Les bénéfices médico-économiques sont ambitieux. D’une part, la sensibilité et la spécificité des outils permettent une précision optimale dans l’interprétation des images. “L’utilisation de Pixyl a permis une facilitation et une sécurisation de notre activité. Comme tout outil, s’il n’est pas parfait, il nous permet quand même de gagner beaucoup en fiabilité et en tranquillité.”, confie le Dr Arnaud Beauguitte, radiologue au Pôle d’Imagerie et de Cancérologie du Pont Saint Vaast. Véritable soutien à la décision clinique, l’algorithme facilite le diagnostic et le suivi des pathologies, et favorise ainsi des choix plus éclairés de traitement et de prise en charge. “Très souvent, pour ne pas dire toujours, cette analyse par l’intelligence artificielle permet de corriger la première analyse du radiologue.”, affirme le Dr Stéphane Cantin, radiologue et président du groupe clinique du Mail à Grenoble.

D’autre part, la rapidité des analyses Pixyl permet une optimisation du temps d’analyse par le médecin, en le déchargeant de tâches répétitives et fastidieuses. L’analyse des images médicales est en effet une tâche extrêmement chronophage pour les radiologues, qui doivent en plus jongler avec les réductions d’effectifs et l’augmentation du nombre et de la complexité des images à interpréter. Grâce à Pixyl, le radiologue est plus efficace et se concentre directement sur l’essentiel. “Ça soulage un petit peu le radiologue, vu les volumes d’examens qu’on brasse c’est plutôt agréable, et ça lui donne de la confiance dans son diagnostic.”, témoigne le Dr Cantin.

Convaincue de l’importance de l’ergonomie de sa technologie, l’équipe de Pixyl s’est également attachée à l’intégrer de façon parfaitement fluide et transparente dans le flux de travail des professionnels de santé, permettant alors d’en exploiter toute la puissance.

Vainqueure du concours d’analyse de données de la Société Française de Radiologie en octobre 2019, Pixyl s’impose alors comme un leader de l’analyse automatisée des clichés de neuroimagerie. L’équipe a réussi à faire le lien entre l’imagerie cérébrale et la prédiction de handicap pour les patients atteints de Sclérose en Plaques, en combinant l’expertise de radiologues avec des techniques d’intelligence artificielle.