Test	Objectif	Norme associée
Vérification logicielle	Bon fonctionnement du code	IEC 62304
Validation clinique	Pertinence médicale	MDR Ann. XIV
Cyber sécurité	Protection des données	ISO/IEC 27001
Ergonomie & usage	Facilité pour les utilisateurs	IEC 62366

Étape	Délai estimé
Audit interne + SMQ	1-2 mois
Dossier technique + validation clinique	3-6 mois
Sélection et soumission à un ON	6 semaines
Révision et réponse	3-6 mois
Marquage CE obtenu	sous 12 mois

 

---

Plan Qualité – ISO 13485:2016

Projet : MédiScan – Logiciel d’Intelligence Artificielle Médicale

1.1. Objet

Ce document définit le Plan Qualité mis en place dans le cadre du développement, de la validation et de la mise sur le marché du logiciel MédiScan. Celui-ci est destiné à répondre aux exigences de la norme ISO 13485:2016 pour les dispositifs médicaux, en particulier les logiciels à usage médical de classe IIa.

2.2. Domaine d’application

Le présent Plan Qualité s’applique à l’ensemble du cycle de vie du logiciel MédiScan : conception, développement, tests, validation clinique, gestion des risques, maintenance, et surveillance post-commercialisation.

3.3. Références normatives

– ISO 13485:2016 – Systèmes de management de la qualité pour les dispositifs médicaux

– ISO 14971:2019 – Application de la gestion des risques aux dispositifs médicaux

– IEC 62304 – Cycle de vie du logiciel pour les dispositifs médicaux

– Règlement (UE) 2017/745 relatif aux dispositifs médicaux (MDR)

4.4. Organisation et responsabilités

La direction qualité est responsable de la conformité globale au système qualité. Chaque membre de l’équipe projet est responsable de l’application des procédures dans son périmètre : développement logiciel, documentation, vérification/validation, ou affaires réglementaires.

5.5. Conception et développement logiciel

– Spécifications fonctionnelles et techniques formalisées

– Architecture logicielle documentée

– Mise en œuvre d’un cycle de développement conforme IEC 62304

– Gestion de versions, tests unitaires, intégration, validation

6.6. Gestion des risques (ISO 14971)

– Analyse préliminaire des dangers

– Évaluation des risques liés à l’usage clinique du logiciel

– Définition de mesures de maîtrise

– Surveillance continue post-commercialisation

7.7. Vérification et validation

– Élaboration de plans de tests pour chaque exigence

– Documentation complète des cas de tests et résultats

– Critères d’acceptation définis

– Traçabilité entre les exigences et les tests

8.8. Documentation qualité

– Enregistrement et archivage de tous les documents projet

– Numérotation, versionnage, validation, diffusion

– Utilisation d’un système qualité électronique ou manuel

9.9. Ressources humaines et formation

– Enregistrement des compétences et formations

– Plan de formation continue

– Sensibilisation aux exigences réglementaires

10.10. Revue qualité et amélioration continue

– Revue périodique du système de management de la qualité

– Suivi d’indicateurs qualité

– Traitement des non-conformités et actions correctives/préventives

---

Annexes Qualité et Réglementation – Projet MédiScan

1.1. Checklist de conformité – MDR 2017/745 et ISO 13485

– [ ] Définition de la finalité médicale du logiciel (DM classe IIa)

– [ ] Classification selon la Règle 11 du MDR (logiciel influençant une décision médicale)

– [ ] Système de management de la qualité (ISO 13485:2016)

– [ ] Évaluation clinique documentée (Annexe XIV MDR)

– [ ] Gestion des risques conforme ISO 14971

– [ ] Vérification et validation logicielle (IEC 62304)

– [ ] Revue des exigences générales de sécurité et de performance (GSPR)

– [ ] Plan de surveillance post-commercialisation (PMS)

– [ ] Processus de vigilance (rappel produit / incident)

– [ ] Dossier d’enregistrement EUDAMED

2.2. Structure du Dossier Technique (Technical File)

1. Description du dispositif (fonction, usage, architecture logicielle)

2. Spécifications fonctionnelles et exigences

3. Gestion des risques (ISO 14971)

4. Dossier de développement logiciel (IEC 62304)

5. Évaluation clinique (Annexe XIV MDR)

6. Résultats de tests de vérification et validation

7. Manuel utilisateur

8. Étiquetage, mentions légales, avertissements

9. Plan de surveillance post-mise sur le marché

10. Certificats qualité (ISO 13485, cybersécurité si applicable)

3.3. Exemple de procédure – Gestion des risques (ISO 14971)

1. Identifier les dangers liés au logiciel (ex : mauvaise interprétation d’image, alerte manquée)

2. Estimer la gravité et la probabilité de chaque risque

3. Appliquer des mesures de maîtrise (messages d’avertissement, validation humaine)

4. Réévaluer le risque résiduel

5. Documenter toutes les étapes dans une matrice de risques

6. Réaliser une revue périodique des nouveaux risques (mise à jour, retour terrain)

4.4. Surveillance post-commercialisation (PMS) et vigilance

– Collecte des retours utilisateurs et incidents via formulaire intégré

– Procédure interne de signalement (non-conformité, erreur de prédiction)

– Notification à l’autorité compétente si incident grave

– Évaluation continue de la performance clinique réelle

– Mises à jour logicielles documentées et traçables

---

Modèle de Formulaire de Suivi des Risques – ISO 14971

Ce formulaire est destiné à la documentation et à la gestion des risques liés au logiciel médical MédiScan, conformément à la norme ISO 14971. Il peut être intégré dans le dossier technique du dispositif médical (DM classe IIa).

1.Matrice d’Évaluation des Risques

ID Risque	Description du danger	Conséquence clinique	Gravité (1-5)	Probabilité (1-5)	Risque initial (S x P)	Mesures de maîtrise
R-1
R-2
R-3

2.Suivi des Risques et Validation

– Responsable de la gestion des risques : ____________________________

– Date de la dernière revue de risques : ____________________________

– Risques acceptés par l’équipe projet : OUI / NON

– Risques résiduels documentés et justifiés dans le rapport final : OUI / NON

– Mesures d’information ou d’alerte intégrées à l’interface utilisateur : ____________________________

Structure Complète du Dossier Technique (DT)

1. Description générale du dispositif

2. Objectif médical et conditions d’utilisation

3. Architecture logicielle et description fonctionnelle

4. Exigences générales de sécurité et de performance (GSPR)

5. Gestion des risques (matrice, procédure ISO 14971)

6. Données de vérification et validation (plans de tests, résultats)

7. Évaluation clinique (études, publications, protocole)

8. Notice utilisateur / étiquetage / avertissements

9. Plan de surveillance post-commercialisation (PMS)

10. Gestion des modifications logicielles et traçabilité

11. Déclaration de conformité CE

12. Preuves de conformité aux normes (ISO 13485, IEC 62304, ISO 14971)

---

Gestion des risques

ID Risque	Description du danger	Conséquence clinique	Gravité (1-5)	Probabilité (1-5)	Risque initial (S x P)	Mesures de maîtrise	Risque résiduel
R-01	Mauvaise interprétation d’une lésion cutanée	Retard de diagnostic, risque de cancer évolutif	4	3	12	Intégration de seuils d’alerte + validation humaine	6
R-02	Détection non signalée d’un nodule suspect sur une image pulmonaire	Absence de recommandation de suivi, diagnostic tardif	5	2	10	Double vérification IA + messages d’incertitude	4
R-03	Panne serveur empêchant l’accès à l’analyse	Interruption de service, perte d’accès temporaire	3	2	6	Serveur redondant + sauvegardes régulières	2

---

Protocole de Validation Clinique – MédiScan

1.1. Objectif

Démontrer la performance clinique du logiciel MédiScan dans la détection assistée par IA de pathologies visibles sur imagerie médicale.

2.2. Méthodologie

– Étude comparative : IA vs interprétation humaine

– Multisite, multicritère, non interventionnelle

– Utilisation de cas rétrospectifs anonymisés et cas prospectifs avec consentement

3.3. Critères d’évaluation

– Sensibilité, spécificité, taux de concordance

– Écart entre analyse IA et avis clinique

– Temps d’analyse et ergonomie

4.4. Sécurité des données et éthique

– Données anonymisées

– Pas de traitement de données personnelles identifiables

– Soumission au CPP si données prospectives

5.5. Durée et échantillon

– Durée de l’étude : 3 à 6 mois

– Échantillon : 200 à 500 cas cliniques

6.6. Objectifs de performance

– Sensibilité ≥ 85 %

– Taux de concordance ≥ 80 % avec l’interprétation médicale

– Acceptabilité clinique validée par les professionnels

7.7. Intégration réglementaire

– Rapport de validation intégré dans le Dossier Technique

– Appui à la certification CE classe IIa (MDR 2017/745)

---

Rapport de Validation Logicielle – Norme IEC 62304

1.1. Introduction

Ce document présente le rapport de validation du logiciel médical MédiScan, conformément à la norme IEC 62304 relative au cycle de vie des logiciels de dispositifs médicaux. L’objectif est de démontrer que le logiciel répond à ses exigences spécifiées et qu’il est adapté à l’usage prévu.

2.2. Description du logiciel

Nom : MédiScan
Type : Logiciel d’aide au dépistage visuel médical
Classe de sécurité : B (logiciel non critique, DM classe IIa)
Fonction : Analyse d’images médicales pour alerter sur des anomalies visuelles

3.3. Objectifs de la validation

– Vérifier que le logiciel satisfait aux exigences fonctionnelles

– Confirmer la conformité aux spécifications techniques

– Assurer la traçabilité entre les tests, les exigences et les risques identifiés

4.4. Environnement de test

– Système d’exploitation : Windows/Linux/MacOS

– Navigateurs : Chrome, Firefox, Safari

– Matériel utilisé : PC standard / smartphone / serveur cloud

– Données de test : images issues de bases publiques (ISIC, Camelyon, LIDC-IDRI, APTOS)

5.5. Méthodologie

– Tests unitaires pour chaque module

– Tests fonctionnels (interface, réponse aux utilisateurs)

– Tests d’intégration entre modules IA et UI

– Tests de non-régression à chaque mise à jour

– Analyse des limites (fausses alertes, erreurs acceptables)

6.6. Résultats des tests

Les scénarios de test ont été exécutés avec succès. Les résultats ont permis de vérifier la robustesse du système, la précision des alertes visuelles et la stabilité de l’interface logicielle. Aucun échec critique n’a été constaté. Les performances sont jugées conformes à l’usage prévu.

7.7. Traçabilité des exigences

Une matrice de traçabilité relie chaque exigence à son test associé et au risque correspondant. Cette matrice est incluse dans le dossier technique.

8.8. Conclusion

Sur la base des tests réalisés et des exigences spécifiées, le logiciel MédiScan est considéré comme validé dans le cadre de son usage prévu en tant que Dispositif Médical de classe IIa. Ce rapport est archivé et mis à disposition pour les audits qualité ou réglementaires.

---

Protocole d’Étude Clinique – MédiScan

1.1. Objectif de l’étude

Évaluer les performances cliniques du logiciel MédiScan en tant qu’outil d’aide à la détection de pathologies visibles sur images médicales (peau, sein, poumon, œil, cavité buccale).

2.2. Contexte et justification

MédiScan est un logiciel de santé basé sur l’intelligence artificielle, conçu pour assister le dépistage visuel de pathologies à partir d’imageries médicales. Conformément au règlement (UE) 2017/745, cette étude vise à démontrer sa sécurité et ses performances en situation réelle.

3.3. Type d’étude

– Étude observationnelle multicentrique

– Étude comparative avec interprétation médicale de référence

– Objectif : non-infériorité / concordance

4.4. Critères d’inclusion

– Patients adultes (>18 ans) présentant une anomalie visible

– Consentement éclairé obtenu

– Disponibilité d’une image médicale exploitable (photo, mammo, scan, etc.)

5.5. Méthodologie

Chaque image est analysée par MédiScan et comparée à l’interprétation faite par un professionnel de santé (radiologue, dermatologue, etc.). Les résultats sont anonymisés. Les écarts et concordances sont évalués en double aveugle.

6.6. Critères d’évaluation

– Sensibilité de l’IA (détection de cas positifs)

– Spécificité (non-détection des cas sains)

– Taux de concordance avec les diagnostics humains

– Temps de réponse / ergonomie d’usage

7.7. Analyse statistique

Les performances seront analysées selon la courbe ROC, l’AUC, les taux de vrais positifs / faux positifs. Un seuil de sensibilité >85% est recherché.

8.8. Encadrement éthique et réglementaire

L’étude est conduite dans le respect des principes éthiques de la Déclaration d’Helsinki et du RGPD. Aucune donnée personnelle identifiable n’est conservée. Le protocole peut être soumis à un CPP (Comité de Protection des Personnes) si nécessaire.

9.9. Durée

Durée estimée : 3 à 6 mois
Nombre prévu de cas analysés : 150 à 300 images selon spécialités

10.10. Équipe investigatrice

– Coordinateur : [Nom / Coordonnées]

– Centres participants : HIA, CHU, cabinets partenaires

---

Script de présentation orale – Étude clinique MédiScan

Bonjour Mesdames, Messieurs les membres du comité,

Je vous remercie de nous accorder ce temps pour vous présenter le projet d’étude clinique lié au dispositif médical MédiScan.

MédiScan est un logiciel d’intelligence artificielle médicale développé dans le but de renforcer la détection précoce de certaines pathologies visibles à partir d’images médicales standards : lésions cutanées, anomalies pulmonaires, masses mammaires, atteintes ORL ou rétinopathies.

Le logiciel ne se substitue pas à un professionnel de santé, mais il fournit un rapport structuré simulant une évaluation visuelle clinique, en s’appuyant sur des bases d’images médicales validées.

L’étude que nous proposons vise à évaluer la performance réelle de l’outil, à travers une comparaison directe entre les résultats de MédiScan et ceux de professionnels de santé (radiologues, dermatologues, etc.) sur des cas rétrospectifs ou prospectifs anonymisés.

Nous respectons pleinement les principes éthiques, le RGPD, et nous prévoyons l’obtention du consentement éclairé en cas de collecte de données prospectives. Aucun traitement de données identifiantes n’est envisagé.

Nous souhaitons que cette étude, encadrée par des professionnels référents, permette de valider la pertinence clinique de MédiScan, en vue d’un marquage CE comme dispositif médical de classe IIa.

Je reste bien entendu à votre disposition pour toute question. Merci de votre attention.

Lettre d’intention – Soumission étude clinique

À l’attention du Comité d’Éthique / Comité de Protection des Personnes

Objet : Lettre d’intention pour soumission d’un projet d’étude clinique – Logiciel MédiScan

Je soussigné(e) [NOM, prénom], porteur du projet MédiScan, déclare mon intention de soumettre une étude clinique observationnelle visant à évaluer les performances d’un logiciel d’aide au dépistage visuel de pathologies à partir d’images médicales standardisées.

Cette étude respecte les principes éthiques fondamentaux et ne prévoit aucun traitement de données personnelles identifiables. Les cas étudiés seront anonymisés et issus soit de bases rétrospectives, soit de cas prospectifs avec consentement éclairé.

Nous sollicitons votre appui pour la validation de cette démarche, dans le cadre de notre processus réglementaire vers une certification CE en tant que Dispositif Médical (classe IIa – MDR 2017/745).

Nous vous remercions sincèrement pour l’examen de notre projet.

Fait à [ville], le [date]

Signature : ___________________

---

Notre étude :

​Le marché des logiciels d’intelligence artificielle (IA) appliqués au dépistage médical connaît une croissance rapide, portée par des avancées technologiques significatives et une demande accrue pour des solutions de diagnostic plus précises et efficientes.​

Croissance et projections du marché

En 2020, le marché mondial de l’IA dans le domaine de la santé était évalué à environ 4,3 milliards d’euros, avec une projection de croissance annuelle de 50 %, atteignant ainsi près de 45 milliards d’euros en 2027 . Plus spécifiquement, le segment du diagnostic assisté par IA, évalué à 17,36 milliards de dollars en 2024, devrait atteindre 135,72 milliards de dollars d’ici 2032, enregistrant un taux de croissance annuel composé (TCAC) de 29,31 % .​AllisoneMordor Intelligence™+4Global Growth Insights+4Global Market Insights Inc.+4

Facteurs propulsant le marché

Plusieurs éléments contribuent à cette expansion :

• Augmentation des données de santé : La prolifération des données médicales nécessite des outils avancés pour leur analyse efficace.​

• Demande pour des diagnostics précis : Les professionnels de santé recherchent des solutions pour améliorer la précision et la rapidité des diagnostics.​

• Investissements accrus : Les gouvernements et les entreprises investissent massivement dans la recherche et le développement de l’IA en santé.​Allisone+1Leem+1

Paysage concurrentiel

Le secteur voit l’émergence de nombreuses start-ups innovantes. En France, le nombre de start-ups spécialisées dans l’IA appliquée à la santé est passé de 102 en 2019 à 191 en 2020 . Des entreprises comme BioSerenity et Equasens développent des solutions intégrant l’IA pour le diagnostic médical.​Global Market Insights Inc.Allisone+1Leem+1Wikipédia, l’encyclopédie libre+1Wikipédia, l’encyclopédie libre+1

Enjeux éthiques et réglementaires

L’intégration de l’IA dans le diagnostic médical soulève des questions éthiques, notamment concernant la transparence des algorithmes, la protection des données des patients et la responsabilité en cas d’erreur diagnostique . Les réglementations évoluent pour encadrer ces technologies et assurer leur utilisation sécurisée.​

Opportunités et défis

Les opportunités incluent l’amélioration de l’efficacité diagnostique, la personnalisation des soins et la réduction des coûts de santé. Cependant, des défis subsistent, tels que l’acceptation par les professionnels de santé, l’intégration dans les systèmes existants et la nécessité de validations cliniques rigoureuses.​

Conclusion

Le marché des logiciels d’IA pour le dépistage médical est en pleine expansion, offrant de nombreuses opportunités pour les acteurs innovants. Toutefois, le succès dans ce domaine nécessite une compréhension approfondie des besoins cliniques, une conformité aux réglementations en vigueur et une attention particulière aux considérations éthiques.

---

💰 Définir le prix de vente de MédiScan – Démarche structurée

---

✅ 1. Déterminer vos coûts (base de calcul)

Coût de revient total estimé (initial) : ≈ 120 000 à 250 000 €
Coût d’exploitation annuel (run) : ≈ 25 000 – 50 000 €

---

🧠 2. Évaluer la valeur perçue / utilité clinique

• MédiScan fait gagner du temps médical (pré-analyse d’images)

• Il améliore la priorisation des patients

• Il renforce la détection précoce, donc évite des retards coûteux

• En termes économiques, 1 cancer détecté plus tôt = économie de 5 000 à 15 000 € en coûts de soins

---

💼 3. Choisir un modèle économique adapté

---

📈 4. Benchmark concurrentiel

---

💵 5. Calcul du prix de vente indicatif MédiScan

➕ Hypothèse :

• 100 clients la 1ʳᵉ année (cabinets ou centres)

• Abonnement de 300 € / mois / utilisateur

➕ Recette projetée :

100 x 300 x 12 = 360 000 € / an

➡ Cela couvre le coût initial et le run annuel dès la 2e année, avec un point mort franchi entre 12 et 18 mois.

---

🧮 Exemple de formule finale conseillée

Formule SaaS PRO :

• 490 €/mois TTC / cabinet → accès illimité (hors API)

• Option : analyse API à 0,90 € / image (ex : logiciel de radiologie partenaire)

Formule Hôpital / GHT :

• 8 000 €/an licence site + contrat de maintenance

---

📌 Recommandation stratégique

• Commencer avec une offre de lancement (ex : 3 mois gratuits ou 50 %) pour créer de l’adoption

• Prévoir un tarif « early partner » pour les premiers centres testeurs (2 000 €/an)

• Proposer un modèle freemium grand public + version « MédiScan Pro »

---