Gladis Valenzuela

J’aide les acteurs de la santé à rendre leurs données médicales lisibles, adoptées et transmissibles, afin que médecins, patients et partenaires travaillent ensemble sans perte de temps ni confiance. Je transforme des données brutes et complexes en informations claires et exploitables, ce qui accélère l’adoption des solutions santé et sécurise leur mise en marché. À qui je m’adresse : - Startups medtech / e-santé qui peinent à faire adopter leurs solutions par les médecins et patients - Laboratoires spécialisés dont les résultats sont jugés incompréhensibles par les praticiens - Cliniques et centres médicaux confrontés à des données dispersées et illisibles - Mutuelles santé / réseaux privés de soins qui perdent la confiance des assurés à cause de transmissions opaques Ce que je propose : - Je clarifie les données médicales pour qu’elles soient comprises du premier coup par médecins et patients - J’assure l’interopérabilité entre systèmes existants pour réduire la fatigue des utilisateurs - Je crée des outils visuels et standardisés qui améliorent l’adoption et la confiance - J’aide les solutions santé à franchir les barrières réglementaires et commerciales Preuves et références : - 9 ans d’expérience entre Imagerie Médicale, Data science et projets R&D Santé - Contribution dans + de 7 organisations de Santé - Prototype d’IA validé à 95 % de sensibilité et 94 % de spécificité - Dataset normé et prêt à l’entraînement IA, facilitant la reprise de projet et confirmant sa faisabilité produit - Sécurisation de données critiques pour essais cliniques internationaux - Stratification du risque patient ouvrant la voie à une personnalisation des traitements Ils me font confiance : - Nurea - Avicenna.Ai - Banook Imaging (anciennement Keosys) - Institut du Cancer de Montpellier Si vous voulez transformer vos données de santé en informations claires, adoptées et utiles au quotidien, discutons-en dès aujourd’hui.

L’Institut du Cancer de Montpellier souhaitait structurer et exploiter des volumes importants de données cliniques, trop souvent sous-utilisées. Les équipes médicales manquent d’outils de visualisation et d’analyse pour appuyer leurs décisions, notamment dans des contextes critiques comme la chirurgie du cancer du rectum. Le projet est encore en phase de prototypage. Les premiers tests visent à évaluer l’impact sur le temps médical et la fluidité du parcours patient. Actions menées : - Structuration des bases, normalisation des flux, documentation des données de recherches - Accompagnement des doctorants dans l’analyse et l’interprétation des données issues des études cliniques - Conception d’un tableau de bord interactif pour rendre les résultats des études immédiatement exploitables par les chercheurs - Développement d’un module d’aide à la décision pour les chirurgiens, visant à générer automatiquement les mesures-clés à partir des IRM - Intégration de briques de détection et de segmentation des tumeurs pour réduire les délais entre diagnostic et planification opératoire

Banook Imaging accompagne les laboratoires pharmaceutiques dans la gestion de l’imagerie médicale pour les essais cliniques multicentriques. Pour garantir la validité des données, chaque image reçue doit répondre à des critères stricts de qualité, de format et d’anonymisation. J’interviens comme experte sur ces phases critiques de contrôle. Actions menées : - Vérification de la conformité des images selon les protocoles spécifiques à chaque étude (ex. : espacement, séquences, anonymisation) - Segmentation manuelle d’imageries médicales pour préparer les phases d’analyse - Rédaction de commentaires qualité à destination des équipes projet et des centres cliniques 👉 Résultats obtenus : - Sécurisation des données d’imagerie avant analyse : conformité, traçabilité, respect des normes internationales - Contribution directe à la fiabilité et à la fluidité des essais cliniques, en réduisant les retours ou exclusions liés à l’imagerie

L’ICM mène un projet de recherche sur le cancer du pancréas, où les signes cliniques apparaissent souvent à un stade déjà avancé. Avec l’arrivée d’une nouvelle technologie de radiothérapie guidée par IRM, le besoin était d’anticiper les risques de récidive et d’adapter les protocoles thérapeutiques. J’ai été sollicitée pour contribuer à la thèse d’un médecin, centrée sur le développement de modèles pronostiques. Actions menées : - Extraction de données cliniques et radiomiques à partir d’imageries médicales (conversion en formats tabulaires exploitables) - Constitution d’un jeu de données multiparamétriques à partir d’une cohorte de patients traités - Analyse statistique visant à identifier des marqueurs précoces de survie et de récidive - Transmission régulière des résultats au médecin-chercheur pour alimenter la modélisation - Travail autonome sur l’ensemble du pipeline, de la donnée brute à l’analyse 👉 Résultats obtenus : - Premiers résultats permettant de stratifier les patients selon leur niveau de risque (faible ou élevé), ouvrant la voie à une personnalisation des décisions thérapeutiques - Le projet est toujours en cours, dans le cadre de la thèse intitulée "Développement de modèles pronostiques multiparamétriques dans la radiothérapie stéréotaxique guidée par IRM des cancers du pancréas"

Nurea développe des solutions d’imagerie médicale pour sécuriser le suivi post-opératoire des patients atteints d’anévrisme de l’aorte. L’équipe avait besoin d’un modèle fiable pour assister les médecins dans la détection des endofuites sur scanner, une complication pouvant entraîner une rupture de l’aorte. Je suis intervenue pour bâtir une base d’apprentissage pour permettre l’automatisation de cette détection critique. Actions menées : - Constitution d’un dataset exploitable à partir d’imageries médicales segmentées manuellement - Entraînement et évaluation d’un modèle de détection d’endofuites, avec revue régulière des performances par le CEO (profil médical) - Amélioration continue du modèle via une boucle d’analyse d’erreurs et de réflexion sur les cas limites - Définition de critères de décision pertinents pour un usage en appui au diagnostic médical - Visualisation des résultats pour en faciliter l’interprétation par les équipes hospitalières 👉 Résultats obtenus : - Prototype validé avec 95 % de sensibilité et 94 % de spécificité - Amélioration du suivi post-opératoire, avec un outil désormais intégré à l’offre Nurea et utilisé dans les CHU de Bordeaux et Lyon - Premiers retours positifs des médecins utilisateurs, confirmant la pertinence de l’approche

Recrutée dans le cadre d’une reconversion en data science, j’ai intégré l’équipe R&D d’Avicenna.Ai pour poser les bases d’un projet qui vise à améliorer la détection automatique du pneumopéritoine en scanner, afin de faciliter le tri et la prise en charge des urgences digestives. Actions menées : • Collaboration avec le product manager pour cadrer les objectifs, structurer la stratégie et documenter les hypothèses cliniques • Construction du dataset : segmentation manuelle des examens, structuration au format DICOM, normalisation des cas • Labellisation des données en vue de l'entraînement d’un modèle de deep learning • Participation à l’analyse préliminaire des performances et à l’ajustement des paramètres d’apprentissage 👉Résultats obtenus : • Un dataset normé et prêt à l’entraînement de l'IA qui a aidé pour la suite du projet • Une documentation facilitant la reprise en main par une nouvelle équipe technique • Un socle de travail validé en interne confirmant la faisabilité du projet côté produit

Au sein du centre régional de lutte contre le cancer, j’ai intégré une équipe pluridisciplinaire en imagerie médicale pour garantir un accompagnement et un diagnostic des patients à chaque étape de leur parcours de soin. Actions menées : • Accueil, écoute et préparation des patients dans un contexte de pathologies lourdes et de stress important • Réalisation d’examens en scanner, IRM, radiologie conventionnelle, échographie et mammographie • Administration de traitements et injections, avec traçabilité et gestion du dossier patient • Participation active aux actes interventionnels (biopsies, cimentoplasties, cryothérapies, MAPA) • Préparation du matériel, assistance aux gestes techniques, et validation des examens pour interprétation médicale • Astreintes régulières pour assurer la continuité des soins en imagerie • Contribution aux projets informatiques internes liés à l’optimisation du workflow et du planning 👉 Résultats obtenus : • Prise en charge des patients, y compris lors d’examens complexes • Optimisation du planning hebdomadaire avec un gain de temps pour les responsables et meilleure équité dans la répartition des tâches