Data et hyperconnectivité au cœur du système de santé

Quel est le poids réel de la data dans les usages médicaux aujourd’hui ? Pourquoi l’hyperconnectivité devient-elle indispensable pour le partage efficace de cette donnée ? Tour d’horizon en quatre questions.

1. Pourquoi la data est-elle si utile aux professionnels de santé ?

« La donnée a créé un nouveau paradigme dans l’univers médical : la construction d’un parcours de soins autour du patient à travers la coordination des acteurs de santé et le suivi à distance grâce aux objets connectés », observe Laurent Frigara, co-fondateur et directeur général d’Enovacom. Le partage de la data entre acteurs peut en effet améliorer le suivi thérapeutique et faire gagner du temps aux personnels administratifs ; la consolidation de cette donnée au sein des établissements de santé accélère quant à elle la recherche clinique. Enfin, si les données sont qualitatives et recueillies avec le consentement du patient, elles peuvent être traitées par des outils d’intelligence artificielle pour créer des modèles prédictifs et d’aide au diagnostic. Selon un sondage Odoxa*, 83 % des Français seraient disposés à partager leurs données de santé s’il s’agissait in fine d’améliorer les diagnostics, les traitements médicaux, la prise en charge en hôpital ou la recherche.

* Sondage Odoxa, novembre 2017

2. Le parcours de soins n’est-il pas déjà centré sur le patient ?

Du médecin généraliste au spécialiste en CHU, un grand nombre d’acteurs interviennent dans le parcours patient et ne disposent pas tous du même niveau d’information. L’enjeu majeur est donc de rendre accessible la donnée émanant des diagnostics médicaux et des appareils connectés à l’hôpital ou au domicile du patient, afin qu’elle remonte en temps réel dans le dossier médical et soit exploitable par tous les professionnels au bon moment. À la clé : une plus grande personnalisation de la prise en charge et une adaptation des traitements dans des délais raccourcis.

3. Quel est le lien entre donnée de santé et hyperconnectivité ?

« Opter pour l’hyperconnectivité, c’est veiller à ce que tous les acteurs de santé aient accès à la donnée le plus simplement possible », rappelle Laurent Frigara. Accélérer la circulation et le partage de la data passe par des réseaux robustes aux débits puissants comme la 5G, mais aussi par la connexion et la communication des systèmes informatiques, appareils et capteurs des différents établissements. On utilise pour cela des solutions logicielles d’interopérabilité ou des API facilitant l’intégration de nouvelles applications. Les infrastructures cloud proposées par les fournisseurs certifiés « hébergeurs de données de santé », donnent en outre les moyens de stocker les informations de manière fiable, surtout si une couche de cybersécurité assurant la confidentialité de la data vient renforcer la confiance des patients. Enfin, l’hyperconnectivité facilite le recours aux outils de big data et d’IA pour mieux exploiter le potentiel des données.

4. Où en est l’usage de l’IA par les professionnels de santé ?

« Avec la quantité de données exponentielle générée par les appareils connectés, les systèmes d’IA aident à structurer la data pour la rendre utile à la santé du patient », explique Laurent Frigara. « Ces systèmes peuvent permettre d’optimiser le fonctionnement d’un hôpital, la prise de décision clinique, voire d’adapter la façon de soigner en croisant des paramètres remontés par différents patients. » Côté analyse d’image, les capacités de diagnostic des radiologues et des urgentistes progressent grâce à l’IA, avec par exemple une baisse 30 % des non-détections de fractures**. Combinée à l’imagerie optique, elle peut aider les spécialistes dans la détection des cancers du cerveau : les méthodes récentes obtiennent plus de 94 % de réponses exactes pour une rapidité de diagnostic dix fois supérieure à l’humain. De plus, l’IA contribue à rationaliser la recherche et le développement pharmaceutique en accélérant les itérations autour des tests aléatoires de molécules. Autant de raisons pour les professionnels de consolider la data pour alimenter les outils d’IA, via par exemple la mise en place d’entrepôts de données à l’échelle d’un centre hospitalier, d’une région, ou d’un pays.

** Étude Radiology, 2021

*** Études Nature Medecine, 2020