Henry Schein One déploie la vérification des radios par IA dans 10 000 cliniques

Henry Schein One a lancé Image Verify, un système d'IA de contrôle de la qualité des radios, fondé sur Amazon SageMaker AI. Le système analyse les images en temps réel, au moment même de la prise.

Comment fonctionne Image Verify

Image Verify est un modèle d'IA qui évalue automatiquement la qualité des radios dentaires. Au lieu de confier le contrôle à un humain, le système rend un verdict instantané : l'image est exploitable, ou il faut la refaire. L'enjeu est réel, car une mauvaise image entraîne un diagnostic imprécis et des reprises, ce qui retarde le traitement et augmente l'exposition du patient aux rayonnements.

Le système tourne sur Amazon SageMaker AI, la plateforme cloud d'AWS pour les modèles de ML, ce qui permet de monter en charge sans goulot d'étranglement côté infrastructure.

Qui est Henry Schein One

Henry Schein est un leader mondial de la fourniture d'équipements et de logiciels pour les cliniques dentaires et médicales (l'entreprise fait partie du Fortune 500). Henry Schein One est sa plateforme cloud de gestion de cabinet dentaire, utilisée par des dizaines de milliers de cliniques dans le monde. La plateforme unifie la gestion des patients, des radios, des dossiers et de la facturation.

Ampleur du déploiement

La progression d'Image Verify est frappante :

• Plus de 10,000 sites actifs en quelques mois après le lancement
• Plus de 11 millions de radios déjà traitées
• 1.5 million d'images par semaine (cadence de traitement actuelle)
• Extension prévue à 40,000 sites dans quatre régions

Ce rythme d'adoption montre que le produit était prêt et que les cliniques en voulaient.

Pourquoi le contrôle qualité des radios est crucial

En dentisterie, les radios sont un outil de diagnostic essentiel. Mais une image mal centrée, une exposition insuffisante ou excessive, ou un mouvement du patient en dégradent la valeur informative. Quand l'image est mauvaise, la clinique fait face à un dilemme : la refaire (rayonnement supplémentaire pour le patient et temps de consultation en plus) ou travailler avec des informations incomplètes, au risque de se tromper.

Le système d'IA détecte les problèmes immédiatement, tant que le patient est encore au cabinet, ce qui permet de refaire l'image sur place.

Ce que cela signifie

Image Verify est un exemple classique de ML en production dans la santé : non pas une tâche hypothétique, mais un système intégré à un flux de travail réel. Henry Schein One a montré que le ML cloud sur Amazon SageMaker passe à l'échelle de dizaines de milliers de points d'usage sans refonte de l'infrastructure. Passer du concept à 10,000 cliniques en quelques mois est un rythme qui paraissait jusqu'ici hors de portée dans la medtech.

C'est aussi un signal pour les autres éditeurs de logiciels médicaux : pour rivaliser dans le cloud, il faut des modèles de ML prêts à l'emploi, intégrables en quelques jours.