L’intelligence artificielle pour lutter contre l’errance diagnostique des maladies rares

Avec 3 millions de personnes touchées en France par les maladies rares, le sujet est devenu une préoccupation de santé majeure, d’autant que l’errance diagnostique est encore trop importante. Un problème qu’AccelRare® entend réduire.

AccelRare® utilise l’intelligence artificielle pour accélérer le diagnostic dans le réseau primaire de soins des patients atteints d’une maladie rare. Présentation croisée entre Fabienne Ostermeyer, directrice générale de MedVir, et Étienne Van der Elst, Responsable produit digital – Innovation digitale Sanofi.

Futura : Pourriez-vous présenter accelRare en quelques mots ?

Étienne Van der Elst : AccelRare est une solution de prédiagnostic dédiée aux maladies rares pour aider les médecins de ville à confirmer ou écarter la piste d’une maladie rare face à un patient qui présenterait des symptômesatypiques. Elle propose donc aux médecins un questionnaire en quelques minutes en cas d’une ou plusieurs suspicions d’une maladie rare, et si c’est le cas, fournit des informations pour l’une des maladies suspectées et référencées dans l’outil, mais aussi communique les coordonnées des centres experts les plus proches du patient si le médecin décide d’orienter le patient pour confirmer le diagnostic.

Futura : Quand la solution sera-t-elle fonctionnelle ?

Étienne Van der Elst : Cette solution web sera disponible gratuitement pour les médecins de ville, dans un premier temps en anglais et en français. Elle permettra de prédiagnostiquer 270 maladies rares pour lequel un traitement et ou une prise en charge adaptée existe aujourd’hui. La solution est en finalisation de développement et sera expérimentée par des centres experts pour en confirmer la fiabilité et par des médecins de ville pour en tester l’usage. Nous espérons lancer l’application en France en 2023 et l’étendre dans toute l’Europe et dans le monde.

Lire la suite sur Futura Sciences

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.