Contexte et financement
Evvy a annoncé une levée de fonds de 40 M$ en série B, menée par Catalio Capital Management. La société, fondée en 2021, revendique plus de 100 000 patientes aux États-Unis et un réseau de 3 000 praticiens. Depuis son lancement, elle a publié 15 articles évalués par des pairs et identifié plusieurs sous‑types de vaginoses bactériennes, ainsi que des centaines de génomes microbiens jusque‑là non répertoriés. Les fonds seront alloués à l’extension du laboratoire, à l’amélioration du pipeline d’analyse et au renforcement de l’infrastructure cloud qui héberge les 100 000 dossiers.
Architecture du test mNGS à domicile
Le dispositif repose sur un écouvillon que la patiente envoie à un laboratoire certifié CLIA et CLEP. Le laboratoire extrait l’ADN, réalise un séquençage métagénomique (mNGS) à haut débit, puis aligne les lectures sur des bases de référence microbiennes. Le séquençage utilise des plateformes de séquençage à haut débit, permettant de couvrir l’ensemble du génome microbien avec une profondeur suffisante pour détecter des espèces rares. Le flux de données passe par un pipeline automatisé : contrôle de qualité, élimination des contaminants, classification taxonomique et quantification relative des espèces. Les résultats, accompagnés d’un diagnostic et d’une interprétation clinique, sont déposés dans un portail patient sécurisé et transmis aux praticiens inscrits sur la plateforme.
Intégration de l’IA et perspectives cliniques
En mai 2026, Evvy a lancé EvvyAI, un assistant conversationnel qui exploite les 100 000 profils microbiens pour générer des recommandations personnalisées. Le modèle d’IA s’appuie sur des algorithmes de machine learning supervisé, entraînés à partir des corrélations entre la composition du microbiome, les symptômes déclarés et les traitements prescrits. EvvyAI répond aux requêtes via une interface web sécurisée, en traduisant les profils microbiens en recommandations de suivi ou de traitement, tout en orientant les patientes vers un professionnel lorsqu’une interprétation médicale est requise. Cette approche vise à identifier des biomarqueurs associés à la fertilité, aux cancers gynécologiques, aux naissances prématurées ou aux pertes de grossesse récurrentes. Un essai prospectif en cours dans des cliniques de FIV utilise les données du test pour prédire les taux de succès de la fécondation in vitro.
Limites et exigences réglementaires
Le principal défi réside dans la représentativité du jeu de données. Bien que 100 000 échantillons constituent une taille importante, la répartition géographique et ethnique des patientes n’est pas détaillée, ce qui peut introduire des biais dans les modèles d’IA. La certification CLIA garantit la qualité analytique, mais ne couvre pas l’interprétation clinique automatisée, qui reste soumise à la validation par des médecins. L’obtention d’une autorisation réglementaire supplémentaire, telle que la FDA aux États-Unis, sera nécessaire pour élargir l’usage clinique. L’entreprise devra également mettre en place des mécanismes de consentement éclairé conformes aux exigences du Health Insurance Portability and Accountability Act (HIPAA) et du Règlement général sur la protection des données (RGPD) pour les utilisations de recherche.
