loader

POUVEZ VOUS NOUS PRÉSENTER VOTRE ENTREPRISE, TDOCT ?

TdocT-Matthieu Carlier - le Bloc-Amiens cluster-Picardie Somme Amiens

Premièrement TdocT est une start-up de la santé connectée. Ainsi elle développe depuis plus de trois ans une plateforme numérique d’intelligence artificielle. De surcroît dédiée à la prise en charge des parcours de soins en chirurgie ambulatoire et pour la RAAC. (Récupération Améliorée Après Chirurgie)

Aussi, TdocT est un outil polyvalent et adaptable, traduction « numérique » et « intelligente » du parcours de soins de demain. Avant tout il s’appuie sur les compétences des professionnels, sans les substituer, pour simplifier le parcours de soins en favorisant les bons diagnostics. En effet, l’Intelligence Artificielle permettant d’exploiter un nombre considérable. De données apporte une réponse à des problèmes complexes en termes de diagnostics et de propositions thérapeutiques. Pour plus d’informations, le site internet de TdocT est bientôt en ligne :  https://tdoct.com. TdocT est accompagné dans son développement par le manager du cluster e-santé le Blocaxé initialement sur  « le parcours de soins individualisé » et orienté plus spécifiquement sur « le citoyen acteur de sa santé ».

La société a pour fondateur le docteur Carlier Matthieu, chirurgien vasculaire depuis 2000. Il exerce son activité dans plusieurs établissements privés, dont l’un est exclusivement dédié à la chirurgie ambulatoire. Spécialisé en endovasculaire, il pratique la chirurgie ambulatoire depuis une vingtaine d’années. Son intérêt pour cette chirurgie l’a conduit à approfondir le sujet, en prenant en compte les techniques de l’information et de la communication, mais également les technologies liées à l’Intelligence Artificielle et au Big Data.

QUEL CONSTAT DE LA CHIRURGIE AMBULATOIRE FAITES VOUS ET COMMENT SOUHAITEZ VOUS LA FAIRE ÉVOLUER ?

Par ailleurs le développement de la chirurgie ambulatoire est un axe de transformation majeur de notre système de santé dans un contexte de contraintes économiques et de défis épidémiologiques. Il rencontre cependant des difficultés. Les pouvoirs publics se sont fixés pour objectif d’atteindre un taux de 70% en 2022. Atteindre cet objectif suppose :

  • d’ouvrir cette chirurgie à des interventions chirurgicales peu ou pas encore généralisées en ambulatoire ;
  • d’ouvrir la prise en charge à des patients complexes voire très complexes ;
  • de sécuriser le parcours patient en pré et post-opératoire.

Pour commencer ces objectifs sont réalisables au regard de l’évolution des techniques d’anesthésie et de chirurgie, et constituent un vecteur de qualité et de sécurité des soins. Or, leur pleine réalisation induit un changement de paradigme dans l’appréhension de la prise en charge. II faut évoluer vers une logique de parcours et garantir la continuité et la sécurité des soins. A cette fin, TdocT propose un modèle organisationnel, fondé sur les technologies du numérique, s’appuyant sur l’ensemble des professionnels de la santé.

POUVEZ VOUS NOUS EXPLIQUER CE MODÈLE ORGANISATIONNEL ?

Ce modèle se construit à partir de cinq axes de développement :

  • Surveillance thérapeutique personnalisée du patient en temps réel
  • Optimisation du processus de décision (Intelligence Artificielle/Deep Learning)
  • Coopération pluriprofessionnelle et ville/hôpital (éviter la rupture des soins)
  • Responsabilisation et implication du patient dans son parcours
  • Efficacité et rationalisation du parcours

POURQUOI L’INTEROPÉRABILITÉ DE LA PLATEFORME EST PRIMORDIALE DANS LE PARCOURS DE SOIN ?

L’interopérabilité c’est la capacité d’un système ou d’une interface à fonctionner avec d’autres systèmes ou interfaces existants, soit la condition sine qua non d’un partage de données et par suite d’une possible coordination entre la ville et l’hôpital, mais aussi d’une aide à la décision médicale et d’une recherche clinique.

C’est pour cela que TdocT s’est prioritairement attaché à résoudre les problèmes d’intégration et d’interopérabilité des systèmes d’information.

La plateforme TdocT est totalement interopérable (sur un plan sémantique, technique et syntaxique), via le langage XML, et des API spécifiques. TdocT dispose d’un système entièrement sécurisé grâce à sa technologie de cryptage de données blockchain.

L’interopérabilité de la plateforme permet d’optimiser la surveillance des patients via :

  • les objets connectés : l’analyse des risques de complications peut être enrichie par les données recueillies par les objets connectés (notion de Deep patient).
  •  La reconnaissance d’images, de voix ou l’analyse de texte.

80% du système est fondé sur l’Intelligence Artificielle, du Machine Learning et Deep Learning (apprentissage supervisé et vérifié par des data scientists).

L’ensemble des données issues des parcours individuels fait l’objet d’un traitement collectif  par une autre de nos IA. Les résultats servent à la recherche médicale, mais sont également et automatiquement réinsérés dans nos systèmes de check-lists.

L’ambition est de passer à terme d’un système de détection à un système de prédiction et de prévention appuyé sur des modèles statistiques puissants.

QUELLES SONT VOS PERSPECTIVES DÉVOLUTION ?

Logo TdoctPar ailleurs, son dispositif est traduit en six langues et va évoluer pour s’ouvrir à d’autres parcours de soins (maladies chroniques et cancérologie). La sortie de la Version 1 est prévue en Octobre 2020. De plus, TdocT est retenu au titre de l’Article 51 au niveau national. (stade de la rédaction du cahier des charges).

Aussi, TdocT travaille avec la société NEURONPUZZLE et CREACOPIE. Avant tout pour le développement web, design, communication et le machine Learning de la solution. Ainsi ces sociétés regroupent une trentaine d’ingénieurs dirigés par Mr Pierre Matifas (Data Scientist/ développeur Full Stack et chef de projet informatique). Elle bénéficie de différents partenariats  comme Microsoft ou Oracle Atlassian.

De même le développement des API « Auto-translate et Autocomplète » s’appuie sur la participation de développements et savoirs reconnus comme :   sequence models | attention model intuition | machine Learning yearning de Andrew Ng; Multi-Task Learning for multiple Language Translation de Daxiang Dong et Hua Wu; Machine Learning for software engineers de Nam Vu; Apache MXNet (incubating) for Deep Learning; Onorepo of Deeplearning4.

images
images