La start-up française Milvue vient d’être référencée par le réseau Vidi. Les centres de radiologie disposeront ainsi d’un outil d’IA pour optimiser et sécuriser leurs flux de travail.
Pour optimiser et sécuriser ses flux de travail en radiologie conventionnelle, le réseau Vidi vient de référencer la start-up française Milvue.
En proposant sa suite logicielle d’IA pour la détection automatique des pathologies osseuses et des pathologies pulmonaires, ainsi que pour la quantification automatique des mesures, Milvue met à disposition des groupes d’imagerie médicale un dispositif médical de classe IIa.
SmartUrgence® est en effet capable d’identifier 7 pathologies osseuses et pulmonaires et d’alerter en temps réel en cas d’anomalies détectées. Cette solution d’aide au diagnostic est configurée pour la radiologie d’urgence. SmartExpert® quant à elle, est un outil de deep learning qui réalise en temps réel toutes les mesures à partir des images radiologiques.
Une bien belle réussite pour cette entreprise française qui offre aux centres de radiologie le moyen d’améliorer leurs flux tout en sécurisant les services rendus aux patients.
Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.
29/07/2025 -
Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...
21/07/2025 -
Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...
15/07/2025 -
Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...
23/06/2025 -
Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...
13/06/2025 -
Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.
23/05/2025 -
Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...
21/05/2025 -
Ne manquez aucune actualité en imagerie médicale et radiologie !
Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.