Invenis intègre la première promotion du Digital Pharma Lab, le premier accélérateur européen indépendant de projets Pharmatech, lancé avec le soutien de Bpifrance. Ce nouveau programme d’accélération va permettre à Invenis de bénéficier pendant six mois d’un accompagnement par les équipes de Digital Pharma Lab, incluant une mise en réseau avec des industriels de la santé partenaires, afin de se développer et de booster son projet.

Lancé en décembre dernier, Digital Pharma Lab a pour ambition de contribuer à la transformation digitale de l’industrie pharmaceutique et de faire de Paris le cœur des investissements Pharmatech en Europe et dans le monde. Pour cela, le programme a été conçu pour permettre aux laboratoires pharmaceutiques, entreprises de biotechnologies et fabricants de dispositifs médicaux partenaires d’accélérer, voire d’intégrer dans leurs modèles les innovations apportées par les start-ups Pharmatech sélectionnées.

Pour la première saison de son programme, Digital Pharma Lab collabore avec sept partenaires industriels (Biogen, Ipsen, Servier, Otsuka, Sanofi, Takeda et Chugai) et neuf start-ups dont Invenis.

Dans ce cadre, Invenis bénéficiera pendant plusieurs mois d’un accès unique aux équipes opérationnelles et dirigeantes partenaires pour avancer le plus rapidement dans l’identification d’opportunités de pilotes. La start-up sera tout au long de ce parcours épaulée par leurs experts et les équipes du Digital Pharma Lab. Le programme s’achèvera le 15 avril, par une démonstration de présentation des résultats et des perspectives des projets réalisés.

Invenis s’est démarquée par le caractère innovant de sa solution de Business Intelligence Augmentée. Celle-ci permet aux acteurs de l’industrie pharmaceutique de réaliser très simplement et en toute autonomie des analyses prédictives sur toutes leurs données sans compétence en Data Science et sans coder.

Concrètement, Invenis permettra aux experts métiers et analystes de réaliser rapidement de nombreux cas d’usages, tels que :

– Le croisement et l’exploitation de données multi-sources pour mieux répondre aux besoins des patients
– Des modèles prédictifs permettant d’anticiper l’évolution et les parcours patients
– La prédiction de la capacité nécessaire des hôpitaux croisée aux données démographiques