Gleamer simplifie la lecture radiologique grâce à une IA intégrée au workflow
Gleamer est une entreprise de medtech spécialisée dans l’intelligence artificielle appliquée à la radiologie. Sa solution n’a pas vocation à remplacer le radiologue. Elle lui fournit un second regard logiciel, intégré au parcours de lecture des examens. Pour un établissement, l’enjeu est double : soutenir des équipes confrontées à une forte charge d’imagerie et homogénéiser l’analyse sans ajouter une étape manuelle au quotidien.
Gleamer, une plateforme d’IA conçue pour la lecture radiologique
Fondée en 2017, Gleamer développe une suite de solutions d’aide à l’interprétation des images médicales. Elle s’adresse aux radiologues, aux centres d’imagerie, aux hôpitaux et aux groupes de santé qui souhaitent mieux détecter, prioriser ou caractériser certaines anomalies sur des radiographies, des scanners, des IRM et des mammographies.
Le positionnement est à la fois clinique et opérationnel. L’algorithme analyse l’examen, signale des zones d’intérêt et fournit des informations utilisables pendant la lecture. Il agit comme un outil de pré-diagnostic ou de second lecteur : la décision médicale, la vérification des images et la validation du compte rendu restent sous la responsabilité du praticien.
Un appui face à la densité des listes de travail
La radiologie doit composer avec la multiplication des examens, des délais d’interprétation courts, des images plus complexes et une disponibilité limitée des spécialistes. Dans ce contexte, l’IA peut aider à repérer des signaux faibles, à limiter le risque d’oubli et à trier les examens qui nécessitent une attention rapide. Son intérêt ne tient donc pas uniquement à la vitesse d’analyse. Il dépend aussi de la qualité de l’attention que le radiologue peut consacrer à chaque dossier.
Ce que Gleamer Copilot change dans le workflow
Gleamer Copilot propose une expérience unifiée, avec plusieurs capacités d’IA accessibles depuis un même environnement. L’objectif est de limiter la juxtaposition de logiciels propres à chaque modalité et de rapprocher l’assistance algorithmique du flux habituel de lecture. Cette approche peut simplifier l’usage quotidien lorsque les examens et les résultats restent accessibles dans le même parcours.
La valeur de la solution dépend toutefois de son intégration réelle. Un outil performant mais difficile à ouvrir, à interpréter ou à valider risque de rester en marge des pratiques. L’enjeu est donc de rapprocher l’IA du travail déjà réalisé, sans déplacer la charge vers les radiologues ou les équipes techniques.
Du RIS à la worklist sans rupture de parcours
Dans un déploiement adapté, les examens sont transmis depuis les systèmes d’imagerie, analysés, puis présentés au radiologue dans son environnement de travail, notamment via le RIS. La worklist prioritization peut faire remonter les dossiers potentiellement urgents. Le mode shadow, de son côté, permet d’observer le comportement de la solution avant de l’activer dans l’organisation clinique.
Ces étapes permettent de tester l’outil dans les conditions du service. Elles donnent aussi aux équipes le temps de vérifier la lisibilité des résultats, leur cohérence avec les images originales et leur place dans la validation du compte rendu. L’intégration ne se résume donc pas à connecter un logiciel : elle suppose de définir quand et comment l’IA intervient dans la lecture.
Le bon critère n’est pas uniquement le temps gagné sur un examen isolé. Il faut observer le rythme réel du service : moments de surcharge, interruptions téléphoniques, passages de garde, retards accumulés et pics d’urgences. Une priorisation utile à 11 heures peut devenir indispensable à 18 heures, lorsque la liste s’allonge et que la vigilance baisse. Cartographier ces rythmes avant le déploiement aide à paramétrer l’outil au service de la lecture, plutôt qu’à imposer un nouveau rythme aux équipes.
Une aide lisible et contrôlable
Pour être acceptés, les résultats doivent rester visualisables, compréhensibles et faciles à confronter aux images originales. Le signalement d’une zone suspecte ne remplace jamais une lecture complète ni la mise en perspective avec l’indication clinique. L’outil doit apporter une information supplémentaire, pas transformer une alerte algorithmique en conclusion automatique.
Les établissements ont aussi intérêt à définir des règles précises : cas d’usage retenus, responsabilités, formation des utilisateurs, suivi des alertes et conduite à tenir lorsqu’un résultat diverge de l’interprétation du radiologue. Cette organisation clarifie la place de l’IA et facilite son utilisation dans la durée.
Des modules pour plusieurs modalités et indications
La couverture multimodale est un axe important de Gleamer. Au lieu de limiter l’IA à une seule famille d’examens, la suite rassemble des briques spécialisées pour accompagner plusieurs pratiques de radiologie. Chaque module conserve un périmètre clinique propre, que l’établissement doit mettre en regard de ses besoins et de ses examens.
| Solution | Champ d’application | Apport attendu |
|---|---|---|
| BoneView | Radiographies traumatiques | Assistance à la détection de lésions osseuses |
| ChestView | Radiographie thoracique | Repérage d’anomalies thoraciques selon le périmètre clinique du module |
| BoneMetrics et BoneAge | Mesures osseuses et âge osseux | Standardisation de certaines évaluations |
| OncoView, LungCT et BoneCT | Scanner et suivi oncologique | Analyse d’éléments utiles au suivi des lésions et des nodules |
| BreastView | Mammographie 2D et 3D | Seconde lecture dédiée à l’imagerie mammaire |
Cette logique s’étend aussi à l’IRM neurologique et lombaire. Pour un décideur, la question n’est pas de rechercher une couverture universelle, mais de vérifier l’adéquation entre les examens produits sur site, les indications autorisées du logiciel et les priorités cliniques locales. Une suite large est utile si elle évite de multiplier les interfaces tout en conservant une spécialisation par modalité.
Les éléments de réassurance à examiner avant un choix
La crédibilité d’une solution d’IA radiologique repose sur davantage qu’une démonstration produit. Gleamer indique être présente dans 2 000 établissements, répartis dans 40 pays, et traiter 30 millions d’examens par an. En France, 300 sites publics et privés sont équipés. Ces volumes montrent une capacité de déploiement, mais ils ne remplacent pas l’évaluation du besoin propre à chaque organisation.
Ces chiffres doivent être lus comme des indicateurs d’adoption. Ils ne permettent pas, à eux seuls, de conclure à un gain identique dans tous les services. Le nombre d’examens, les modalités utilisées, les habitudes de lecture et l’organisation de la validation peuvent modifier l’impact opérationnel de la solution.
Lire les performances avec méthode
Les résultats annoncés doivent être rapprochés du protocole d’évaluation : type d’examens, population concernée, définition de l’anomalie recherchée et rôle exact de l’outil dans le parcours. Une amélioration de la sensibilité peut, par exemple, s’accompagner d’alertes supplémentaires que les radiologues devront examiner.
L’essai local reste déterminant. Il doit associer des radiologues représentatifs des pratiques du site et mesurer plusieurs dimensions : charge cognitive, délais de lecture, qualité de l’interprétation et pertinence des alertes. Cette phase permet de distinguer une performance mesurée dans un protocole donné de l’utilité réelle dans le fonctionnement quotidien de l’établissement.
Sécurité, interopérabilité et gouvernance des données
Un projet solide implique la DSI, le responsable de la sécurité, les équipes métiers et la direction médicale dès le départ. Les points à clarifier concernent l’intégration au RIS et aux systèmes d’archivage, les flux d’images, la pseudonymisation, les habilitations, la traçabilité des résultats et les modalités de support.
La gouvernance doit aussi préciser qui consulte les résultats, qui peut les valider et comment sont gérés les écarts entre l’analyse algorithmique et l’interprétation médicale. Ces règles encadrent l’usage de l’IA et facilitent son appropriation par les équipes. La conformité et la sécurité des données ne sont donc pas de simples sujets techniques : elles conditionnent l’acceptation de l’outil et son inscription dans l’activité clinique.
Pourquoi Gleamer occupe une place singulière sur le marché
Gleamer cherche à réunir une porte d’entrée unifiée, des modèles propriétaires adaptés à la radiologie et une extension progressive des modalités couvertes. L’acquisition de Pixyl et de Caerus Medical en 2025 s’inscrit dans cette volonté d’élargir le périmètre fonctionnel, notamment autour de l’imagerie avancée.
AutoReport, orienté vers la génération automatisée de comptes rendus radiologiques, prolonge cette approche au-delà de la détection. La suite vise ainsi plusieurs moments du travail radiologique, depuis l’analyse des images jusqu’à l’aide à la rédaction, tout en laissant la validation au professionnel.
Pour une direction d’établissement, la valeur potentielle repose sur un compromis exigeant : apporter une aide concrète aux radiologues, préserver leur autonomie de jugement et limiter la fragmentation du système d’information. Une démonstration centrée sur les flux réels, suivie d’une phase d’évaluation encadrée, fournit une base plus fiable qu’une comparaison limitée aux fonctionnalités annoncées.
- Gleamer simplifie la lecture radiologique grâce à une IA intégrée au workflow - 11 octobre 2026
- Un PSA élevé n’annonce pas forcément un cancer de la prostate : l’âge et l’évolution comptent - 7 octobre 2026
- Injection de PRP : un traitement autologue aux effets progressifs et variables - 3 octobre 2026
Partager cet article
Articles qui pourraient vous intéresser :
Scanner cardiaque : quand le contraste iodé, le score calcique et les contre-indications changent l’examen ?
TEP scanner : 6 heures de jeûne, injection et cas particuliers à connaître
Écho-doppler veineux : tarif, remboursement à 70 % et reste à charge selon le secteur
Scanner abdominal : organes visibles, contraste iodé et préparation avant l’examen