Chargement
en cours ...
Accélérateur de projets
pour la santé visuelle et auditive
Rejoignez-nous
36 entreprises
incubées depuis 2010
Accueil > Les anciens incubés > DreamUp Vision
retour à la liste des entreprises

logo DreamUp Vision

L'ÉQUIPE MANAGÉRIALE

Nicolas Meric, Président

CONTACT

Nicolas Meric
23 Avenue d'Italie
75013 Paris

nicolas.meric@dreamupvision.com

www.dreamupvision.com
Société créée en Juin 2016

DreamUp Vision

Et si demain on pouvait prévenir 80% des cas de cécité grâce aux technologies de deep-learning ?

DreamUp Vision vise à faire bénéficier les professionnels de la santé des dernières avancées en machine learning pour créer un meilleur dépistage des maladies de la rétine afin de détecter les maladies oculaires à leur stade le plus précoce.

Issue des activités de l’entreprise DreamQuark, le projet DreamUp Vision est né lors du hackathon sur le diabète organisé par Novartis en mars 2015 et s'est concrétisé en juin 2016 par la création d'une entreprise.

L'équipe est constituée de docteurs en physique, tous anciens élèves des prestigieuses Grandes Ecoles françaises, notamment ENS de Lyon et d'Ulm, Ecole Polytechnique, Telecom ParisTech, ainsi que les meilleurs universités étrangères.

La rétinopathie Diabétique (RD)

La population des personnes atteintes de la cécité est d'environ 39 millions, celle des malvoyants est d'environ 285 millions. Les principales causes sont la cataracte, le glaucome, la dégénérescence maculaire, les opacités cornéennes, la rétinopathie diabétique et les affections oculaires chez les enfants. Les causes évitables de déficience visuelle représentent environ 80% du total des cas.

La rétinopathie diabétique (RD), causée par le diabète, est la principale cause de cécité dans la population des moins de 60 ans. Aussi, un diagnostic précoce joue un rôle inestimable et pourrait prévenir la cécité.

Statistiquement, plus de 75% des personnes qui souffrent de diabète depuis plus de 20 ans auront une forme plus ou moins avancée de RD.

La RD est au début asymptomatique, aussi le diagnostic précoce dans les vaisseaux sanguins de la rétine peut être réalisé par un suivi régulier de la rétine.

L'analyse régulière de la rétine des patients diabétiques est un problème mondial. En effet près de 3 millions d'oeil devront être diagnostiqués par les ophtalmologistes chaque jour d'ici 2030 (35 examens par seconde). La population des diabétiques augmentera de 54% d’ici 2030 à comparer à l’augmentation de 2% du nombre d'ophtalmologistes d’ici 2030.

En outre, 80% des patients atteints de diabète vivent dans des pays à faibles revenus où les ophtalmologistes sont difficilement accessibles. Dans les pays développés les patients diabétiques sont censés voir un ophtalmologiste chaque année alors qu'en pratique ils ne le font que tous les 2 à 5 ans, et cela empêche la détection précoce des troubles de la rétine.

La technologie développée : un algorithme de deep learning 

L’algorithme reconnaît seul les signes de la maladie, en détectant des microanévrismes, des tâches ou le mauvais état des artères, sur des images de fond d’œil réalisées à partir d'un rétinographe. Mais pour que cet algorithme devienne intelligent, il a d’abord fallu l’entraîner. Le modèle mathématique a ainsi été "nourri" de 90 000 images de fond d’œil de patients atteints de la pathologie.

Aujourd’hui, l’algorithme est non seulement capable de dépister la maladie en quelques secondes, mais aussi de déterminer son stade de développement. Son niveau de performance est comparable à celui des ophtalmologues. 

La commercialisation de ce dispositif médical est prévue pour décembre 2017

Les entreprises incubées Le réseau des anciens Témoignages Actualités

DOMAINES / ACTIVITÉS

Dispositifs médicauxE-santé

CHIFFRES CLÉS / MOTS CLÉS

  • Dépistage une fois par an

  • 75% des personnes qui souffrent de diabète depuis plus de 20 ans auront une forme plus ou moins avancée de RD

  • 97,5 % des cas détectés grâce à l'algorithme

  • Rétinopathie diabétique

  • Cécité

  • Deep learning

  • Dépistage

  • Big data


POINTS FORTS & INNOVATION

  • Moteur d'apprentissage

  • Analyse d'images

  • Détection précoce