Aidoc lève 150 millions de dollars en financement de série E pour étendre l’IA clinique à travers les systèmes de santé

L’entreprise d’IA clinique Aidoc a obtenu 150 millions de dollars en financement de série E, mené par Goldman Sachs Alternatives, alors que les systèmes de santé regardent de plus en plus au-delà des outils d’IA isolés vers des plateformes intégrées et étendues à l’entreprise.

Le tour comprend la participation de General Catalyst, SoftBank Investment Advisors et NVentures, portant le financement total de l’entreprise à plus de 500 millions de dollars. Le financement intervient alors que les hôpitaux sont de plus en plus sous pression pour résoudre les erreurs de diagnostic, les pénuries de personnel et l’augmentation des volumes d’imagerie – des facteurs qui contribuent à des centaines de milliers de décès évitables chaque année aux États-Unis.

Des solutions ponctuelles à l’IA à l’échelle du système

Pendant des années, l’IA dans les soins de santé a été déployée principalement sous la forme d’outils à usage unique – des algorithmes conçus pour détecter une affection à la fois. Cette approche a un impact limité, en particulier dans les environnements où les cliniciens doivent interpréter de grandes quantités de données d’imagerie sur plusieurs affections.

Aidoc fait partie d’un mouvement plus large vers des systèmes basés sur des modèles de fondation qui peuvent fonctionner sur plusieurs modalités et cas d’utilisation. Son modèle de fondation propriétaire CARE™ est conçu pour analyser les données cliniques multimodales et étendre la couverture de l’IA sur de nombreuses pathologies à partir d’une seule architecture.

Ce changement reflète ce qui s’est déjà produit dans d’autres domaines de l’IA : passer d’outils étroits à des systèmes généralisés capables de prendre en charge des flux de travail complexes.

Construire un système d’exploitation pour l’IA clinique

Au cœur de l’approche d’Aidoc se trouve sa plateforme d’entreprise, aiOS™, qui fonctionne comme une couche d’orchestration de l’IA clinique. Plutôt que de déployer des algorithmes individuels en isolement, aiOS intègre l’IA directement dans les infrastructures hospitalières, y compris les systèmes d’imagerie et les dossiers médicaux électroniques.

La plateforme permet à plusieurs algorithmes de s’exécuter simultanément sur une seule analyse, en donnant la priorité aux résultats urgents et en mettant en surface à la fois les anomalies attendues et incidentales. Cette couche d’orchestration est conçue pour réduire les lacunes diagnostiques tout en améliorant l’efficacité du flux de travail.

Elle introduit également des mécanismes de gouvernance – tels que la validation, la surveillance et le suivi des performances – qui sont de plus en plus nécessaires à mesure que les systèmes d’IA pénètrent dans les environnements cliniques réglementés.

Étendre l’IA dans les environnements cliniques réels

La technologie d’Aidoc est déjà déployée à grande échelle, analysant des dizaines de millions de cas de patients par an et soutenant la prestation de soins dans des milliers d’hôpitaux à travers le monde.

Ses systèmes sont utilisés dans des environnements cliniques en temps réel, en particulier en radiologie, où l’IA peut signaler les résultats urgents et accélérer les décisions de triage. Les rapports récents mettent en évidence des cas d’utilisation allant de la détection de blessures internes à la priorisation des cas d’urgence en fonction des données d’imagerie.

Ce niveau de déploiement reflète une transition de l’expérimentation à la confiance opérationnelle – où l’IA n’est plus un ajout mais une partie intégrante de l’infrastructure clinique.

La prochaine phase : les flux de travail cliniques de bout en bout

Le nouveau financement soutiendra l’expansion du modèle de fondation d’Aidoc et poussera plus loin dans les flux de travail de bout en bout. Un domaine clé de développement est la génération automatique de rapports de projet, visant à faire passer l’IA de la détection à une participation complète au flux de travail clinique.

Cette direction suggère un avenir où les systèmes d’IA font plus que mettre en évidence les anomalies – ils peuvent de plus en plus structurer, résumer et contextualiser les résultats pour les cliniciens.

Dans les faits, cela pourrait compresser le temps entre l’analyse, le diagnostic et le traitement, tout en réduisant la charge cognitive sur les professionnels de la santé.

Vers un soutien décisionnel clinique autonome

Ce qui émerge, c’est une transition des outils d’IA fragmentés vers des systèmes unifiés qui fonctionnent comme infrastructure au sein des soins de santé.

À mesure que ces plateformes mûrissent, leur valeur proviendra de plus en plus de la manière dont elles coordonnent les départements, standardisent la prise de décision et réduisent la variabilité des soins. Le défi technique n’est plus seulement de construire des modèles précis – c’est de s’assurer que ces modèles peuvent fonctionner de manière fiable dans des environnements hospitaliers complexes, sous une surveillance réglementaire stricte.

Au fil du temps, la distinction entre les soins « assistés par l’IA » et les soins « standard » peut commencer à s’estomper. Au lieu d’être un outil visible, l’IA pourrait devenir une couche sous-jacente qui interprète continuellement les données, signale les risques et soutient les cliniciens en temps réel.

Si ce changement se produit, les améliorations de l’exactitude diagnostique et des résultats pour les patients peuvent ne pas provenir d’une seule fonctionnalité innovante, mais de l’effet cumulatif de l’IA discrètement intégrée dans l’ensemble du flux de travail clinique.