de sensibilité moyenne et 98 % de spécificité moyenne dans l'étude examinée par la FDA. Pour les hôpitaux, le logiciel réordonne la file de radiologie pour que les scanners des patients les plus graves soient lus en premier.
Pourquoi les urgences avaient besoin d'une autre file de scanners
Le cas d'Aidoc commence par une file d'attente, pas par un scanner. L'entreprise soutient que le goulot d'étranglement des services d'urgence est le système de file d'attente plutôt que l'imagerie elle-même, parce que la plupart des établissements lisent encore les examens selon le principe du « premier arrivé, premier servi ».
Dans cet ordre, le scanner d'un patient gravement malade peut attendre derrière des examens de routine jusqu'à ce qu'un radiologue y arrive. Aidoc, une entreprise d'IA clinique fondée en 2016, s'est donné pour but de corriger l'engorgement que cela crée dans les services d'urgence et les cabinets.
Ce que la FDA a autorisé le 22 janvier 2026
Le 22 janvier 2026, Aidoc a annoncé que la Food and Drug Administration avait autorisé 11 nouvelles indications pour sa solution de triage. Avant cette décision, l'entreprise avait trois indications autorisées pour l'imagerie par scanner. Elle propose désormais ce qu'elle appelle une solution complète de triage par scanner du corps entier pour les services d'urgence et les structures ambulatoires.
Les nouvelles indications reposent sur CARE, pour Clinical AI Reasoning Engine, qu'Aidoc a conçu elle-même et qu'elle décrit comme le premier modèle de fondation autorisé dans la santé. CARE réunit un total de 14 indications dans un seul flux de travail, si bien qu'un hôpital n'a plus à raccorder un outil distinct à chaque constat aigu.
Comment le triage par IA fonctionne dans un service de radiologie
Le logiciel lit d'abord chaque examen. Au lieu du premier entré, premier sorti, la solution de triage d'Aidoc priorise les examens selon sa première revue des images, et les études avec des constats aigus suspectés montent dans la file pour être revues par les radiologues.
Le radiologue pose toujours le diagnostic. L'IA change l'ordre du travail pour que les patients gravement malades atteignent plus vite un lecteur. Le triage tourne sur Aidoc aiOS, la plateforme d'IA d'entreprise de la société, qui détecte un large éventail de pathologies aiguës pour les services d'urgence et les prestataires ambulatoires. Sur son site européen, Aidoc dit qu'aiOS s'intègre aux systèmes hospitaliers existants comme le PACS, le dossier médical, le RIS et la planification, et n'exige aucun clic supplémentaire des radiologues.
« La possibilité de réunir les principales pathologies aiguës dans un seul flux de travail est un changement fondamental dans le fonctionnement des services de radiologie. » — Dre Heidi Beilis, directrice médicale du diagnostic chez WellSpan Health
Ce que l'étude examinée par la FDA a mesuré
Le résultat mesuré vient de l'étude que la FDA a examinée. Les indications les plus récentes d'Aidoc ont atteint une sensibilité moyenne de 97 % et une spécificité moyenne de 98 %, selon l'entreprise.
Aidoc affirme que cela rend les nouvelles indications plus précises que les autres solutions du marché et qu'elles produisent moins de fausses alertes. Cette comparaison est celle de l'entreprise. Les sources ne donnent pas de délais de traitement d'hôpitaux américains utilisant les nouvelles indications. Le site européen d'Aidoc cite une réduction du délai de traitement de 5,2 jours et dit que sa plateforme analyse 60 millions d'examens par an, sans préciser où ces chiffres ont été mesurés.
Ce que cela change pour les services de radiologie des hôpitaux
Pour un système de santé, la tâche de CARE est d'ordonner la liste de lecture selon le besoin médical. Cela compte surtout là où le volume d'examens dépasse le nombre de radiologues de garde, et où un constat aigu manqué coûte cher au patient et à l'hôpital.
Une fausse alerte coûte du temps de radiologue ; les 98 % de spécificité comptent donc autant que la sensibilité : moins de faux positifs signifie moins d'examens passés devant les autres sans raison. Un seul modèle autorisé couvrant 14 indications signifie aussi une seule évaluation de fournisseur et une seule intégration au lieu de plusieurs. WellSpan Health dit avoir intégré de nombreux outils d'IA dans ses activités d'imagerie et que cette solution de triage répond à la façon dont elle gère le flux de travail et le délai de diagnostic des pathologies aiguës.
La suite pour les projets d'Aidoc en scanner et en radiographie
Aidoc prévoit d'étendre ses solutions d'imagerie par IA à tous les flux de travail de scanner et de radiographie dans les 18 prochains mois, ont dit ses dirigeants dans le communiqué de l'entreprise. Elle développe aussi une solution qui rédige des comptes rendus pour les prestataires. Ce sont des projets, pas des résultats.
L'entreprise a les moyens de ce travail. En juillet, elle a levé 150 millions de dollars de nouveaux financements soutenus par General Catalyst et Square Peg, avec NVentures, le bras de capital-risque de Nvidia, et les systèmes de santé américains Sutter Health, Hartford, Mercy et WellSpan.
Questions et réponses
Qu'est-ce qu'Aidoc CARE ?
CARE, le Clinical AI Reasoning Engine, est le modèle de fondation d'Aidoc pour l'imagerie médicale. L'entreprise dit que c'est le premier modèle de fondation autorisé dans la santé, et il alimente désormais 14 indications de triage dans un seul flux de travail.
Quelle est la précision de la solution de triage d'Aidoc ?
Dans l'étude examinée par la FDA, les 11 nouvelles indications ont atteint une sensibilité moyenne de 97 % et une spécificité moyenne de 98 %, selon Aidoc.
L'IA remplace-t-elle le radiologue ?
Non. Le logiciel examine d'abord les images et fait monter les cas aigus suspectés dans la file, et les radiologues examinent les examens et posent le diagnostic.
Le regard de MOZGII
Comment nous le construirions
La partie de la médecine où les logiciels aident le plus aujourd'hui est la file de travail : quel examen, quel patient et quel message atteint un clinicien en premier. Le cas d'Aidoc en est un exemple net. Le modèle ne diagnostique pas. Il décide de l'ordre dans lequel les humains regardent, et c'est une décision qu'un hôpital peut auditer.
Si nous construisions cela, nous partirions des données qu'une liste de lecture contient déjà : l'examen, l'heure d'arrivée, le service prescripteur et le compte rendu final signé par un radiologue. Nous utiliserions les comptes rendus signés pour étiqueter quelles études étaient vraiment aiguës, et nous réentraînerions et revérifierions le modèle à partir d'eux chaque mois. Des radiologues examineraient chaque cas signalé, et un chef de service serait responsable des règles sur la distance dont une étude signalée peut remonter la file.
Ça casserait à deux endroits. Une fausse alerte place un examen de routine devant un patient malade, et un constat manqué laisse un cas aigu attendre dans l'ancien ordre. Les deux empirent quand un hôpital change de scanners ou de protocoles et que les images s'éloignent de ce que le modèle a vu à l'entraînement. L'indicateur que nous suivrions est le délai entre l'examen et le compte rendu pour les cas aigus confirmés, mesuré avant et après la mise en service.
Ensuite, nous construirions l'étape après la lecture : un outil qui envoie le constat confirmé au bon spécialiste de garde et enregistre quand cette personne l'a vu.
Sources
D’où viennent les faits de cet article.