Nous savions que c’était techniquement faisable. Il fallait construire quelque chose de niveau production, avec une valeur directe pour le client final.
Fiche d’identité
Résumé
En une phrase
Pranav Rajpurkar est chercheur et co-fondateur d’a2z Radiology AI, une startup ayant levé 4,5 M $ en seed en décembre 2025. Il commence sa carrière en 2012 à l’Université Stanford, où il consacre sa thèse de doctorat (PhD) à l’intelligence artificielle appliquée à l’interprétation d’images médicales. En 2021, il rejoint la Harvard Medical School en tant que professeur assistant en informatique biomédicale. En 2024, il co-fonde a2z Radiology AI avec son père. Aujourd’hui, la startup a obtenu une autorisation de la Food and Drug Administration (FDA) américaine pour son système de détection de 7 conditions urgentes en un seul passage sur scanner.
Pourquoi il est sur Ideas.xyz
Pranav Rajpurkar a construit un parcours allant de la recherche académique à la création d’entreprise en restant centré sur un seul problème : rendre l’AI utile en radiologie. Sa méthode illustre comment une expertise scientifique profonde peut déboucher sur un produit B2B validé par une autorité réglementaire en moins d’un an.
Parcours
- 2012 · Début de la recherche en AI à Stanford : Il commence à étudier l’intelligence artificielle appliquée aux voitures autonomes dès sa première année de licence à Stanford.
- 2015-2021 · Doctorat sur l’AI en imagerie médicale : Il consacre sa thèse à l’utilisation de l’AI pour analyser des images radiologiques, co-encadré par Andrew Ng et Percy Liang.
- 2021 · Professeur à Harvard Medical School : Il rejoint Harvard comme professeur assistant et lance un laboratoire de recherche sur les systèmes AI généralistes pour la médecine.
- 2022 · Classé Forbes 30 Under 30 en sciences : Il est reconnu par Forbes parmi les trente personnalités scientifiques de moins de trente ans les plus prometteuses aux États-Unis.
- 2023 · Nommé MIT Innovateurs de moins de 35 ans : Le MIT Technology Review le distingue pour ses travaux sur les modèles AI appliqués à la médecine.
- Octobre 2024 · Lancement d’a2z Radiology AI en public : Il co-fonde a2z Radiology AI avec son père et présente le prototype a2z1, un système AI d’analyse de scanners médicaux.
- Novembre 2025 · Première autorisation FDA pour le système AI : La FDA autorise a2z-Unified-Triage à détecter simultanément 7 conditions urgentes sur des scanners abdomen-pelvis.
- Décembre 2025 · Levée de 4,5 M $ en seed : a2z Radiology AI lève 4,5 M $ auprès de SeaX, Khosla Ventures et d’autres investisseurs pour accélérer son déploiement.
Projets actuels
- a2z Radiology AI (Co-fondateur et responsable scientifique) : a2z Radiology AI développe un système AI capable d’analyser des scanners médicaux pour détecter plusieurs conditions simultanément. Son produit principal, a2z-Unified-Triage, a reçu une autorisation de la FDA pour identifier 7 anomalies urgentes en un seul passage sur scanner abdomen-pelvis. Une étude menée lors du congrès de radiologie RSNA 2025 montre que l’outil réduit le temps de rédaction des rapports de 18 % et la charge mentale des radiologues de 22 %. La startup cible un marché de plus de 20 millions d’examens par an aux États-Unis et a levé 4,5 M $ en décembre 2025.
Chiffres clés
| 4,5 M $ levés | Montant du tour de table seed réalisé en décembre 2025, avec SeaX et Khosla Ventures parmi les investisseurs. |
|---|---|
| 7 conditions détectées | Nombre d’anomalies urgentes identifiées simultanément par a2z-Unified-Triage, autorisé par la FDA en novembre 2025. |
| 18 % de gain de temps | Réduction du temps de rédaction des rapports radiologiques mesurée lors d’une étude prospective présentée au congrès RSNA 2025. |
| 22 % de charge mentale en moins | Diminution de la charge cognitive des radiologues utilisant l’outil, mesurée dans la même étude RSNA 2025. |
| Plus de 46 000 citations académiques | Volume de citations scientifiques accumulées à travers plus de 164 publications, témoignant de l’impact de ses travaux de recherche. |
Stratégie
Stratégie Ideas.xyz associée
Le jeu de la conformité
Transformer une obligation légale en abonnement récurrent en automatisant les formulaires réglementaires que les entreprises sont contraintes de soumettre.
Réseau
- Samir Rajpurkar (Co-fondateur d’a2z Radiology AI) : Son père assure le pilotage opérationnel et entrepreneurial pendant que Pranav se concentre sur la recherche et le développement.
- Andrew Ng (Co-directeur de thèse à Stanford) : Il a co-encadré le doctorat de Pranav sur l’AI médicale, structurant sa vision des systèmes généralistes en santé.
- Percy Liang (Co-directeur de thèse à Stanford) : Il a co-encadré les travaux de recherche de Pranav, contribuant à forger son approche des modèles AI à grande échelle.
Culture
Pranav Rajpurkar part de la recherche académique pour bâtir des produits AI à impact clinique direct. Il valide la faisabilité scientifique avant de viser le marché. Son approche repose sur des systèmes généralistes plutôt que sur des modèles étroits et spécialisés.
FAQ
Comment fonctionne le système AI d’a2z Radiology AI ?
Le système a2z-Unified-Triage analyse des scanners abdomen-pelvis et détecte simultanément 7 conditions urgentes en un seul passage. Il génère également un brouillon de rapport structuré pour le radiologue. L’objectif est de réduire le temps de lecture et d’accélérer la prise en charge des cas critiques dans les hôpitaux.
Qu’est-ce qu’une autorisation FDA et pourquoi est-ce important ?
La FDA (Food and Drug Administration) est l’autorité américaine qui valide la sécurité et l’efficacité des dispositifs médicaux. Obtenir cette autorisation signifie que le système AI peut légalement être utilisé dans des hôpitaux aux États-Unis. C’est une étape indispensable pour commercialiser un outil médical, et elle garantit une crédibilité auprès des acheteurs institutionnels.
Pourquoi Pranav Rajpurkar a-t-il quitté la recherche académique pour créer une startup ?
Pranav Rajpurkar a déclaré que la faisabilité technique était déjà prouvée par la recherche. L’étape suivante était de construire un produit de niveau production avec une valeur directe pour les radiologues. Il a co-fondé a2z Radiology AI avec son père en 2024 pour concrétiser ces travaux en un outil utilisable dans les hôpitaux.
En quoi l’approche d’a2z Radiology AI est-elle différente des autres outils AI en radiologie ?
La plupart des systèmes AI en radiologie sont conçus pour détecter une seule condition à la fois. a2z Radiology AI adopte une approche généraliste pour couvrir simultanément plusieurs pathologies. L’objectif est de passer à des centaines de conditions à terme, là où les outils traditionnels restent limités à une tâche précise.
Quel est le marché ciblé par a2z Radiology AI aux États-Unis ?
La startup cible les systèmes hospitaliers et les cabinets de radiologie. Le marché adressable représente plus de 20 millions d’examens abdomen-pelvis par scanner réalisés chaque année aux États-Unis. Le modèle commercial repose sur la vente de logiciels SaaS intégrés aux flux de travail cliniques existants.
Quel impact concret l’outil AI a-t-il sur le travail des radiologues ?
Une étude prospective présentée au congrès de radiologie RSNA 2025 montre que l’outil réduit le temps de rédaction des rapports de 18 %. Il diminue également la charge mentale des radiologues de 22 % et augmente leur niveau de confiance dans la lecture de 15 %. Ces résultats ont été mesurés en conditions réelles d’utilisation.
Est-ce que Pranav Rajpurkar continue ses travaux de recherche en parallèle ?
Pranav Rajpurkar est toujours affilié à la Harvard Medical School comme professeur assistant en informatique biomédicale. Il dirige le Rajpurkar Lab, qui travaille sur les systèmes AI généralistes pour la médecine. Sa startup et ses travaux académiques sont complémentaires : la recherche alimente directement le développement produit d’a2z Radiology AI.
Sources
- pranavrajpurkar.com – Personal website
- a2z Radiology AI – Official site
- a2z Radiology AI – Product page
- Radiology Business – a2z Radiology raises $5M FDA clearance
- PR Newswire – a2z Radiology AI $4.5M seed round
- ITN Online – FDA clearance a2z Radiology AI Unified-Triage
- AJR Online – Human AI Interactions conversation
- RSNA – Interview with a2z Radiology AI leaders podcast
- a2z Radiology AI – RSNA Radiology AI podcast
- YouTube – MontyTV interview Pranav Rajpurkar
- YouTube – Building best AI abdomen pelvis CTs RSNA24
- YouTube – Conversation with Pranav Rajpurkar AJR
- Stanford AIMI – BMIR Colloquium talk
