labs@atheron:~/industries/healthcare/ai$ train agent --grounded

L’IA en santé

Notes cliniques et références, sur des modèles privés.

En santé, l’IA est la plus utile dans la paperasse autour des soins : la note après la consultation et la référence avant. Les deux touchent des dossiers de santé, alors nous les bâtissons sur des modèles qui roulent là où vous le décidez, et un clinicien ou un membre du personnel a toujours le dernier mot.

Lancer un projet Voir les exemples de projets

// ce qui compte ici

Ce qui change dans ce secteur.

Les dossiers restent chez vous

Les modèles open source et sur mesure roulent sur votre serveur GPU ou dans votre compte infonuagique au Canada. Aucun enregistrement ni texte de dossier n’est envoyé à un fournisseur d’IA externe.

Le clinicien signe, pas le modèle

L’assistant prépare une note; le clinicien la révise, la corrige et la signe. Rien n’est versé au dossier sans lui.

Mesuré sur vos propres cas

Chaque modèle est évalué sur un jeu réservé de vos notes ou références dépersonnalisées avant la mise en service, puis avant chaque changement.

De la paperasse, pas du diagnostic

Nous bâtissons des outils qui traitent des documents et de l’aiguillage. Un logiciel qui prend des décisions cliniques peut relever des règles de Santé Canada sur les instruments médicaux, et nous en établissons la portée avec votre équipe réglementaire.

// exemples de projets

Exemples chiffrés pour ce service.

Chacun est hypothétique, présenté comme tel et chiffré en direct à partir de notre grille tarifaire. Ouvrez-le dans l’estimateur et adaptez-le.

Exemple de projetApplication webIAModèle open source

Assistant de notes cliniques privé

Hypothétique. Ni un client ni un résultat.

// Le problème

Les cliniciens passent leurs soirées à terminer leurs notes, et la clinique ne peut pas envoyer les consultations enregistrées à un service d’IA externe.

// Ce que nous bâtirions

Un assistant qui transcrit la consultation avec le consentement du patient et prépare une note structurée que le clinicien révise, corrige et signe, sur des modèles open source qui roulent sur un serveur GPU dans le centre de données de l’organisme : aucun son ni texte n’en sort.

// Ce qu’il comprend

Consentement obtenu avant l’enregistrement, et enregistrement qui s’arrête sur demande
Transcription et note structurée selon les gabarits de la clinique
Le clinicien révise, corrige et signe; rien n’est versé au dossier sans lui
Notes versées au DME par son interface
Un jeu d’évaluation tiré de vraies consultations dépersonnalisées, exécuté avant chaque changement

// Technologies

Whisper (open source)
Llama ou Qwen (open source)
vLLM
Next.js
Serveur GPU Lenovo sur place

// estimation

Développement: ≈ 155 000 USD à 236 000 USD, livré en 39 semaines au plus221 000 $ CA à 336 500 $ CA
Hébergement: ≈ 176 USD par mois250 $ CA par mois
Soutien: ≈ 2 500 USD par mois3 565 $ CA par mois
Matériel: ≈ 47 800 USD à 197 000 USD68 000 $ CA à 280 800 $ CA

Les prix dans votre devise sont des estimations au taux du jour de la Banque du Canada. Toute la facturation se fait en CAD ou en USD.

Approche d’IA: Modèle open source
Coût d’exploitation du modèle: ≈ 176 USD par mois250 $ CA par mois

Échéancier par étape

Découverte: 2,9 à 3,4 semaines
Spécification et plan d’évaluation: 0,4 semaine
Maquettes approuvées: 2,4 à 4,4 semaines
Fonctions principales: 1,4 à 2,4 semaines
Développement complet: 0,9 à 1,4 semaine
Projet pilote fonctionnel: 4,9 à 8,4 semaines
Tests et corrections: 0,4 à 0,9 semaine
Contrôles construits et documentés: 0,9 à 1,4 semaine
Revue de préparation: 2,9 à 14,4 semaines
Mise en ligne: 0,9 à 1,4 semaine
Production: 0,9 à 1,4 semaine

Hors de notre contrôle, et ajouté au calendrier

Livraison du matériel, après la commande: 2 à 6 semaines
Approbation et accès de test du fournisseur du DME: 1 à 4 semaines
Ententes d'associé commercial avec vos fournisseurs (HIPAA): 2 à 6 semaines
Réservation d'un testeur d'intrusion et son rapport: 2 à 4 semaines

Modalités de paiement

Acompte 20 %: 44 140 $ CA à 67 240 $ CA
Découverte 1,5 %: 3 310,50 $ CA à 5 043,00 $ CA
Spécification et plan d’évaluation 8 %: 17 656 $ CA à 26 896 $ CA
Maquettes approuvées 1,5 %: 3 310,50 $ CA à 5 043,00 $ CA
Fonctions principales 4,6 %: 10 152,20 $ CA à 15 465,20 $ CA
Développement complet 3,1 %: 6 841,70 $ CA à 10 422,20 $ CA
Projet pilote fonctionnel 24,2 %: 53 409,40 $ CA à 81 360,40 $ CA
Tests et corrections 1,5 %: 3 310,50 $ CA à 5 043,00 $ CA
Contrôles construits et documentés 7,7 %: 16 993,90 $ CA à 25 887,40 $ CA
Revue de préparation 7,7 %: 16 993,90 $ CA à 25 887,40 $ CA
Mise en ligne 1,5 %: 3 310,50 $ CA à 5 043,00 $ CA
Production 8,7 %: 19 200,90 $ CA à 29 249,40 $ CA
Retenue, 30 jours après la mise en ligne (10 %): 22 070 $ CA à 33 620 $ CA
Temps GPU pour l’entraînement et les tests, au coût: 300 $ CA. Facturé d’avance, au coût, en dehors des étapes
Serveur GPU pour l’IA, pour le modèle: 68 000 $ CA à 280 800 $ CA. Facturé d’avance, au coût, en dehors des étapes

Partir de cet exemple

Exemple de projetApplication webIALLM sur mesure

Tri et aiguillage des références

Hypothétique. Ni un client ni un résultat.

// Le problème

Une clinique spécialisée reçoit des références par télécopieur et en numérisations de dizaines de formats, et le personnel lit chaque page pour trouver le motif, l’urgence et ce qui manque.

// Ce que nous bâtirions

Un modèle sur mesure, affiné sur les références dépersonnalisées de la clinique, qui lit chacune, en extrait les champs, signale les résultats manquants et propose une file d’attente; une personne confirme chaque référence avant la prise de rendez-vous.

// Ce qu’il comprend

Télécopies et numérisations converties en champs structurés : motif, urgence, clinicien référent
Résultats d’examens manquants signalés, avec une demande au référent toute prête
File et priorité proposées, confirmées par le personnel
Un modèle affiné sur vos références, évalué sur un jeu réservé
Servi dans votre propre compte infonuagique, dans une région canadienne

// Technologies

Modèle à poids ouverts affiné
Chaîne de traitement OCR
Python
Next.js
AWS (région canadienne)

// estimation

Développement: ≈ 177 000 USD à 270 000 USD, livré en 33 semaines au plus251 700 $ CA à 384 300 $ CA
Hébergement: ≈ 6 710 USD par mois9 550 $ CA par mois
Soutien: ≈ 2 500 USD par mois3 565 $ CA par mois

Les prix dans votre devise sont des estimations au taux du jour de la Banque du Canada. Toute la facturation se fait en CAD ou en USD.

Approche d’IA: LLM sur mesure
Coût d’exploitation du modèle: ≈ 6 530 USD par mois9 300 $ CA par mois

Échéancier par étape

Découverte: 2,9 à 3,4 semaines
Données et plan d’évaluation: 0,4 semaine
Maquettes approuvées: 2,4 à 3,9 semaines
Fonctions principales: 1,9 à 3,4 semaines
Développement complet: 1,4 à 2,4 semaines
Entraînement: 7,4 à 12,4 semaines
Tests et corrections: 0,4 semaine
Évaluation et tests adverses: 3,9 à 4,4 semaines
Mise en ligne: 0,9 à 1,4 semaine
Production: 0,9 à 1,4 semaine

Hors de notre contrôle, et ajouté au calendrier

Approbation et accès de test du fournisseur du DME: 1 à 4 semaines

Modalités de paiement

Acompte 20 %: 50 100 $ CA à 76 620 $ CA
Découverte 1,5 %: 3 757,50 $ CA à 5 746,50 $ CA
Données et plan d’évaluation 7,9 %: 19 789,50 $ CA à 30 264,90 $ CA
Maquettes approuvées 1,5 %: 3 757,50 $ CA à 5 746,50 $ CA
Fonctions principales 4,6 %: 11 523,00 $ CA à 17 622,60 $ CA
Développement complet 3,1 %: 7 765,50 $ CA à 11 876,10 $ CA
Entraînement 23,9 %: 59 869,50 $ CA à 91 560,90 $ CA
Tests et corrections 1,5 %: 3 757,50 $ CA à 5 746,50 $ CA
Évaluation et tests adverses 15,9 %: 39 829,50 $ CA à 60 912,90 $ CA
Mise en ligne 1,5 %: 3 757,50 $ CA à 5 746,50 $ CA
Production 8,6 %: 21 543,00 $ CA à 32 946,60 $ CA
Retenue, 30 jours après la mise en ligne (10 %): 25 050 $ CA à 38 310 $ CA
Temps GPU pour l’entraînement et les tests, au coût: 1 200 $ CA. Facturé d’avance, au coût, en dehors des étapes

Partir de cet exemple

// questions

Ce qu’on nous demande à ce sujet.

Pourquoi pas un modèle de pointe pour les notes?

C’est possible là où votre responsable de la vie privée approuve le fournisseur et l’entente. Bien des organismes préfèrent un modèle open source sur leur propre serveur pour que les consultations enregistrées ne sortent jamais; nous chiffrons les deux.

Comment les patients consentent-ils à l’assistant?

Le consentement est demandé et consigné avant chaque enregistrement, et le patient ou le clinicien peut l’arrêter à tout moment. Votre équipe de la vie privée fixe le libellé.

À partir de quoi un modèle de références apprend-il?

D’un ensemble de vos anciennes références, dépersonnalisées, avec les champs que le personnel en a tirés. Nous mesurons pendant l’étiquetage et vous disons quand plus d’exemples aideraient.

Retour au secteur: Santé À propos du service: Agents et modèles d’IA

// la suite

Ce n’est pas tout à fait votre projet?

Décrivez-nous ce que vous avez en tête. Nous vous reviendrons avec une fourchette et les questions qui permettront de la resserrer. Ou réservez un appel pour en discuter.

Lancer un projet Réserver un appel