DiagFit : un pari de 6,5 millions d'euros sur les données que vous collectez déjà

La startup healthtech parisienne DiagFit a bouclé un tour de financement de série A de 6,5 millions d'euros, a annoncé l'entreprise aujourd'hui. Le tour a été co-dirigé par Bpifrance, via son programme French Tech Accélération, et Heartcore Capital. Des investisseurs providentiels existants, dont l'ancien CTO de Doctolib Jean-Charles Samuelian-Werve, se sont joints à l'investissement. anthropic-opens-seoul-office-and-expands-korean-ai-ecosystem-partnerships

L'entreprise prévoit d'utiliser ce nouveau capital pour intégrer sa plateforme propriétaire de diagnostic par IA dans davantage d'hôpitaux et de cliniques français. Elle envisage également de doubler son équipe d'ingénieurs pour atteindre 40 personnes et de lancer des essais cliniques nécessaires au marquage CE dans le cadre du Règlement européen sur les dispositifs médicaux (MDR).

Plateforme et cas d'usage

Au cœur de la technologie de DiagFit se trouve un pipeline d'apprentissage automatique multimodal qui ingère et fusionne trois types de données : l'imagerie médicale (radiographies, scanners, échographies), les dossiers médicaux électroniques structurés (résultats de laboratoire et signes vitaux), et les flux constants provenant des appareils portables grand public comme les montres connectées et les bracelets de fitness. Le modèle ensembliste génère des scores de risque et des suggestions de diagnostic pour cinq maladies chroniques cibles : le diabète de type 2, l'hypertension, la maladie rénale chronique, la stéatose hépatique non alcoolique et l'insuffisance cardiaque à un stade précoce. fast-lewm-parallel-action-prefix-prediction-slashes-latent-world-model-planning-costs

Selon l'entreprise, son système atteint une aire sous la courbe ROC de 0,91 pour la détection des états prédiabétiques. Ce chiffre provient d'une étude de validation rétrospective menée sur 12 000 dossiers patients anonymisés issus de deux centres hospitaliers universitaires français. Sur la même cohorte, le modèle a surpassé les outils de dépistage standard, tels que le Finnish Diabetes Risk Score (FINDRISC), de 12 points de pourcentage.

Justification des investisseurs

“Ce qui distingue DiagFit, c'est son approche pragmatique de l'intégration des données. Ils ne cherchent pas un seul biomarqueur ou une modalité d'imagerie : ils combinent tout ce qu'un hôpital collecte déjà en un seul score cliniquement exploitable. Cela correspond à la réalité des soins primaires, où les médecins ont rarement une vision complète sur un seul appareil,”

a déclaré Marie Lefèvre, associée chez Heartcore Capital, dans un communiqué.

Le pari de Bpifrance passe par son programme French Tech Accélération, qui cible les startups deeptech au stade de la série A axées sur l'industrialisation. tcs-and-anthropic-partner-to-bring-claude-to-regulated-industries

Contexte du marché

Le marché mondial des diagnostics de santé basés sur l'IA devrait atteindre 34,3 milliards de dollars d'ici 2028, selon des estimations récentes. Les maladies chroniques représentent 74 % de tous les décès dans le monde, selon l'Organisation mondiale de la santé, ce qui stimule la demande d'outils de détection plus précoces et moins coûteux. DiagFit fait face à un secteur très concurrentiel, comprenant la startup française Incepto et l'américaine Viz.ai, mais elle se distingue par son approche multimodale centrée sur les soins primaires, plutôt que de se concentrer strictement sur la radiologie ou la cardiologie. from-zero-days-to-autonomous-defense-how-ai-agents-are-rewriting-cybersecurity

L'entreprise a été fondée en 2022 par le Dr Amina Belkacem, PDG et ancienne cardiologue à l'Hôpital Européen Georges-Pompidou, et Thomas Roussel, CTO et ancien ingénieur de recherche chez DeepMind. Ils avaient précédemment levé un tour de table seed de 1,2 million d'euros début 2023.

DiagFit prévoit de soumettre son premier dispositif au marquage CE début 2026, visant un lancement commercial dans trois pays européens d'ici fin 2026. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale