Intron Health, une start-up spécialisée dans la reconnaissance vocale clinique, a annoncé avoir levé 1,6 million de dollars lors d'un tour de financement de démarrage. La société a été fondée par Tobi Olatunji, médecin formé et ayant exercé au Nigeria, qui a été témoin de l'inefficacité du système de santé, notamment des tâches administratives fastidieuses et des difficultés à suivre ces documents.
Passionné par l'amélioration de l'efficacité des soins de santé, Olatunji a obtenu une maîtrise en informatique médicale à l'Université de San Francisco et une maîtrise en informatique à l'Institut de technologie de Géorgie. Au cours de son expérience dans des entreprises technologiques, il a acquis une vaste expérience en traitement du langage naturel (TLN), notamment dans le domaine des soins de santé.
L'objectif initial d'Intron Health était de numériser les opérations des hôpitaux africains via les systèmes de dossiers médicaux électroniques (DME). Cependant, Olatunji a constaté que les médecins préféraient écrire à la main plutôt que de taper. Cela l'a poussé à explorer comment améliorer un problème fondamental : comment rendre la saisie et l'écriture des données de base des médecins plus efficaces.
Source : L'image a été générée par l'IA, Midjourney.
Étant donné que les technologies de transcription vocale existantes rencontrent de nombreux problèmes pour traiter les accents africains et la prononciation de termes médicaux complexes, Olatunji a réalisé qu'il était nécessaire de développer une technologie de reconnaissance vocale capable de reconnaître les accents africains. L'outil de reconnaissance vocale d'Intron Health peut s'intégrer aux systèmes DME existants et est déjà utilisé dans 30 hôpitaux de cinq marchés, notamment au Kenya et au Nigeria.
Cette technologie a produit des résultats positifs directs. Par exemple, Intron Health a aidé l'un des plus grands hôpitaux d'Afrique de l'Ouest à réduire le temps d'attente des résultats de radiologie de 48 heures à 20 minutes. Cette efficacité est essentielle dans la prestation de soins de santé, en particulier en Afrique, où le ratio médecins/patients est l'un des plus faibles au monde.
Olatunji a déclaré qu'il était important de s'assurer que les hôpitaux, ayant déjà investi massivement dans les équipements et les technologies, utilisent ces technologies. Intron Health peut apporter une valeur ajoutée en améliorant le taux d'adoption des systèmes DME.
Pour l'avenir, Intron Health explore de nouveaux domaines de croissance, soutenu par plusieurs sociétés de capital-risque et investisseurs providentiels, notamment Microtraction, Plug and Play Ventures, Jaza Rift Ventures, Octopus Ventures, Africa Health Ventures, OpenseedVC, Pi Campus, Alumni Angel et BakerBridge Capital.
Sur le plan technique, Intron Health s'efforce d'améliorer les fonctionnalités de réduction du bruit et de garantir que la plateforme fonctionne correctement même avec une faible bande passante. De plus, la société développe une fonction de transcription de conversations à plusieurs intervenants et la capacité d'intégrer la synthèse vocale.
Olatunji prévoit d'ajouter des systèmes intelligents ou des outils d'aide à la décision pour des tâches telles que les prescriptions ou les analyses de laboratoire. Ces outils peuvent contribuer à réduire les erreurs médicales, à garantir que les patients reçoivent des soins adéquats et à accélérer le travail.
Intron Health fait partie du nombre croissant de start-ups d'IA générative dans le secteur médical, notamment DAX Express de Microsoft, qui réduisent les tâches administratives des cliniciens en générant des notes en quelques secondes. Avec l'essor du marché mondial de la voix et de la reconnaissance vocale, celui-ci devrait atteindre une valeur de 84,97 milliards de dollars d'ici 2032, avec un taux de croissance annuel composé de 23,7 % à partir de 2024.
Outre la création de technologies vocales, Intron Health joue un rôle clé dans la recherche vocale en Afrique. Elle a récemment collaboré avec Google Research, la Fondation Bill et Melinda Gates et la place numérique de PATH pour évaluer les grands modèles linguistiques (LLM) populaires de 15 pays, tels que GPT-4 d'OpenAI, Gemini de Google et Claude d'Anthropic, afin d'identifier les avantages, les inconvénients et les risques de biais ou de préjudice des LLM. Tout cela dans le but de garantir des modèles culturellement adaptés aux cliniques et hôpitaux africains.
