Sectra déploie son module de reporting assisté par IA dans le réseau Mount Sinai

Le 4 novembre 2026, le fournisseur suédois Sectra a signé un accord de sept ans avec le Mount Sinai Health System, l’un des plus grands groupes hospitaliers des États‑Unis. L’objectif : intégrer le module Sectra Reporting, enrichi d’intelligence artificielleIntelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision., dans la plateforme Sectra One Cloud pour l’ensemble des services de radiologie, qui réalisent plus de 1,2 million d’examens chaque année. Le déploiement est prévu pour le printemps 2027.

Un workflow intégré du début à la fin

Actuellement, les radiologues de Mount Sinai utilisent déjà l’imagerie d’entreprise de Sectra (radiologie, imagerie mammaire et archivage). L’ajout du reporting vise à éliminer le besoin de basculer entre deux systèmes distincts. Le principe : le praticien passe de la file d’attente d’examens à un rapport signé sans quitter l’interface. La dictée libre est analysée en temps réel ; l’IA structure les observations, propose un brouillon d’impression et signale les incohérences avant la validation finale. En théorie, ce processus devrait raccourcir les temps de rendu, même si les premiers résultats restent à mesurer après la mise en service.

Fonctionnalités clés du module Sectra Reporting

• Synthèse assistée par IA : un seul clic génère une impression résumée à partir de la dictée libre.
• Entrées multiples : prise en charge de la parole, de modèles enrichis et de formulaires spécifiques à chaque examen.
• Gestion des mesures : capture et suivi des dimensions de lésions, avec la possibilité d’insérer des liens vers les images correspondantes.
• Intégration des résultats d’IA tiers : les algorithmes externes peuvent être injectés directement dans le rapport.
• Visualisation UniView : une fois signé, le rapport s’affiche aux médecins référents avec les images et mesures associées, facilitant la prise de décision.

Sectra indique compter 14 000 utilisateurs actifs du module Reporting dans le monde, générant 27 millions de rapports par an, dans 21 pays. Ces chiffres reflètent l’usage global du produit, pas celui du futur déploiement américain.

Pourquoi ce partenariat est-il notable ?

Mount Sinai, qui regroupe sept hôpitaux, plus de 400 pratiques ambulatoires et l’Icahn School of Medicine, représente une échelle rarement atteinte par les solutions d’imagerie européennes. Le vice‑président de la radiologie IT, Dr David S. Mendelson, a souligné que la convergence du reporting et de l’imagerie « permet aux deux systèmes d’évoluer ensemble », évitant l’ajout d’une couche logicielle supplémentaire. Le président de Sectra, Isaac Zaworski, voit dans cette adoption un pas vers des flux de travail diagnostiques unifiés, où le nombre d’applications utilisées par les radiologues serait réduit.

Enjeux et limites à surveiller

Le véritable test sera la capacité du système à tenir ses promesses une fois opérationnel. Deux points critiques restent à observer :

1. Le gain de temps réel : la réduction du délai entre examen et rapport dépendra de la fluidité du passage du module IA à la validation humaine.
2. L’acceptation par les cliniciens : même si l’outil propose des contrôles de qualité automatisés, les radiologues devront faire confiance aux suggestions de l’IA pour ne pas introduire de nouvelles sources d’erreur.

Le modèle de Sectra, qui maintient la compatibilité avec d’autres solutions de reporting, laisse aux établissements la liberté de conserver leurs outils existants tout en testant le module natif. Cette flexibilité pourrait faciliter l’adoption progressive, mais elle implique également une gestion plus complexe des interconnexions.

En résumé, l’accord avec Mount Sinai place l’IA au cœur du processus de rédaction de rapports radiologiques aux États‑Unis. Si les bénéfices annoncés – rapidité, cohérence et simplification du parc informatique – se confirment, le modèle pourrait devenir un référent pour d’autres grands réseaux de santé cherchant à unifier leurs flux d’imagerie et de reporting.