Medlea
Français ▾
MIXTURE OF EXPERTS · PLATEFORME AGNOSTIQUE À LA PATHOLOGIE

Votre service choisit le motif. La plateforme construit le modèle.

L’IA d’imagerie arrive presque toujours avec ses maladies déjà choisies. Cette plateforme est construite à l’inverse : l’hôpital définit le motif qui l’intéresse, annote ses propres cas, et le modèle est entraîné à l’intérieur de son périmètre.

Discuter d’un pilote Découvrir LeaRes

La boucle qui produit le modèle

Le modèle propose, le radiologue corrige, et les corrections deviennent le jeu de données suivant. Chaque tour doit laisser moins à corriger au suivant.

le modèle amélioré revient comme pré-annotation suivante
  1. 1

    Pré-annotation

    un modèle de base public au premier tour, le vôtre ensuite

  2. 2

    Correction

    c’est le radiologue qui décide — le jugement clinique est ici

  3. 3

    Jeu de données figé

    immuable et empreinté : du modèle on remonte aux cas

  4. 4

    Fine-tuning

    sur le GPU de l’hôpital, à partir du modèle de base, jamais de zéro

  5. 5

    Modèle et évaluation

    jeu de test réservé, évalué par site

Mixture of experts

Nous ne vendons pas un modèle. Nous vendons la machine qui le fabrique.

Une architecture mixture of experts : chaque expert est un modèle restreint à un seul motif, et un orchestrateur léger combine leurs sorties en mesures régionales. Ce que nous construisons n’est pas un ensemble figé d’experts — c’est la machine qui les produit.

  • Votre motif

    Le service décrit ce qu’il veut quantifier. Nous n’arrivons pas avec une liste de maladies.

  • Vos cas

    L’annotation se fait sur les cas de l’hôpital, par ses radiologues, dans LeaRes.

  • Votre GPU

    Entraînement et inférence tournent dans le périmètre. Aucune donnée patient n’est transférée, aucun poids n’est mis en commun.

01

Nous ne vendons pas un modèle. Nous vendons la machine qui en fabrique un.

Un modèle entraîné sur une liste figée de maladies exige des données que la plupart des centres ne peuvent pas partager, et c’est la partie du domaine qui se banalise le plus vite. Nous prenons le chemin inverse : la plateforme est le produit, et chaque hôpital s’en sert pour bâtir un modèle sur ses propres cas.

  • Le motif est décrit par les cliniciens en langage clinique — ce n’est pas un paramètre que choisit un ingénieur.
  • Rien dans l’architecture ne présuppose la pathologie que vous cherchez.
  • Le modèle obtenu appartient au centre dont les données l’ont produit.
Nous ne vendons pas un modèle. Nous vendons la machine qui en fabrique un.
02

De quoi un expert est fait

Intégrer un nouveau motif n’est pas à chaque fois un projet de recherche. Un expert est un ensemble figé de pièces, nommées avant tout entraînement : définition du motif, protocole d’annotation, spécification du jeu de données, modèle de départ, recette d’entraînement, dispositif d’évaluation et registre de provenance.

  • Fine-tuning depuis un modèle pré-entraîné, jamais de zéro — des dizaines de cas annotés plutôt que les milliers qu’exigerait un modèle bâti de rien.
  • Sans dispositif d’évaluation, un modèle n’est pas un expert mais une expérience : on le définit donc en amont, pas après coup.
03

Ajouter un expert sans toucher aux autres

Chaque expert produit sa propre carte, et un petit orchestrateur les combine en mesures régionales — volumes et fractions par motif et par lobe. Ajouter un motif, c’est ajouter un expert, pas réentraîner ceux qui existent déjà.

  • Les motifs qui coexistent sont traités en transmettant aussi la distribution spatiale à l’orchestrateur, et pas seulement des volumes agrégés.
  • Les entrées de l’orchestrateur restent inspectables : le clinicien voit quels motifs ont déterminé un chiffre.
04

Les données ne sortent pas de l’hôpital

Annotation, entraînement et inférence s’exécutent entièrement dans le périmètre de l’hôpital, sur son propre GPU. Aucune donnée de patient ne nous est transférée, et aucun poids n’est mutualisé entre les sites.

  • Conçue pour les juridictions où les données de santé ne peuvent pas franchir une frontière.
  • Chaque site part du même modèle de base public et s’entraîne seul : aucun site n’est exposé aux données d’un autre.
  • Jeux de données figés, modèles entraînés et registres de provenance restent au centre.
Les données ne sortent pas de l’hôpital
05

Ce que nous mesurons, et ce que nous ne mesurons pas

Le chiffre que nous rapportons est le temps qu’un radiologue met à corriger un cas, et la façon dont ce temps évolue à mesure que les cas annotés s’accumulent. Il mesure l’efficacité de l’annotation, pas l’exactitude diagnostique, et la distinction est délibérée.

  • La sortie est un ensemble de mesures : volumes et fractions par motif et par lobe, avec un indice de confiance.
  • Ce n’est pas une étiquette de maladie, et ce n’est pas destiné à prendre ni à remplacer une décision clinique.
  • L’évaluation se fait par site et sur un jeu de test réservé — un modèle entraîné dans un centre n’est jamais noté dans le total d’un autre.
Ce que nous mesurons, et ce que nous ne mesurons pas

Anatomie, pas diagnostic. La plateforme quantifie des structures et des motifs définis par un clinicien ; elle ne produit pas de diagnostic et ne remplace pas le jugement clinique. Le travail avec les centres cliniques est au stade pilote.

Apportez votre pathologie

Nous mettons en place les premiers sites pilotes. Si votre centre a un motif à quantifier et les cas à annoter, nous aimerions en entendre parler.

Écrivez-nous