Six ans après sa création, par le trio Jérôme Laurent-Michel (infirmier),Thibaud Remacle (cofondateur de Softkinetic) et Franck Casado (ingénieur en traitement du signal) et deux ans après une première salve de capitalisation, la “med tech” MintT vient de procéder à un tour de table à hauteur de 1,375 million d’euros, engrangés tant auprès de ses actionnaires existants que du côté d’un nouvel investisseur privé, “entrepreneur ayant créé et accéléré plusieurs sociétés, ces dernières années, essentiellement selon un modèle SaaS”.

Répartition de la levée de fonds: la moitié de l’argent frais provient des actionnaires existants – aux rangs desquels les cofondateurs, le CEO Eric Krzeslo (lui aussi venu de Softkinetic), Sambrinvest, le fonds d’investissement Guardiola Invest et plusieurs business angels. L’autre moitié est apportée par le nouvel investisseur privé.

Désormais, le capital de MintT se répartit comme suit: les fondateurs et l’équipe de direction conservent la majorité (55%) ; Sambrinvest et le fonds Guardiola détiennent chacun 10% ; 15% sont entre les mains du nouvel investisseur privé ; le reste se répartissant entre les divers autres business angels et des stock options octroyées à quelques collaborateurs.

Décupler la base installée

Les fonds recueillis serviront à la fois à poursuivre le développement fonctionnel de la solution (amélioration constante de l’algorithme, notamment) et à démarcher et convaincre de nouveaux établissements d’adopter la solution.

Pour l’heure, MintT annonce une clientèle d’une “dizaine d’établissements” – hôpitaux ou maisons de repos. Parmi eux, le Chwapi (centre hospitalier de Wallonie picarde) à Tournai ou encore l’asbl ACIS à Liège, gérante d’un réseau de maisons de repos, et l’établissement La Rose (également une maison de repos) à Bruxelles.

En 2020, la société continuera de se concentrer essentiellement sur le marché belge avant de démarcher “de manière plus structurée” quelques marchés limitrophes – France, Pays-Bas, Grand-Duché. “Le produit étant désormais mature et bénéficiant de premières installations, il est temps de passer à la phase d’accélération de sa commercialisation”, déclare Eric Krzeslo.

“Notre approche commerciale est assez proche d’un modèle SaaS. Cela nous permet de procéder aux démarches commerciales, à la prospection et à l’on-boarding des clients à distance. Pour ce qui est de l’installation des capteurs 3D, l’opération peut aisément être ^prise en charge par l’équipe technique existant au sein de l’hôpital ou de la maison de repos.”

A priori, pas besoin donc de trouver des distributeurs ou intégrateurs opérant dans différents pays. L’expansion internationale pourrait se faire en direct. Toutefois, “nous explorons également la piste de partenariats plus stratégiques, avec des sociétés bien implantées, ayant une expertise dans le secteur hospitalier et déployant des solutions innovantes…”

Au rayon nouvelles fonctionnalités, MintT continuera d’améliorer ses algorithmes d’analyse (images et comportements ; voir ci-dessous) – “principalement pour développer de nouveaux modules s’appliquant à des cas [de suivi] spécifiques” -, et projette d’ajouter des “services” complémentaires, tels que la génération de statistiques et rapports pouvant alimenter et s’intégrer aux logiciels et solutions existants (gestion de qualité des soins, par exemple).

Eric Krzesło (MintT): “Décupler le nombre de lits équipés en 2020 et 2021 en Belgique, voire en France, aux Pays-Bas et au Luxembourg avant d’entamer une expansion européenne et mondiale.”

Une IA en surveillance constante

A l’avenir (comme c’est déjà le cas depuis quelques mois), la solution ISA de MintT s’enrichira des développements en intelligence artificielle (analyse automatique d’images et de mouvements détectés) qui ont reçu l’appui financier d’Innoviris dans le cadre d’un programme R&D subventionné. Ce projet de recherche en IA se déroule depuis un an et demi en collaboration avec les laboratoires LISA (Laboratoire de l’Image : Synthèse et Analyse) et IRIDIA (Institut de Recherches Interdisciplinaires et de Développements en Intelligence Artificielle) de l’ULB.

Le principe de base qu’applique la solution MintT, par détection de (degré de) mouvement et de nature de comportement, est d’effectuer via des capteurs d’image 3D une surveillance constante d’une personne considérée comme courant un risque pour sa santé.

“Nous ne nous limitons pas à détecter la chute d’une personne ou une sortie de lit. La collecte de données – image et analyse d’image – se fait en continu. Un épisode de chute, par exemple, commence souvent bien avant, avec d’autres signes, et impose un suivi après l’incident afin de préserver autant que possible l’autonomie de la personne”, tient à souligner Eric Krzeslo.

Visualisation et suivi analytique de la situation sur la console de surveillance de l’infirmière.

“L’analyse du “comportement” est constante. A la fois via l’intelligence embarquée à même le capteur 3D et avec intervention simultanée, temps réel, de plusieurs couches d’analyse, assurées par des algorithmes installés pour partie dans le cloud. Cela permet d’opérer plusieurs analyses différentes pour chaque situation – comportement, agitation en position couchée, sortie de lit, vélocité de déambulation… – et d’améliorer la qualité de la détection.”

Le scénario analytique est paramétrisé en fonction de chaque individu et type d’environnement. “Par exemple, selon qu’une personne doive impérativement rester alitée suite à une opération, qu’elle puisse se mouvoir selon certaines conditions, qu’elle soit médicalisée ou non, selon aussi l’heure de la journée ou de la nuit où se produit l’incident, en fonction de la présence ou non d’un aidant, etc.”

Autre aspect de la solution: la collecte exponentielle de “statistiques” sur l’état et le comportement ou niveau d’activité de chaque patient ou résident sous surveillance ISA. Là encore, afin de pouvoir affiner le suivi de manière personnalisée.

“Depuis nos débuts, nous avons eu l’occasion d’équiper des dizaines voire des centaines de chambres de patients ou de résidents, dans des environnements différents – hôpitaux, maisons de repos, CPAS… Nous avons ainsi accumulé une diversité grandissante de “comportements” de personnes simplement faibles ou malades, de patients souffrant de démence ou encore de la maladie d’Alzheimer… Toutes ces informations nous permettent d’améliorer sans cesse la qualité de nos outils de détection et d’analyse et d’accélérer également leur fonctionnement.

C’est là quelque chose d’important à la fois pour la personnalisation du suivi, selon les habitudes de vie de chaque occupant de chambre, mais aussi pour la précision et la sensibilité du système, afin d’éviter par exemple les fausses alertes…”