Radiology Partners acquiert Cognita pour révolutionner l'IA médicale

Une vente stratégique pour l'IA en santé

En octobre 2024, Cognita, une startup spécialisée dans l'intelligence artificielle appliquée à la radiologie, a pris une décision audacieuse en acceptant une offre d'acquisition de Radiology Partners, la plus grande pratique de radiologie au monde. Cette décision est intervenue moins d'un an après la fondation de l'entreprise par Louis Blankemeier et ses co-fondateurs, qui avaient pour ambition de rendre leurs recherches doctorales utiles dans le monde réel.

Les modèles d'IA développés par Cognita étaient capables d'interpréter des images médicales complexes, telles que des radiographies et des tomodensitogrammes, pour des dizaines de milliers de diagnostics potentiels. Ils généraient des rapports de radiologie complets qui reflètent la manière dont les radiologues raisonnent dans la pratique clinique. À une époque où l'IA en radiologie se limitait à quelques conditions spécifiques, cette innovation représentait un changement fondamental.

Moins d'un an après sa création, Cognita a été confrontée à un choix crucial : lever des fonds de capital-risque pour continuer de manière indépendante ou accepter l'offre d'acquisition de Radiology Partners. La sagesse conventionnelle dans le secteur technologique préconise l'indépendance comme signe d'ambition véritable. Cependant, pour transformer réellement les soins de santé, Cognita a choisi une voie différente.

Les défis de l'IA clinique

L'IA clinique est un domaine hautement réglementé, avec des cycles de vente longs et des dynamiques complexes entre les parties prenantes. Ces contraintes rendent difficile pour une startup de croître de manière indépendante. En rejoignant Radiology Partners, Cognita espère augmenter significativement l'accès aux soins de santé à l'échelle mondiale.

Bien que les modèles d'IA de Cognita aient démontré leur efficacité dans des environnements de recherche, ils n'étaient pas encore prêts pour une utilisation clinique à grande échelle. La radiologie, en particulier, présente des défis uniques avec des milliards de pixels de données à analyser et des cas limites critiques à identifier.

Pendant son doctorat, Louis Blankemeier a formé des modèles d'IA en radiologie sur des ensembles de données considérables, allant de dizaines à des centaines de milliers d'études. Ces modèles ont prouvé leur valeur académique, mais dans des contextes cliniques réels, ils n'étaient pas encore conformes aux normes de sécurité et de cohérence nécessaires pour les soins aux patients.

La radiologie dans le monde réel est définie par des cas limites où des pathologies rares mais critiques sont rencontrées régulièrement. Une seule étude de tomodensitométrie peut contenir 10 séries volumétriques haute résolution, équivalentes à des vidéos 3D. Ajoutez des études antérieures pour le même patient, et vous pouvez avoir un milliard de pixels de données. Ces milliards de pixels codent une quantité d'informations équivalente à des manuels médicaux entiers.

Les entreprises qui ont fait le plus de progrès dans l'IA contrôlent l'ensemble du système et atteignent une échelle rapidement. Elles possèdent les véhicules, la pile de capteurs, le pipeline de collecte de données, les environnements de simulation et l'infrastructure de déploiement. Cette intégration, opérant à grande échelle, leur permet de collecter en continu des cas limites rares, de réentraîner les modèles, de valider les améliorations et de redéployer en toute sécurité.

Intégration et échelle : clés du succès

Les entreprises qui réussissent dans le domaine de l'IA contrôlent l'ensemble du système, de la collecte de données à l'infrastructure de déploiement. Cette intégration permet de collecter continuellement des cas limites rares, de réentraîner les modèles et de valider les améliorations. En radiologie, cela nécessite des ensembles de données historiques diversifiés et des flux de données en direct.

Les modèles de langage de pointe ont montré que des retours humains continus sont essentiels pour améliorer les modèles d'IA. En radiologie, chaque rapport généré par l'IA doit être revu et approuvé par un radiologue humain, créant ainsi un cycle vertueux d'amélioration continue.

L'accès à ces données de correction est rare et ne peut fonctionner de manière significative qu'à une échelle massive. Ces capacités seraient incroyablement difficiles à atteindre en tant que startup d'IA autonome.

De plus, les modèles de langage de pointe ont clairement démontré que des retours humains continus, de haute qualité et étendus sont la clé pour rendre les modèles utiles. Cela est tout aussi vrai en radiologie. Dans un monde où les rapports de radiologie sont rédigés par l'IA, chaque ébauche doit être examinée, modifiée et approuvée par un radiologue humain. Ces modifications deviennent des signaux de haute qualité qui peuvent être exploités pour améliorer les modèles d'IA. De meilleurs modèles augmentent la précision et la capacité des radiologues. Une précision accrue des radiologues améliore la qualité des données d'entraînement futures. Une capacité accrue permet aux radiologues de prendre des contrats supplémentaires. Cela, à son tour, génère plus de données et de corrections de haute qualité, mettant en mouvement un puissant cycle vertueux.

La crédibilité par l'intégration

Dans le secteur de la santé, la confiance repose sur des preuves rigoureuses et réelles. Pour qu'une nouvelle technologie soit adoptée, elle doit démontrer son efficacité clinique, sa fiabilité et sa sécurité. En s'intégrant à Radiology Partners, Cognita espère prouver son efficacité à grande échelle et établir sa crédibilité dans le domaine.

Les preuves dans le domaine de la santé ne sont pas générées par de petits pilotes. Elles se construisent à travers des performances soutenues sur des sites divers, des populations de patients, des modalités et des cas limites. Si un système prouve son efficacité au sein de la plus grande pratique de radiologie au monde, il établit sa crédibilité sur plusieurs dimensions à la fois : efficacité, fiabilité, sécurité et évolutivité.

Louis Blankemeier, PDG et co-fondateur de Cognita, a toujours été motivé par la mission d'augmenter l'accès aux soins de santé grâce à la technologie. Convaincu que l'IA est la technologie la plus prometteuse pour y parvenir, il a poursuivi un doctorat en IA à Stanford, où il a développé Merlin, un modèle de vision-langage 3D pour l'interprétation des tomodensitogrammes, publié dans "Nature" en 2026.

Cognita est désormais l'unité commerciale d'IA de Mosaic Clinical Technologies chez Radiology Partners. Cette intégration stratégique vise à renforcer l'efficacité et la portée des diagnostics radiologiques, tout en accélérant l'accès global aux soins de santé.