Les données médicales sont sensibles et nécessitent la mise en œuvre de mesures techniques et organisationnelles adéquates pour assurer leur sécurité.
Le respect des réglementations en matière de protection des données (GDPR/HIPAA) est primordial.
Les modèles de machine learning et de deep learning nécessitent des jeux de données médicales de taille et de précision suffisantes. La qualité des données est difficile à définir et dépend du projet.
Les données péri-procédurales proviennent de sources multiples. Le stockage et le formatage des données médicales manquent de standardisation.
L'annotation, la curation et la validation des données médicales requièrent un haut niveau d'expertise.
La représentativité des données utilisées pour entraîner les modèles est essentielle pour éviter les biais.
Pour garantir l'adoption d’une technologie, il est essentiel d'impliquer les différentes parties prenantes dès la phase de développement et de disposer de données cliniques robustes.
Toutes les données collectées sont anonymisées ou pseudonymisées conformément à la réglementation sur la protection des données. Les données font notamment l'objet d'un cryptage de pointe (double processus, double clé). Notre politique répond aux normes les plus élevées en matière de protection des données.
Nos algorithmes ont été entraînés sur de très grandes bases de données de signaux intracardiaques, soigneusement annotés par des médecins experts.
Notre base de données est continuellement enrichie de nouvelles données procédurales qui nous permettent d'améliorer encore nos solutions d'IA.
Notre solution a fait l'objet d'une validation clinique significative avec un essai clinique multicentrique en Europe (l'essai EvAI-Fib, JCE 2022).
Nous menons actuellement un essai clinique randomisé international (l'essai Tailored-AF, NCT04702451) pour valider davantage son utilisation pour la FA persistante.
