Artificial Intelligence
that cares

Réservez une démo

jaide s'intègre dans le parcours de soin pour une meilleure prise en charge‍

Entre les consultations

A patient fills jaide tailor-made intake form

En quelques étapes, les patients partagent leurs informations clés: ils remplissent des formulaires personnalisés, envoient leurs résultats d’examens et échangent avec l’IA, pour offrir aux médecins une vue claire et structurée de leur état de santé.

Pendant les consultations

a physician is doing a visit with a patient using jaide

Grâce à l’IA, les médecins disposent de rapports médicaux complets, de projections sur l’évolution des maladies et de recommandations cliniques fondées sur les dernières directives, pour alléger les tâches administratives et garantir des soins d’exception aux patients.

Bénéfices

Patients

  • Accès à des soins d'exception et traitements personnalisés
  • Meilleure communication avec les médecins
  • Plus grande implication dans le parcours de soin

Soignants

  • Accès aux dernières recommandations de prise en charge clinique
  • Plus de temps pour se concentrer sur les patients et sur le soin
  • Une documentation facilitée au maximum

Hôpitaux

  • Des patients mieux pris en charge et accompagnés
  • Des données de santé plus structurées et plus exhaustives
  • Une solution d'IA sécurisée, souveraine et interopérable

Publications internationales

Pilot applications of GPT-4 in radiation oncology: Summarizing patient symptom intake and targeted applications

This study explores using GPT-4 for radiation toxicity monitoring in prostate cancer treatments.

David JH Wu, Jean-Emmanuel Bibault. Radiotherapy & Oncology (The Green Journal)

A web-based, LLM-powered AI symptom summarization tool (ASST) for monitoring of breast cancer treatment toxicity

This study developed and tested a GPT-4-based web app for monitoring cancer treatment toxicity in breast cancer patients.

Jean-Emmanuel Bibault, David JH Wu. Journal of Clinical Oncology - ASCO

A Comparative Study of Large Language Models for Generating Summaries of Breast Cancer Patient-Reported Treatment Toxicities

This study aims to compare four leading open-source and proprietary LLMs in generating summaries of PROs using PDQI.

David JH Wu, Jean-Emmanuel Bibault. International Journal of Radiation Oncology - Biology - Physics (The Red Journal) - ASTRO

Development and Validation of an Interpretable Artificial Intelligence Model to Predict 10-Year Prostate Cancer evolution

This study introduces a gradient-boosted model that can predict 10-year prostate cancer evolution with high accuracy

Jean-Emmanuel Bibault, Steven Hancock, Mark K Buyyounouski, Hilary Bagshaw, John T Leppert, Joseph C Liao, Lei Xing - Cancers

Development and validation of a model to predict evolution in colorectal cancer using a gradient-boosted machine

This study introduces a gradient-boosted model that can predict 10-year colorectal cancer evolution with high accuracy

Jean-Emmanuel Bibault, Daniel T Chang, Lei Xing. - Gut

Patients Facing Large Language Models in Oncology: A Narrative Review

This reviewexamines the current landscape, potential benefits, and associated ethical and regulatoryconsiderations of the application of LLMs for patients in the oncologic domain

Charles Raynaud, David Wu, Jarod Levy, Matteo Marengo, Jean-Emmanuel Bibault - Journal of Clinical Oncology (JCO)

Notre équipe
Camille Thiénot
Link to Linkedin page

Camille Thiénot

Co-fondateur
Chief Executive Officer
‍
‍

Jean-Emmanuel Bibault
Link to Linkedin page

Pr Jean-Emmanuel Bibault, MD, PhD

Co-fondateur
Chief Scientific Officer
Radiothérapeuthe (APHP)
Chercheur en IA (Stanford, INSERM)

Danil Savine
Link to Linkedin page

Danil Savine

Co-fondateur
Chief Technology Officer
‍
‍

Dr David Wu
Link to Linkedin page

Dr David JH Wu, MD

Co-fondateur
Lead advisor
Radiothérapeuthe (Stanford)

‍
‍