Permettre un suivi personnalisé des patients
La collecte de données de santé est aujourd'hui monnaie courante : elle est effectuée par les professionnels de santé (dossier médical, essais cliniques, analyses ADN) ou par les individus eux-mêmes via différents objets connectés (montre, bracelet, vêtement). Non seulement le croisement de ces données produit une synergie entre les différents acteurs du système de santé, mais il permet aussi la mise en place d’un suivi des patients en temps réel et à distance (domicile, hôpital, etc). Depuis 2005, le CHU de Caen assure par exemple un suivi à distance des patients pris en charge pour insuffisance cardiaque. Ces derniers répondent quotidiennement à une série de questions sur l’évolution de leurs symptômes, leur alimentation ou leurs pratiques sportives. Les médecins reçoivent les données en temps réel et adaptent alors avec précision le suivi médical.
Créer de nouveaux écosystèmes de santé
Les partenariats entre laboratoires pharmaceutiques, acteurs technologiques et institutionnels se multiplient. En France, la création du Système National des Données de Santé (SNDS) a pour vocation de rassembler les bases de données de l’Assurance Maladie et des SI des hôpitaux. L'objectif de cette mise en commun de la data : faciliter la gestion médicale du patient et améliorer la performance des soins et des traitements médicaux. Reste bien sûr à protéger la confidentialité du dossier médical en régulant l’environnement de l’Open Data.
Contribuer à l’avancée de la recherche sur les maladies rares
La diversité des pathologies rares et leurs premiers symptômes - parfois bénins - rendent difficile l’établissement d’un diagnostic rapide et pertinent, ainsi que l’orientation du malade vers un organisme de soin spécialisé. L'utilisation du big data peut s'avérer déterminante pour recouper des données issues de différentes origines (cliniques, génétiques, exposition du patient à de multiples environnements) et ainsi comprendre les causes de la pathologie. Le projet UniR, lancé par Orange Healthcare et le laboratoire e-santé de Sanofi « 39BIS », s'inscrit dans cette optique en proposant des solutions innovantes basées sur l'IA, comme un outil d'alerte ou une plateforme d'aide au diagnostic pour les médecins.
L’amélioration du suivi des maladies chroniques
L'analyse de millions de données sur les maladies chroniques pourrait mettre en évidence les corrélations existantes entre plusieurs situations données et prédire leurs évolutions. Orange Healthcare, en partenariat avec Sanoïa, a utilisé cette approche pour détecter les poussées chez des patients atteints de rhumatismes inflammatoires. 15 millions de données issues des capteurs d’activité de 170 patients de l’hôpital parisien de la Pitié-Salpêtrière ont été analysées : les data scientists d’Orange Labs ont pu développer un modèle détectant les poussées de la maladie avec un taux de fiabilité de 96 %.
L’accélération de la recherche sur le cancer
Les technologies de machine learning et de deep learning aident à mieux comprendre le cancer et à prédire son l’évolution. L’analyse automatique des dossiers médicaux, des images et des données génomiques, corrélée aux données épidémiologiques, médico-techniques ou de recherche clinique vont aider au diagnostic, à la décision thérapeutique et au suivi évolutif du patient. En France, 10 équipes de l’Institut Curie travaillent sur le Big Data et l’IA. 500 000 dossiers patients sont analysés pour accélérer la découverte de nouvelles cibles thérapeutiques, tenter de prédire l’effet des molécules, la réponse aux traitements et faire avancer la médecine de précision.