Aidoc fournit un système d'exploitation d'IA clinique au niveau de l'entreprise, aiOS™, avec le plus grand portefeuille d'algorithmes d'IA approuvé par la FDA sur une seule plateforme, couvrant les quatre principaux domaines de la radiologie, de la chirurgie cardiovasculaire, neurovasculaire et vasculaire. Il a été déployé dans plus de 1 600 établissements médicaux à travers le monde et il a été prouvé qu'il réduisait le délai de notification d'une embolie pulmonaire de 31 % et le temps de ponction d'un accident vasculaire cérébral de 34 %.

Aidoc : Plateforme révolutionnaire du système d'exploitation d'IA clinique et guide de mise en œuvre pour le service de radiologie

Paramètres de base et statistiques d'Aidoc

Le principal obstacle concurrentiel d'Aidoc ne réside pas dans la précision d'un seul algorithme, mais dans l'avantage architectural d'« une plate-forme unique contenant la plus grande combinaison d'algorithmes d'IA approuvés par la FDA ». Les paramètres suivants reflètent son positionnement en tant qu’infrastructure d’IA clinique de niveau entreprise :

Éléments de paramètres	Informations publiques
Positionnement du produit	Système d'exploitation d'IA clinique au niveau de l'entreprise, radiologie et analyse d'images multi-spécialités
Plateforme principale	aiOS™ (système d'exploitation IA)
Nombre d'algorithmes approuvés par la FDA	La plus grande combinaison sur une seule plateforme (les chiffres spécifiques ne sont pas divulgués, y compris les algorithmes propres et partenaires)
Spécialités couvertes	Radiologie cardiovasculaire, neurovasculaire, chirurgie vasculaire
Couverture des patients	Couvre environ 75 % de la population de patients dans les établissements déployés
Déploiement mondial	Plus de 1 600 établissements médicaux (y compris les hôpitaux communautaires et les grands centres universitaires)
Modèle économique	Abonnement annuel Entreprise + frais de licence du module d'algorithme
Amélioration du délai de notification en cas d'embolie pulmonaire	31 % plus court (par rapport à la ligne de base sans IA)
Temps de perforation amélioré	Raccourci de 34 % (environ 38 minutes), élargissant directement la fenêtre de traitement thrombolytique
Établissement/Siège social	Créé en 2016 / États-Unis (Centre de R&D d'Israël)
Normes d'intégration de base	Station d'accueil HL7 FHIR, DICOM et PACS/DSE grand public

Interprétation des paramètres : Le nombre d'algorithmes approuvés par la FDA constitue le principal atout dans le domaine de l'IA clinique : chaque algorithme supplémentaire approuvé signifie qu'un scénario de maladie supplémentaire peut être inclus dans l'analyse automatisée de l'IA. La stratégie d’Aidoc ne consiste pas à rechercher la précision maximale d’un seul algorithme, mais à étendre rapidement les types de maladies couvertes par la plateforme. La couverture des patients à 75 % signifie que dans les hôpitaux qui ont déployé aiOS, la plupart des examens d’imagerie peuvent être analysés par au moins un algorithme d’IA, plutôt que de couvrir uniquement des services spécifiques.

Différences de positionnement avec les produits concurrents : Aidoc, Viz.ai et PathAI représentent trois voies différentes de commercialisation de l'IA clinique. La comparaison suivante révèle leurs compromis stratégiques respectifs :

Dimensions comparatives	Aidedoc	Visualisation.ai	CheminAI
Stratégie de base	Couverture multi-algorithmes basée sur une plateforme	Pénétration profonde dans une seule maladie (accident vasculaire cérébral)	Pathologie IA + recherche et développement de médicaments
Utilisateurs cibles	Radiologie + multi-spécialité	Spécialité neuro/vasculaire	Pathologie + sociétés pharmaceutiques
Couverture de l'algorithme FDA	Le plus grand portefeuille	Focus sur les neurovasculaires	Focus sur le diagnostic pathologique
Ouverture de la plateforme	Accès ouvert aux algorithmes tiers	Ecologie fermée	Ouverture limitée
Institutions concernées	Grands groupes médicaux	Centres d'AVC	Laboratoires de pathologie/sociétés pharmaceutiques
Chemin d'expansion	Étendre horizontalement les types de maladies	Approfondir verticalement le flux de travail	Approfondir verticalement la pathologie AI

Utilisateurs et reconnaissance du marché d'Aidoc

La reconnaissance d'Aidoc sur le marché repose sur les trois piliers « indicateurs cliniques vérifiables + capacité installée à grande échelle + accumulation de conformité réglementaire » plutôt que sur la pure réputation de la marque.

• Densité installée de plus de 1 600 établissements : les clients couvrent tout le spectre, des hôpitaux communautaires aux grands centres médicaux universitaires. Des exemples publics de partenariats incluent le système de santé de St. Luke, Yale New Haven Health, Renown Health, Wake Forest Baptist Health et d'autres. Dans le domaine de l’IA en radiologie, la capacité installée est la première au monde. Points de vérification : La capacité installée n'est pas égale au taux d'utilisation actif. Le taux d’adoption réel du diagnostic assisté par l’IA doit être évalué sur la base des appels mensuels d’algorithmes actifs de chaque institution.

• Améliorations quantifiables des indicateurs cliniques : Les indicateurs d'efficacité fournis par Aidoc ont des implications cliniques claires : une réduction de 31 % du temps de notification d'embolie pulmonaire signifie que le temps écoulé entre la fin de l'imagerie et la connaissance par l'équipe clinique du résultat positif est réduit d'environ 60 minutes à environ 40 minutes ; le temps « porte-à-ponction » pour les patients victimes d'un AVC est raccourci de 34 % (environ 38 minutes). Dans un scénario d’accident vasculaire cérébral ischémique aigu, chaque minute raccourcie peut signifier que davantage de tissu cérébral est économisé. Ces mesures, dérivées d’études réelles plutôt que de simulations en laboratoire, sont essentielles pour persuader les hôpitaux de faire des achats.

• Avantage du premier arrivé en matière de conformité réglementaire : Expérience mature accumulée dans le processus de dépôt FDA 510(k), y compris la gestion des changements d'algorithmes, la surveillance continue des performances et les processus de recertification. Pour les hôpitaux, cela signifie un risque moindre d’examen réglementaire : le système de conformité d’Aidoc a été vérifié par plusieurs séries d’examens de la FDA, plutôt que par un dépôt de démarrage pour la première fois.

• Industry Standards Guidance : le cadre des lignes directrices BRIDGE fournit aux établissements médicaux une méthodologie systématique de mise en œuvre de l'IA, couvrant les quatre étapes d'évaluation, d'intégration, de vérification et de surveillance. Le programme de formation AI Path s'étend de « l'achat de logiciels » à la pleine responsabilisation des « opérations cliniques ». Cette stratégie consistant à « vendre de la méthodologie plutôt que de simples logiciels » réduit la résistance décisionnelle des grands hôpitaux dans le déploiement de l'IA.

Avertissement sur les risques de marché : La concurrence sur le marché de l'IA clinique s'intensifie : des géants tels que Google Health et Nuance (Microsoft) accélèrent le déploiement de l'IA en radiologie, tandis qu'un grand nombre de startups se disputent également l'approbation de la FDA dans des domaines de maladies segmentés. La capacité de la stratégie de plate-forme d'Aidoc de continuer à attirer des algorithmes tiers dépend de la question de savoir si la valeur de distribution de la plate-forme est supérieure aux revenus directs des ventes indépendantes.

Avantages financiers d'Aidoc

La structure de coûts d'Aidoc est entièrement orientée vers les institutions médicales plutôt que vers les consommateurs individuels, de sorte que sa définition de « l'avantage de coût » est complètement différente de celle des produits d'IA C-end : elle n'est pas mesurée par le prix unitaire, mais par le retour sur l'amélioration de l'efficacité (ROI) par rapport aux flux de travail traditionnels.

Côté C/utilisateurs individuels : Aidoc ne propose pas de produits indépendants pour les particuliers. Les patients ne peuvent pas souscrire ou acheter directement ses services d'analyse par IA, et tous les diagnostics assistés par IA sont délivrés indirectement par les institutions médicales qui ont déployé aiOS. Cela contraste avec le service de notification directe de Viz.ai pour les patients.

Développeurs/fournisseurs d'algorithmes tiers : le programme de partenariat d'Aidoc permet aux développeurs d'algorithmes d'IA tiers de connecter leurs algorithmes à la plate-forme aiOS pour la distribution. Les termes du partenariat ne sont pas divulgués et impliquent généralement un modèle de partage des revenus et une répartition des responsabilités en matière de conformité. Pour les équipes informatiques des hôpitaux, aiOS fournit des interfaces d'intégration système standards (HL7 FHIR, DICOM), mais n'ouvre pas la tarification publique des API aux développeurs indépendants. Il s'agit d'un seuil implicite pour les petites startups qui souhaitent développer leurs propres algorithmes : elles doivent répondre à la fois aux normes d'accès à la technologie d'Aidoc et aux exigences de conformité de la FDA.

Entreprise/établissement médical (répartition des coûts à trois niveaux) :

Hiérarchie des coûts	Éléments de coût	Portée de l'estimation	Descriptif
Licence de base de la plateforme	Utilisation de la plateforme aiOS + module IA de base	Classé selon la taille de l'hôpital et le volume annuel d'imagerie, non divulgué	Comprend l'exploitation et la maintenance de la plateforme, le support technique et les algorithmes de base
Frais du module d'algorithme	Activation par spécialité/domaine pathologique	Chaque module est tarifé séparément, non divulgué	Les hôpitaux peuvent s'activer progressivement par étapes, en commençant par la radiologie puis en s'étendant au cardiovasculaire
Mise en œuvre et formation	Intégration système + conception de workflow + formation d'équipe	Frais uniques, fluctuant selon la complexité de l'organisation	Comprend l'accueil PACS/DSE, la configuration des règles, la formation aux rôles
Entretien annuel	Support continu + mises à jour des algorithmes + maintenance de la conformité	Généralement 15 à 25 % de la licence de base	Inclut la prise en charge de la gestion des changements FDA et les mises à niveau de version

Trois points clés des coûts cachés :

1. Coût d'adaptation de l'intégration : La complexité de l'intégration d'aiOS avec le PACS/DSE existant de l'hôpital dépend du degré de standardisation du système. Les hôpitaux basés sur une ancienne liste de travail de modalités DICOM ou des interfaces HL7 non standard peuvent nécessiter un middleware supplémentaire ou un développement personnalisé, et ce coût est souvent exposé lors de la phase de mise en œuvre.
2. Coût du changement de flux de travail : le diagnostic assisté par l'IA n'est pas « installé et efficace ». Les radiologues ont besoin de temps pour s'adapter au fonctionnement de l'étiquetage de l'IA, et la « fatigue des alarmes » (une diminution de la confiance provoquée par un trop grand nombre de faux positifs) au stade initial est un défi courant qui doit être atténué grâce au réglage des seuils et à la formation.
3. Coût de changement d'algorithme : Une fois qu'un hôpital est profondément lié à l'écosystème aiOS (le workflow, les règles de notification et la gestion du suivi sont tous basés sur cette plateforme), le coût de migration des données et de reconstruction du workflow lors du passage à une plateforme concurrente est extrêmement élevé. Cet effet de verrouillage profite aux fabricants, mais il limite le pouvoir de négociation à long terme des hôpitaux.

Déduction du retour sur investissement : en prenant comme exemple un hôpital de taille moyenne avec un volume annuel d'examens d'imagerie de 150 000, si l'aide de l'IA permet aux radiologues de traiter 15 % de cas en plus par jour (réduction d'environ 0,5 à 1 des besoins en main-d'œuvre à temps plein), les coûts de main-d'œuvre annuels seront économisés d'environ 300 000 à 600 000 USD (estimé sur la base du salaire annuel des radiologues américains de 300 000 à 500 000 USD). Sur la base de ce calcul approximatif, lorsque les frais de licence annuels de la plateforme sont compris entre 200 000 et 400 000 USD, le retour sur investissement peut être positif en 1 à 2 ans. Toutefois, cette déduction repose sur une estimation de données statistiques publiques, et non sur un engagement officiel de l’Aidoc, et n’inclut pas les coûts de mise en œuvre et les frais de maintenance.

Principales fonctions d'Aidoc

Le système fonctionnel d'Aidoc est conçu autour du lien complet « analyse d'image → priorisation → notification interdisciplinaire → gestion fermée », plutôt que de se concentrer sur la détection par IA d'une seule image.

• Système d'exploitation IA d'entreprise aiOS (cœur de la plateforme) : orchestration et gestion unifiées du flux de travail de tous les algorithmes d'IA. Prend en charge l'exécution parallèle de plusieurs algorithmes : le même scanner peut être analysé simultanément par l'algorithme d'embolie pulmonaire, l'algorithme de pneumothorax et l'algorithme de calcium de l'artère coronaire, et les résultats sont résumés dans une interface unifiée. Achemine automatiquement les données d’image vers les algorithmes correspondants, présente de manière centralisée les résultats d’analyse et fournit des capacités de coordination des soins inter-spécialités. Problèmes d'acceptation : L'effet de superposition de retard lorsque plusieurs algorithmes sont simultanés, il est nécessaire de s'assurer que le temps total d'analyse ne dépasse pas 3 à 5 minutes dans les scénarios d'urgence.

• Analyse IA des urgences du service de radiologie : analysez automatiquement les images tomodensitométriques, IRM aux rayons X et autres pour détecter les urgences courantes telles que l'embolie pulmonaire, le pneumothorax, l'hémorragie intracrânienne et les fractures de la colonne cervicale. Les résultats de l'IA sont intégrés dans la liste de travail du service de radiologie (Worklist) sous la forme d'étiquettes prioritaires, aidant ainsi les radiologues à traiter d'abord les cas à haut risque au lieu de les parcourir par ordre de temps d'examen. Conseils de mise en œuvre : L'équilibre entre le taux de détection positive et le taux de faux positifs doit être ajusté en fonction de la charge de travail réelle de chaque service. Les services ayant un volume d'urgences important ont tendance à augmenter la sensibilité pour éviter les diagnostics manqués, mais des faux positifs excessifs réduiront la confiance des médecins dans les marqueurs d'IA.

• Cardiovascular AI Suite : couvre des algorithmes tels que le score de calcium de l'artère coronaire (CAC), l'analyse d'échocardiographie et la détection des maladies aortiques. Le nœud technique clé est la gestion automatique des "découvertes fortuites" - après l'identification d'une calcification de l'artère coronaire dans le scanner thoracique, le processus de suivi du patient est automatiquement déclenché (génération de recommandations de suivi, notification au médecin traitant et organisation de services ambulatoires spécialisés), transformant "c'est écrit dans le rapport d'imagerie, mais personne ne donne suite" en "trouver et agir". L'effet réel de cette fonction dépend fortement de la question de savoir si l'hôpital a mis en place des responsabilités de suivi claires et des processus standardisés.

• Suite d'IA neurovasculaire : couvre l'analyse d'urgence par neuroimagerie de l'accident vasculaire cérébral ischémique aigu (détection LVO), de l'hémorragie intracrânienne, de l'anévrisme cérébral, de la fracture de la colonne cervicale, etc. Tout en s'intégrant à la liste de travail du service de radiologie, les notifications positives sont simultanément transmises via des applications mobiles (telles qu'une interface dédiée aux neurologues), et les antécédents médicaux du patient et les informations sur les médicaments actuels sont affichés en combinaison avec le contexte clinique du DSE, raccourcissant ainsi le délai entre la fin de l'imagerie et le début de l'intervention. équipe de traitement.

• Coordination des infirmières et prise en charge des patients (couverture inter-spécialités) : Une fois que l'IA détecte un résultat positif, elle informe automatiquement l'équipe clinique concernée, déclenche les demandes de consultation, organise les références vers des spécialistes et suit l'état d'avancement du suivi des patients. Il s'agit d'une gestion complète depuis la « découverte d'images » jusqu'à « l'exécution du traitement », qui résout le problème de l'écart de transmission des informations dans les scénarios de collaboration multi-spécialités. Par exemple : une fois que le scanner d'urgence a détecté une dissection aortique, aiOS informe simultanément le service de radiologie, le service des urgences et l'équipe de chirurgie vasculaire, et crée une tâche de consultation dans le DSE pour éviter que les notifications monocanal ne soient manquées.

• Modèle de base CARE™ (Technology Foresight) : le modèle de base multitâche lancé en 2026 vise à utiliser un modèle unique pour gérer plusieurs tâches d'analyse d'images, remplaçant le modèle traditionnel de maintenance de plusieurs algorithmes dédiés. Il en est actuellement à ses premiers stades de déploiement, et les types de maladies réellement couverts ainsi que les performances inter-maladies doivent être vérifiés par davantage de données cliniques. Avertissement sur les risques : Le compromis entre « l'universalité » et la « précision spécialisée » du modèle de base est le problème central de l'IA clinique : un modèle trop général peut ne pas être aussi efficace qu'un algorithme dédié pour identifier les maladies rares.

Evolution du modèle et des versions d'Aidoc

L'évolution de la version d'Aidoc reflète le cheminement typique de l'industrie de l'IA médicale : de l'algorithme monopoint → l'intégration de la plateforme → l'exploration du modèle de base.

2016-2022 : Période d'accumulation d'algorithmes à point unique

• 2016 : La société a été créée et se concentrait initialement sur la recherche et le développement d'algorithmes d'IA pour la radiologie d'urgence.
• 2018 : Le premier lot d'approbations FDA 510(k) a été obtenu, couvrant la détection de l'hémorragie intracrânienne et de l'embolie pulmonaire - ces deux indications sont les plus urgentes mais présentent l'un des taux de diagnostics manqués les plus élevés dans les services de radiologie d'urgence.
• 2020-2022 : Continuer à obtenir davantage d'approbations de la FDA et former progressivement une combinaison d'algorithmes couvrant une variété de maladies urgentes et accidentelles telles que le pneumothorax, la dissection aortique, les fractures de la colonne cervicale, les nodules pulmonaires, etc. La forme de livraison à ce stade est constituée de plusieurs produits d'algorithmes d'IA indépendants, que les hôpitaux doivent déployer et gérer séparément.

2023-2025 : Transformation de la plateforme et expansion des spécialités

• 2023 (aiOS v3.0) : Passer d'un produit à algorithme unique à un système d'exploitation d'IA unifié aiOS, il s'agit du tournant stratégique le plus important de l'histoire d'Aidoc. Les principaux changements incluent : l'unification de la couche d'orchestration des algorithmes, la prise en charge de l'intégration d'algorithmes tiers, l'orchestration des flux de travail inter-spécialités et la présentation centralisée des résultats. Pour les hôpitaux, cela signifie passer de « la gestion de plusieurs boîtiers d’IA » à « une plateforme unique gérant toute l’IA ».
• 2025 (aiOS v5.0) : introduction des fonctions d'analyse d'échocardiographie et de gestion des maladies coronariennes, étendant officiellement la couverture de l'IA de la radiologie à la chirurgie cardiovasculaire et vasculaire. Caractéristiques principales : Coordination des soins inter-spécialités - Les résultats des tests d'IA peuvent déclencher le processus de réponse des services de radiologie et de cardiologie en même temps, plutôt que de travailler de manière indépendante.

2026 à aujourd'hui : modèle de base et expansion écologique

• 2026 (version aiOS 2026/CARE™) : lancez le modèle de base CARE™ pour explorer l'orientation architecturale de l'IA clinique multitâche. Dans le même temps, l’écosystème d’algorithmes partenaires sera élargi pour inclure davantage d’algorithmes tiers dans la distribution aiOS. L'intention stratégique de cette étape est de réduire le coût de développement d'algorithmes pour la couverture de nouvelles maladies grâce à des modèles de base, et de compenser les domaines de maladies non couverts par ses propres algorithmes via l'écosystème partenaire.

Vérification des candidats et algorithmes tiers

L'entrée d'algorithmes tiers dans aiOS nécessite une vérification de l'intégration technique et un examen de la conformité FDA. Les normes d’accès spécifiques et le cycle de vérification n’ont pas été rendus publics. Défis potentiels : La cohérence de la qualité des algorithmes tiers, la fréquence des mises à jour et la répartition des responsabilités pour la gestion des changements de la FDA – l'attribution des responsabilités lorsque des problèmes surviennent avec des algorithmes tiers sont des termes qui doivent être clairs dans les contrats d'approvisionnement des hôpitaux.

Les avantages techniques d’Aidoc

Mécanisme — Effet — Scénario : L'algorithme d'IA d'Aidoc est basé sur un réseau neuronal convolutionnel profond (CNN) et une architecture Transformer, et est optimisé pour différentes modalités d'imagerie telles que la tomodensitométrie, les rayons X et l'échographie. L'échelle des données de formation atteint des dizaines de millions d'images annotées, et le modèle peut identifier les signes anormaux à partir des images d'urgence et les classer automatiquement (valeur positive/négative/critique). Contrairement aux modèles de vision généraux (tels que les modèles de classification basés sur des images naturelles), les algorithmes d'Aidoc sont spécifiquement optimisés pour les défis spécifiques de l'imagerie médicale : détection des lésions à faible contraste, robustesse aux variations de structure anatomique et adaptation aux différences de qualité d'image des différents fabricants d'équipements. En effet, la présélection par l’IA permet aux radiologues de prioriser les cas à haut risque marqués par l’IA dans leurs listes de travail, réduisant ainsi les retards causés par l’accumulation des listes de travail. Scénarios applicables : Hôpitaux de taille moyenne et grande avec un volume important d'imagerie d'urgence mais un personnel insuffisant dans le service de radiologie, en particulier pendant les quarts de nuit et les week-ends.

Architecture de la plateforme aiOS - de « l'empilement d'algorithmes » à « l'orchestration du système » : contrairement à la plupart des produits d'algorithmes d'IA à point unique, aiOS est essentiellement une « couche d'orchestration d'IA » - il ne s'agit pas simplement d'un ensemble d'algorithmes, mais d'un moteur de flux de travail complet. Les principales caractéristiques de conception comprennent :

• Routage automatique des images : une fois le scanner terminé, aiOS acheminera simultanément les images vers tous les algorithmes d'IA applicables selon les règles de configuration (telles que l'analyse simultanée de l'embolie pulmonaire, du pneumothorax et du calcium coronarien), plutôt que de permettre à chaque algorithme de capturer des images indépendamment.
• Priorité des résultats : résumez les résultats de tous les algorithmes d'IA et générez une file d'attente de priorité unifiée en fonction de la criticité, au lieu de laisser les médecins basculer entre des interfaces de résultats indépendantes pour chaque algorithme.
• Déclencheur de workflow : Les résultats positifs peuvent non seulement être affichés sur l'interface, mais également déclencher automatiquement des actions ultérieures (notification, demande de consultation, création de tâches de suivi), transformant les « résultats d'analyse IA » en « actions cliniques ».
• Avantages d'ingénierie : Cette architecture évite le problème « plus il y a d'algorithmes, plus le système est chaotique », permettant aux hôpitaux d'étendre progressivement la couverture de l'IA sans remplacer l'infrastructure. Pour les hôpitaux qui ont déployé des algorithmes provenant de plusieurs fournisseurs d'IA, aiOS peut servir de « couche de planification unifiée » plutôt que de remplacer tous les algorithmes existants.

Parcours technique du modèle de base CARE™ : Le modèle de base CARE™ d'Aidoc représente la direction de l'évolution de l'IA clinique du « modèle dédié à une seule tâche » au « modèle de base multitâche ». La logique technique est la suivante : utiliser un modèle de base pré-entraîné sur diverses images médicales pour s'adapter à différentes tâches d'analyse (telles que la détection de saignements, la détection d'embolies, la détection de fractures, etc.) grâce à un réglage fin, plutôt que de former des modèles indépendants à partir de zéro pour chaque tâche. En théorie, cela peut réduire le coût marginal de développement de la couverture de nouvelles maladies et obtenir de meilleures performances grâce à l’apprentissage par transfert dans des scénarios de maladies rares. Cependant, cette technologie en est encore à ses débuts et d’autres études évaluées par des pairs sont nécessaires pour vérifier la stabilité de ses performances, le contrôle du taux d’hallucinations et la comparaison avec des algorithmes dédiés dans des situations cliniques réelles.

Cadre de mise en œuvre BRIDGE – des produits techniques à la méthodologie de mise en œuvre : la différenciation d'Aidoc réside non seulement dans son algorithme, mais également dans sa méthodologie de mise en œuvre de l'IA mature. Les lignes directrices BRIDGE couvrent quatre étapes :

1. Évaluation de l'IA : pré-évaluez les processus cliniques et l'infrastructure informatique de qualité des données de l'hôpital pour déterminer s'ils répondent aux conditions préalables au déploiement de l'IA.
2. Intégration des flux de travail : concevez des moyens spécifiques d'intégrer les résultats de l'IA dans les flux de travail cliniques existants, y compris les règles de déclenchement, les chemins de notification et l'attribution des responsabilités.
3. Validation clinique : Validation prospective ou rétrospective dans l'environnement de déploiement pour confirmer que les performances de l'algorithme dans la population de patients locale répondent aux normes.
4. Surveillance continue : établissez un système de surveillance continue des performances de l'algorithme d'IA et suivez les indicateurs tels que le taux de faux positifs, le taux de faux négatifs et l'acceptation des médecins.

Pour les hôpitaux, cela signifie non seulement acheter un ensemble de logiciels, mais également obtenir un chemin de mise en œuvre éprouvé de l'IA, réduisant considérablement le risque de « l'acheter mais de ne pas l'utiliser ».

Comment utiliser Aidoc

Aidoc propose un déploiement au niveau de l'entreprise pour les établissements médicaux et n'autorise pas l'enregistrement individuel ni les essais en libre-service. Le processus d'accès typique est divisé en étapes comme suit :

Étapes	Activités principales	Cycle estimé	Rôles participants
Évaluation des besoins	Déterminer les scénarios spécialisés de déploiement prioritaire et évaluer l'état de préparation de l'infrastructure informatique	2-4 semaines	Equipe CMIO/IT Hôpital Consultant solution Aidoc
Déploiement de plateforme	Intégration d'aiOS avec le système PACS/RIS/DSE de l'hôpital, configuration des règles de routage des images	4-8 semaines	Ingénieur d'implémentation Aidoc, équipe informatique de l'hôpital
Activation de l'algorithme	Activez les modules d'algorithmes d'IA correspondants par spécialité, définissez des seuils positifs et des règles de notification	1-2 semaines	Spécialiste clinique Aidoc, directeur du service de radiologie
Conception de flux de travail	Travailler avec des équipes cliniques pour concevoir la façon dont les résultats de l'IA s'intègrent dans les flux de travail existants	2-4 semaines	Radiologues, spécialistes, coordonnateurs de soins
La formation est lancée	Radiologues, spécialistes et équipe informatique reçoivent une formation opérationnelle	1-2 semaines	Équipe de formation Aidoc
Optimisation continue	Surveillez les performances, l'utilisation et les mesures de temps clinique via la console de gestion aiOS	Continu	Équipe opérationnelle d’IA de l’hôpital

Description de l'interface d'intégration : aiOS s'interface avec le système existant de l'hôpital via les protocoles standard HL7 FHIR (pour l'échange de données DSE) et DICOM (pour l'échange de données d'imagerie). Pour les anciens systèmes PACS qui ne prennent pas en charge les interfaces standard, des couches d'adaptation ou un middleware supplémentaires peuvent être nécessaires.

Seuil de mise en œuvre clé : le principe du déploiement d'Aidoc est que l'hôpital ait terminé la construction numérique de base (le système PACS fonctionne normalement, le système RIS couvre l'ensemble du processus d'inspection et le système DSE prend en charge la saisie de données structurée). Pour les hôpitaux qui utilisent encore un flux de travail filmé ou semi-numérique, les conditions de mise en œuvre du diagnostic assisté par IA ne sont pas encore mûres.

Prix des produits pour Aidoc

Aidoc ne publie pas de liste de prix standard et tous les prix sont déterminés par le biais de négociations commerciales. Ce qui suit est une analyse de la structure tarifaire basée sur les pratiques de l’industrie. Le montant précis est soumis au devis officiel de l'Aidoc :

• Frais de licence de base de la plateforme : le prix est évalué en fonction de la taille de l'établissement médical et du volume annuel d'examens d'imagerie. Comprend les droits d'utilisation de la plateforme aiOS, les modules d'IA de base (tels que la suite d'urgence en radiologie), le support technique standard et les mises à jour de la plateforme. Fourchette d'estimation (non officielle) : Pour un hôpital de taille moyenne avec un volume annuel d'imagerie de 100 000 à 200 000 cas, les frais de licence annuels peuvent être compris entre 200 000 et 500 000 dollars, et pour un grand centre médical universitaire, ils peuvent dépasser 1 million de dollars.
• Frais du module d'algorithme : tarifé séparément par spécialité et par domaine de maladie. Des forfaits d'urgence en radiologie sont généralement requis, avec des forfaits cardiovasculaires et neurovasculaires disponibles en option. Les hôpitaux peuvent s’activer progressivement par étapes, en commençant par le service de radiologie des urgences, puis s’étendre à d’autres spécialités après avoir vérifié l’intérêt de l’IA.
• Frais d'algorithme tiers : algorithmes partenaires distribués via aiOS, les prix sont fixés par le partenaire et Aidoc facture des frais de distribution de plate-forme (généralement 15 à 30 % des revenus). Lorsque les hôpitaux signent des contrats directement avec des fournisseurs d'algorithmes tiers, ils doivent confirmer la compatibilité avec la plate-forme aiOS et prendre en charge les limites.
• Frais de mise en œuvre et de formation : frais uniques, comprenant l'intégration du système, la conception du flux de travail, la formation de l'équipe et l'assistance au démarrage. La fourchette de coûts dépend de la complexité informatique de l'hôpital (nombre d'interfaces, besoins de personnalisation, déploiement multi-hôpitaux, etc.).
• Frais de maintenance annuels : généralement 15 à 25 % des frais de licence de base, y compris l'assistance technique continue, les mises à jour des algorithmes, la maintenance de la conformité FDA et les mises à niveau de la plateforme.

Cinq premières listes de contrôle pour l'achat :

1. Confirmez la compatibilité d'intégration d'aiOS avec le système PACS/DSE actuel (Aidoc doit fournir des cas d'intégration provenant d'au moins trois hôpitaux de taille similaire).
2. Demander des données de validation clinique de l'algorithme sur les populations de patients locales ou des populations similaires (plutôt que de s'appuyer uniquement sur les données génériques de la FDA 510(k)).
3. Clarifier la responsabilité de la gestion des mises à jour des algorithmes et des nouvelles versions approuvées par la FDA, si les mises à jour sont automatiquement incluses dans les frais de maintenance ou facturées séparément.
4. Confirmez la conformité en matière de sécurité des données : statut de certification de conformité HIPAA, emplacement de stockage des données et si les données des patients sont utilisées pour le recyclage du modèle.
5. Évaluer les coûts de sortie - plan d'exportation des données lors de la résiliation du contrat, chemin de changement de workflow après désactivation de l'algorithme.

Scénarios d'application d'Aidoc

Les quatre types de scénarios suivants ont fait l'objet d'une vérification réelle à une certaine échelle dans les institutions déployées par l'Aidoc. Les conditions de mise en œuvre et les axes de vérification de chaque type de scénario sont différents :

• Traitement hiérarchique des images d'urgence radiologique : Une fois le scanner terminé, aiOS analyse automatiquement et marque les cas positifs comme haute priorité dans la liste de travail du service de radiologie. Les radiologues traitent d'abord les cas critiques marqués par l'IA (hémorragie intracrânienne, embolie pulmonaire, dissection aortique), et les cas de routine sont traités dans l'ordre normal. Points de vérification : La cohérence entre le marquage prioritaire de l'IA et le jugement d'urgence réel du radiologue doit être revue régulièrement après le déploiement. Si le taux de faux positifs de l'IA est trop élevé et amène les médecins à traiter fréquemment des marquages ​​non critiques, cela réduira l'efficacité du travail. Il est recommandé d'effectuer une révision mensuelle au cours de la phase initiale de déploiement, puis de passer à une révision trimestrielle après stabilisation.

• La prise en charge clinique des découvertes fortuites est limitée : les calcifications de l'artère coronaire ou les nodules pulmonaires découverts accidentellement lors d'un scanner thoracique ne sont souvent mentionnés que dans le rapport du service de radiologie dans le cadre du processus traditionnel, mais personne n'y assure un suivi actif. Après la reconnaissance automatique par l'IA, le processus de gestion des patients est déclenché - générant des recommandations de suivi, informant les médecins traitants et organisant des cliniques ambulatoires spécialisées - transformant "les rapports du service de radiologie sont rédigés, mais personne ne donne suite" en "découverte et action". Conseils de mise en œuvre : L'effet réel de cette fonction dépend fortement du degré de participation de l'équipe de gestion de la qualité de l'hôpital : il est nécessaire de définir conjointement les conditions de déclenchement du suivi (telles que le seuil de score CAC, la classification de la taille des nodules) et les règles d'attribution des responsabilités (qui est responsable de la notification des patients et qui est responsable de l'organisation des visites de suivi).

• Collaboration multi-hôpitaux contre les accidents vasculaires cérébraux : dans un groupe médical régional, les images tomodensitométriques des hôpitaux primaires sont automatiquement analysées via aiOS, et les résultats positifs sont notifiés simultanément au service des urgences de l'hôpital et au centre d'AVC du groupe. Les experts des centres d'AVC peuvent recevoir des analyses d'IA et des données d'imagerie originales via le terminal mobile lorsque le patient est transféré à l'hôpital, et entrer directement dans le processus d'intervention à son arrivée, éliminant ainsi le temps d'imagerie et de réévaluation répétées. Principe applicable : Le groupe médical a établi un processus de référence et un mécanisme de partage d'images standardisés. La notification IA ne fait qu’accélérer plutôt qu’elle ne remplace le chemin de collaboration existant.

• Urgence de chirurgie vasculaire et planification de chirurgie élective : l'IA détecte automatiquement les urgences vasculaires telles que la dissection aortique et l'anévrisme de l'aorte abdominale, et quantifie les paramètres anatomiques (tels que la plage de dissection et le diamètre de l'anévrisme) pour fournir une référence de planification préopératoire pour la chirurgie interventionnelle. Dans des scénarios électifs, la notation du calcium coronarien assistée par l’IA peut être utilisée pour l’évaluation des risques préopératoires afin d’aider les chirurgiens vasculaires à décider si une intervention coronarienne est nécessaire avant une chirurgie non cardiaque. Points clés de vérification : Le taux de cohérence entre les paramètres anatomiques quantifiés par l'IA et les résultats peropératoires nécessite la mise en place d'un mécanisme de comparaison continue au niveau du service.

Groupes applicables d'Aidoc

Les utilisateurs et les bénéficiaires d'Aidoc sont répartis dans de multiples rôles cliniques, techniques et managériaux, avec des différences significatives dans les types d'avantages et la valeur perçue.

• Radiologues et équipes de diagnostic d'imagerie : les groupes d'utilisateurs les plus directs. Le pré-sélection par IA réduit le temps de recherche de résultats positifs parmi un grand nombre de cas négatifs, et est particulièrement efficace lorsque le service des urgences a un volume important (plus de 200 cas CT par jour) ou lorsque les ressources des équipes de nuit sont limitées. Prérequis : Le département a terminé la transformation du flux de travail d'imagerie numérique (couverture complète du PACS, prêt pour le système de reporting structuré). Ne convient pas : pour les petits services avec un volume d'imagerie annuel inférieur à 30 000 cas, l'amélioration de l'efficacité apportée par l'assistance de l'IA peut ne pas suffire à couvrir le coût de la plate-forme, et les médecins peuvent préférer la certitude et la contrôlabilité des flux de travail traditionnels.

• Département de l'information hospitalière et de la stratégie d'IA (CMIO, CIO) : Le groupe décisionnel responsable de l'évaluation, de l'approvisionnement et du déploiement de l'IA clinique. La conception de la plate-forme d'aiOS lui permet d'étendre progressivement la couverture de l'IA, en pilotant d'abord le service des urgences en radiologie, puis en l'étendant aux spécialités cardiovasculaires, neurologiques et autres après en avoir vérifié l'effet. Considérations essentielles : La complexité de l'intégration de la plateforme avec les systèmes informatiques existants, la charge de maintenance liée aux mises à jour des algorithmes et à la conformité FDA, ainsi que la durabilité de l'écosystème d'algorithmes tiers. Non applicable : petits hôpitaux ou centres de santé primaires qui n'ont pas encore terminé la numérisation de base du PACS - Le diagnostic assisté par l'IA nécessite un flux de travail d'imagerie numérique stable comme condition préalable.

• Service d'urgence et cliniciens spécialisés (chirurgie cardiovasculaire, neurologique, vasculaire) : utilisateurs indirects, mais bénéficiant de manière significative. Les fonctions de détection automatique de l'IA et de coordination des soins inter-spécialités permettent aux spécialistes d'intervenir plus tôt dans la prise en charge des patients : les neurologues peuvent recevoir les résultats d'analyse de l'IA et les liens d'images dans les 5 à 10 minutes suivant la réalisation du scanner du patient, au lieu d'attendre jusqu'à 1 à 2 heures pour un rapport formel. Prérequis : L'hôpital a déployé aiOS et activé le module d'IA spécialisé correspondant, et le médecin est prêt à utiliser le terminal mobile pour recevoir des notifications (au lieu de s'appuyer sur les notifications téléphoniques traditionnelles).

• Niveau de gestion de la qualité hospitalière et de prise de décision administrative : se concentrer sur l'effet d'amélioration du déploiement de l'IA sur les indicateurs de qualité médicale (tels que le temps porte-à-aiguille, le temps porte-à-ponction, les jours d'hospitalisation moyens), plutôt que la technologie elle-même. La phase de surveillance continue dans le cadre de mise en œuvre de BRIDGE fournit une méthodologie pour corréler les effets de l'IA avec les indicateurs de qualité, mais la mise en œuvre réelle dépend de la volonté du service de gestion de la qualité de l'hôpital d'investir de la main-d'œuvre dans la collecte et l'analyse des données.

Limite inappropriée : Aidoc ne convient pas à l'analyse de données médicales non liées à l'imagerie (telles que la génomique, l'exploration de textes de dossiers médicaux électroniques, la recherche et le développement de médicaments), ne fournit pas de services individuels de diagnostic à distance ou de gestion de la santé et ne couvre pas des domaines spécialisés tels que l'imagerie pédiatrique, l'échographie prénatale ou la pathologie peropératoire. Pour les hôpitaux communautaires dont le volume annuel d’examens d’imagerie est inférieur à 50 000, le retour sur investissement entre les frais de licence de la plateforme et les améliorations d’efficacité doit être soigneusement évalué. Il est recommandé de commencer par un modèle pilote par répartition ou spécialisé à durée limitée au lieu de signer directement un contrat de plateforme complet pluriannuel.

Résumé et perspectives d'Aidoc

Grâce à la stratégie de plateforme aiOS, Aidoc a établi un positionnement différencié de « algorithme à point unique » à « système d'exploitation » dans le domaine de l'IA clinique. L'ampleur du déploiement dans plus de 1 600 établissements médicaux, les multiples indicateurs d'amélioration des délais étayés par des preuves cliniques (notification d'embolie pulmonaire raccourcie de 31 %, ponction d'accident vasculaire cérébral raccourcie de 34 %) et les barrières méthodologiques du cadre de mise en œuvre de BRIDGE, constituent ensemble son fossé actuel sur le marché.

Déduction quantitative de la réduction des coûts et de l'amélioration de l'efficacité (estimation basée sur des informations publiques, engagement non officiel) :

• Radiologues : le présélection par IA augmente le temps de diagnostic effectif quotidien moyen de chaque médecin d'environ 4 heures à environ 4,8 heures (+20%), ce qui équivaut à libérer la capacité d'une personne pour cinq médecins de l'équipe.
• Service des urgences : le délai de notification d'un accident vasculaire cérébral a été réduit d'environ 45 minutes à environ 30 minutes, gagnant ainsi une période fenêtre critique pour le traitement thrombolytique.
• Équipe informatique de l'hôpital : en gérant tous les algorithmes d'IA sur une seule plateforme, la charge d'exploitation et de maintenance est réduite de la maintenance de plusieurs systèmes indépendants à la maintenance d'une seule plateforme. On estime que l'investissement en heures de travail de l'équipe informatique dans l'exploitation et la maintenance de l'IA sera réduit d'environ 40 %.
• Conditions préalables : La déduction ci-dessus est basée sur des données de recherche réelles publiées publiquement par Aidoc et sur la charge de travail moyenne des hôpitaux de taille moyenne. Les résultats réels varient en fonction du flux de travail du service, du personnel et de la population de patients.

Limite de collaboration homme-machine (basée sur l'analyse des caractéristiques des processus) :

• Peut être 100 % automatisé : pré-analyse IA des images, classification préliminaire des valeurs positives/négatives/critiques et génération de déclencheurs de notifications de suivi standardisées. Ces procédures peuvent être effectuées automatiquement par aiOS sans intervention manuelle, mais les résultats doivent encore être examinés et confirmés par un médecin.
• Confirmation manuelle requise : La confirmation diagnostique finale de tous les résultats positifs à l'IA doit être complétée par un radiologue certifié ; Les décisions de traitement déclenchées par l’IA (telles que la thrombolyse, la chirurgie interventionnelle) doivent être examinées et confirmées par des spécialistes ; les procédures impliquant la notification du patient et son consentement éclairé nécessitent la participation directe des cliniciens. Les opérations irréversibles (telles que les arrangements chirurgicaux, les prescriptions de médicaments) doivent avoir des points de confirmation Human-in-the-loop tout au long du processus, et l'IA n'est pas autorisée à les exécuter directement.

Limites et incertitudes actuelles :

1. Écart de validation du modèle de base CARE™ : Des algorithmes dédiés approuvés par la FDA aux modèles de base multitâches, la voie réglementaire n'est pas claire. Il existe une tension entre la nature de « boîte noire » du modèle sous-jacent et l’exigence d’interprétabilité de la FDA, et son déploiement clinique pourrait faire l’objet d’un examen plus minutieux qu’un algorithme dédié.
2. Contrôle qualité des algorithmes tiers : La cohérence des performances des algorithmes partenaires, la fréquence des mises à jour et la répartition des responsabilités de gestion du changement de la FDA peuvent devenir des dangers cachés dans l'expansion de l'écosystème de la plateforme. Le critère de performance et le mécanisme de sortie des algorithmes tiers doivent être clairement convenus dans le contrat de marché.
3. L'écart entre la profondeur de l'intégration et la mise en œuvre réelle : Les différences dans le degré de standardisation des systèmes PACS/DSE dans différents hôpitaux peuvent entraîner un allongement du cycle de mise en œuvre des 4 à 8 semaines prévues à 3 à 6 mois, et certains anciens systèmes peuvent nécessiter des modifications supplémentaires du middleware.
4. Concurrence intensifiée et maintien de la différenciation : des géants tels que Google Health et Nuance (Microsoft) accélèrent le déploiement de l'IA en radiologie, tandis que des acteurs verticaux tels que Viz.ai approfondissent également les flux de travail spécialisés. La pérennité de l'avantage de plate-forme d'Aidoc dépend de la capacité de l'effet de réseau de l'écosystème tiers à atteindre une échelle critique avant que les géants n'entrent sur le marché.

Évaluation des risques d'approvisionnement/adoption : Aidoc convient aux groupes médicaux de taille moyenne et grande ayant des plans stratégiques d'IA clairs (volume d'imagerie annuel de plus de 100 000 cas, transformation numérique PACS/DSE achevée et équipe d'IA clinique à temps plein). Pour les hôpitaux qui introduisent l'IA clinique pour la première fois, il est recommandé de commencer par le projet pilote d'IA d'urgence dans le service de radiologie (période de 3 à 6 mois), de définir des indicateurs d'acceptation quantitatifs clairs (tels que le taux de réduction du délai de notification, le taux d'utilisation des médecins, le taux de faux positifs), puis de l'étendre à l'ensemble de la plateforme après avoir vérifié le retour sur investissement. Lors des négociations contractuelles, l'accent doit être mis sur : la définition des responsabilités pour les mises à jour des algorithmes et la gestion des changements de la FDA, les plans de migration des données (par exemple, comment exporter les données traitées améliorées par l'IA lorsque le contrat est résilié) et les clauses de vérification réelles des capacités d'extension de la plateforme.

Outils associés : midjourney, stable-diffusion

Informations de version

• Version aiOS™ 2026 ：Ajout de la prise en charge du modèle de base CARE™ pour étendre l'écosystème d'algorithmes partenaires et la couverture de l'IA cardiovasculaire. Il n’y a pas encore de date officielle précise. （~2026-03）
• AiOS v5.0 ：Introduction de capacités de coordination des soins interspécialisés, s’étendant à la chirurgie vasculaire et à l’analyse échocardiographique. Il n’y a pas encore de date officielle précise. （~2025-06）
• AiOS v3.0 ：Transformation de la plateforme, des algorithmes d'IA à point unique aux systèmes d'exploitation d'IA unifiés, prenant en charge l'intégration d'algorithmes tiers. Il n’y a pas encore de date officielle précise. （~2023-09）