ModAstera rejoint le UK HealthTech Launchpad de JETRO afin de valider un flux de travail ciblé en pathologie et de préparer des partenariats au Royaume-Uni.
By ModAstera
14 Aug 2026
Tokyo, Japon, le 14 août 2026
ModAstera Inc. annonce aujourd'hui sa participation au J-StarX UK HealthTech Launchpad, un programme piloté par la Japan External Trade Organization (JETRO), avec le soutien du ministère japonais de l'Économie, du Commerce et de l'Industrie (METI), et mis en œuvre en partenariat avec le London Institute for Healthcare Engineering (LIHE).
ModAstera fait partie des cinq startups japonaises de la MedTech et de la santé numérique sélectionnées pour la première phase du programme, qui accompagne les entreprises préparant leur entrée sur les marchés britannique et européen.
Le programme a débuté à Tokyo par des tables rondes avec des experts et des séances de planification stratégique destinées à aider chaque entreprise à définir ses priorités pour le marché britannique. Il se poursuivra par des masterclasses en ligne, du mentorat et un accompagnement personnalisé, avant le déplacement de la cohorte à Londres pour rencontrer des organisations du NHS, des investisseurs, des partenaires commerciaux et d'autres acteurs de l'innovation en santé.
LIHE apporte son expertise en translation clinique, réglementation et accès au marché du NHS, ainsi qu'un réseau de cliniciens, chercheurs, organisations de santé et industriels. Pour ModAstera, le programme offre la possibilité de confronter ses hypothèses aux personnes qui pourraient évaluer, adopter et utiliser un flux de travail de pathologie assisté par l'IA.
« L'IA en pathologie ne crée de valeur que lorsqu'elle s'intègre au travail réel des spécialistes et produit des preuves auxquelles les partenaires cliniques et commerciaux peuvent se fier », a déclaré Joshua Owoyemi, cofondateur de ModAstera. « Ce programme nous offre un cadre structuré pour tester un cas d'usage ciblé, apprendre de l'écosystème britannique et transformer ces enseignements en un plan de preuve de concept crédible. »
ModAstera utilisera le programme pour déterminer où sa plateforme peut apporter une valeur mesurable en pathologie, tout en plaçant la revue par les spécialistes, la traçabilité et les exigences de preuve au cœur du flux de travail.
L'objectif immédiat n'est pas de revendiquer un déploiement clinique. Il s'agit de définir clairement une application étroite et utile : l'utilisateur visé, la tâche soutenue par le système, la manière dont le résultat s'intègre au flux existant, les décisions qui restent sous autorité humaine et les preuves nécessaires avant qu'un partenaire clinique ou commercial puisse avancer.
L'entreprise étudiera également comment les outils de pathologie numérique peuvent réduire les tâches répétitives de recherche et de revue, faciliter l'accès aux informations d'imagerie pertinentes et aider les équipes à produire des preuves reproductibles, sans présenter le résultat d'une IA comme un substitut au jugement d'un professionnel qualifié.
Dans le cadre du Launchpad, ModAstera se concentrera sur trois résultats concrets :
Le travail en pathologie doit également illustrer l'orientation plus large de la plateforme ModAstera. Une application précisément délimitée permet de rendre visible l'infrastructure sous-jacente : données organisées, évaluation reproductible des modèles, revue humaine traçable, préparation au déploiement et gestion continue des preuves.
En commençant par un flux précis et des points de décision mesurables, ModAstera souhaite comprendre les exigences réelles du marché britannique avant d'étendre son approche à d'autres applications d'IA médicale. Le programme doit aboutir à une trajectoire clinique et commerciale plus claire, à un plan de preuve de concept prêt à être évalué et à des partenariats renforcés pour le Royaume-Uni et l'Europe.
ModAstera développe une infrastructure destinée à concevoir, valider et exploiter l'IA dans des environnements spécialisés et réglementés. L'entreprise aide les équipes médicales et industrielles à transformer des données et des modèles complexes en systèmes révisables et traçables, évalués au regard de besoins opérationnels réels.
Un cadre pratique pour surveiller la qualité des données, le comportement du modèle, les résultats du workflow et la fiabilité opérationnelle après le déploiement de l’IA.
Un guide pratique pour relier les données, le modèle, l’évaluation, le déploiement et la revue humaine afin de reconstruire et gouverner les décisions assistées par l’IA.
Un guide pratique pour répartir le travail entre l’IA et les experts, orienter les cas incertains, préserver les preuves et mesurer le workflow combiné dans des contextes réglementés ou à fort impact.
