En matière de santé, il existe une grande variété d’acteurs chargés de la collecte des données, et ce depuis des sources de plus en plus variées (dossiers patients, applications mobiles, solutions connectées etc.). L’accès à ces Big Data est donc un facteur majeur d’amélioration dans le domaine médical. Aussi, accès à ces données requiert-il également des avancées technologiques telles que l’interopérabilité des systèmes afin de permettre de rassembler les informations provenant de différentes sources.
Qu’est-ce ce qu’une donnée de santé ?

Ce sont les données relatives à la santé physique ou mentale, passée, présente ou future d’une personne physique (y compris la prestation de services de soins de santé) qui révèlent des informations sur l’état de santé de cette personne.
Aujourd’hui, la donnée de santé est définie de manière large et précise par le règlement européen. En effet, il s’agit non seulement de l’ensemble des données collectées et produites dans le cadre du parcours de soins mais aussi celles qui, détenues par d’autres acteurs (développeurs d’application par exemple), constituent une information sur l’état de santé de la personne.
Ainsi définie, l’accès à ces données peut constituer un facteur d’amélioration important pour la médecine En effet, le croisement de toutes ces informations permet perfectionner le parcours de soin, la pharmacovigilance, d’accélérer la recherche etc.

Enjeux du Big Data en santé, entre innovation

Dans le système actuel, on a plus créé des applications qui permettent d’exploiter de la donnée sans même traiter la question de l’accès à celle-ci à moyen ou à long terme. En effet, pour que les données soient exploitables, les organisations doivent respecter un cadre réglementaire strict : obtenir le consentement éclairé des patients, sécuriser le stockage et l’accès aux données, les structurer, avoir un référentiel commun, les anonymiser, les consolider, les exploiter de façon massive et les distribuer de façon appropriée aux ‘’bonnes’’ cibles. Et bien évidemment, tout ceci de façon fluide et en temps réel. Malheureusement, cette démarche est pour le moment compliquée.
L’enjeu que représente l’accès à ces données pour le progrès médical est immense. Leur collecte et analyse constituent de nombreux intérêts : mieux traiter les maladies, prédire les épidémies, améliorer le suivi patient et la pharmacovigilance, entre autres.
L’analyse croisée de toutes les données de santé grâce à des techniques d’intelligence artificielle fait avancer la médecine vers un modèle décrit comme celui de la médecine des 4P : prédictive, préventive, personnalisée et participative.

En effet, l’application des programmes d’Intelligence Artificielle à de vastes quantité de données médicales permet d’établir des analyses multiparamétriques beaucoup plus robustes et de nouvelles pistes de diagnostic.
Les bénéfices pour les patients sont tout aussi importants, grâce à l’émergence des applications et objets connectés, ils peuvent désormais gérer leur maladie de façon beaucoup plus autonome, et suivre en temps réel l’état de leur santé, sans avoir à se déplacer). Cela favorise considérablement l’accès aux soins, notamment dans les zones qualifiées de déserts médicaux.
Le principal défi résulte en la capacité de favoriser l’accès à ces informations afin de promouvoir le progrès médical tout en protégeant l’anonymat de ces données sensibles.
Un des enjeux est d’ordre technique, afin de faciliter l’accès aux informations venant de diverses sources, il est nécessaire d’élaborer l’intégration et interopérabilité des différents systèmes. Cette démarche se démocratisera dès lors que chaque acteur y verra son bénéfice.

L’intelligence artificielle (IA) en santé, entre craintes et espoirs

L’Intelligence Artificielle fait référence à la technologie qui repose sur la conception et l’utilisation d’algorithmes, conçus pour permettre à des ordinateurs de simuler l’activité intellectuelle humaine.
Les outils d’intelligence artificielle se développent depuis plusieurs années et l’application de cette technologie dans le domaine de la santé suscite beaucoup d’espoirs ; on voit ainsi se développer de nombreux acteurs dans le monde médical.
Les domaines d’application de l’intelligence artificielle en santé sont vastes. La technologie est utilisée entre autres pour prédire des maladies, diagnostiquer des pathologies, recommander des traitements personnalisés ou encore améliorer le suivi des patients. Domaine de recherche très prometteur, l’IA est au cœur de la médecine de demain.

Quatre applications de l’IA dans le domaine de la santé

Grâce à l’IA, les grands axes de progrès dans le domaine de la médecine sont : Diagnostic : les algorithmes assimilent les caractéristiques des différents diagnostics et sont capables de les classifier. En cela, l’IA a la capacité d’analyser une grande sélection de données d’un patient (symptômes, habitudes de vie, traitements etc…) pour ainsi proposer un diagnostic très précis et fiable. Dans ce cadre, un des défis majeurs est de garantir l’interopérabilité des différentes sources de données (fichiers médicaux, objets connectés, applications etc…) afin d’offrir des analyses complètes.
• Pronostic : l’utilisation massive de données par l’IA permet d’améliorer le pronostic des patients en adaptant le traitement aux caractéristiques de la maladie et aux spécificités de chaque personne. Cette médecine de précision grâce à IA offre aujourd’hui la possibilité de prescrire les meilleures options thérapeutiques en fonction de profil bien particulier pour maximiser les chances de succès du traitement.
• Reconnaissance d’images : l’intelligence artificielle permet d’interpréter l’imagerie médicale de manière optimale. Elle constitue une réelle plus-value dans le diagnostic radiologique et un gain de temps pour les praticiens qui peuvent se focaliser sur d’autres tâches comme la relation avec le patient. L’IA est capable de faire le tri d’une masse importante de données, et peut ainsi conduire le radiologue sur une image à voir en priorité car étant évocatrice d’une pathologie grave.
• Le suivi des patients : l’IA permet une véritable gestion des patients à distance. L’émergence des robots conversationnels ou “chatbot” permet de dialoguer avec les patients et d’analyser les réponses reçues afin d’alerter le médecin en cas de données anormales. Ce système assure un suivi régulier et sécurise le patient à distance, c’est également un gain de temps pour le professionnel de santé qui peut concentrer ses efforts là où son action est nécessaire.

Par ailleurs, la crise de la Covid-19 a accéléré le développement de l’Internet des objets ou Internet of Things (IoT). Ce sont des appareils connectés qui peuvent envoyer des informations à distance au médecin, qui pourra ainsi intervenir plus rapidement. Les patients gagnent ainsi en autonomie et leur sécurité est assurée à distance, sans besoin de se déplacer lorsque ce n’est pas nécessaire. Par exemple, dans le cas du diabète, un glucomètre connecté va permettre à un diabétique de suivre son taux de glycémie à domicile.

Le potentiel de l’intelligence artificielle en santé est immense et très prometteur si l’on appréhende les défis que cette technologie engendre.

Dans tous les domaines, la crainte que cette technicité prenne le pas sur l’humanité perdure. Il est donc nécessaire d’en définir les cadres juridique et éthique.
En matière de santé, l’IA ne doit pas altérer la relation entre le patient et le soignant ; le lien humain est irremplaçable. Elle doit rester une aide pour le médecin, mais ne doit pas se substituer à celui-ci. Il s’agit également pour le corps médical de s’adapter et d’apprendre à utiliser ces nouvelles technologies, qui ont pour objectif d’épauler l’humain, pas de le remplacer.
Une autre difficulté que pose le développement de l’IA en médecine : la responsabilité du soignant. Actuellement, l’algorithme n’ayant pas de personnalité juridique, la responsabilité en cas d’erreur relève du droit de la responsabilité civile habituelle.
Cependant, à l’avenir, l’autonomie décisionnelle dont seront capables ces systèmes pousse à s’interroger sur la nécessité d’adapter les régimes juridiques existants pour s’adapter aux enjeux de l’IA
Enfin, l’IA soulève la question de l’exploitation des données. Rappelons que pour fonctionner ces programmes nécessitent un accès à de nombreuses données. L’utilisation de ces données par l’IA doit ainsi suivre un cadre de régulation éthique, tout en évitant la sur-réglementation qui pourrait freiner l’innovation.

Le télésuivi : une solution pour améliorer la qualité de vie des patients chroniques

Le télésuivi permet de faciliter l’accès aux soins sur l’ensemble du territoire et d’assurer un suivi médical à distance des patients.
La crise sanitaire du Covid-19 a accéléré le déploiement du numérique en santé et prouvé l’intérêt des solutions de télésuivi afin de prendre en charge les patients à distance. Le télésuivi apparaît aujourd’hui comme une solution pertinente pour pallier les déserts médicaux, réduire les déplacements inutiles, rendre le patient plus autonome, et améliorer l’observance thérapeutique.
Ce télésuivi peut se faire depuis différents canaux digitaux (SMS, pages web, applications de messagerie, applications mobiles, objets connectés…) afin de s’adapter aux besoins des patients et aux différentes pathologies. Ainsi de ne pas creuser la fracture numérique et toucher les personnes âgées, qui sont plus atteintes de maladies chroniques que le reste de la population, le SMS est le moyen le plus efficace.

Avec l’avènement de ces outils, le patient a davantage la maîtrise sur son parcours de soin, il n’est plus tributaire de standards téléphoniques surchargés et les professionnels de santé retrouvent du temps pour se consacrer sur les patients qui le nécessitent réellement. Cela permet d’éviter les déplacements contraignants, surtout pour les personnes à mobilité réduite et de réduire les risques de contaminations croisées. Les patients ont donc un accès aux soins de manière plus rapide et facile pour les malades chroniques, c’est donc une réelle amélioration de leur qualité de vie.

Favoriser l’observance thérapeutique

L’observance thérapeutique fait référence à l’adhésion du patient à son traitement. chez les patients atteints de maladies chroniques, une mauvaise observance entraîne des complications de santé.
La France compte 20 millions de patients atteints de maladies chroniques.
Favoriser l’observance est donc un enjeu de santé publique. Avec la crise du Covid, ces plus à risque en cas de contamination, ont été sujets à un risque de rupture avec leurs soignants et ainsi de non-observance.
Les nouvelles technologies de télésuivi permettent aujourd’hui de favoriser l’observance thérapeutique à distance. Plusieurs outils peuvent être exploités permettant par exemple d’envoyer des SMS de rappels pour la prise de médicaments, dialoguer avec le patient afin d’alerter le professionnel de santé en cas de réponses anormales ou de partager des informations avec le professionnel de santé.
L’utilisation de ces nouvelles technologies permet donc aux patients de mieux vivre et d’être sécurisés à distance, pour les professionnels de santé c’est un gain de temps qui leur permet également d’assurer une meilleure coordination etc.
Les moyens technologiques sont présents pour déployer les outils de télésurveillance au plus grand nombre. Cela suppose également que chaque acteur se coordonne autour du patient, pour assurer le télésuivi médical, fournir la solution technique, assurer l’accompagnement thérapeutique.
Des appréhensions en matière de protection des données font également surface. Les cadres législatifs existants sont cependant très protecteurs sur le sujet. Les données de santé sont des données à caractère personnel particulières car considérées comme sensibles et protégées par plusieurs textes de lois. Les hébergeurs de données de santé sur support numérique doivent être certifiés. Cependant comme pour toutes données stockées, le risque de piratage existe.
L’importance du télésuivi a été soulignée pendant la crise du Covid, mais son intérêt fait partie d’une évolution plus globale correspondant à une médecine plus personnalisée et un patient plus autonome. La télémédecine est amenée à se développer et les espoirs sont grands : améliorer l’observance, regagner du temps pour les professionnels de santé, favoriser la coordination entre professionnels de santé et patients

Vers une santé de données ?
Prendre en compte les défis du traitement et de la nécessité de structurer le volume croissant des données pose, en fin de compte, une question plus large qui est d’être en mesure de définir précisément une politique de donnée de l’acquisition au traitement, jusqu’à la valorisation de celle-ci.
En effet, on constate aujourd’hui que consolider de la donnée non structurée et sans référentiel commun génère énormément de budget investit pour un résultat pas ou peu satisfaisant. 80% à 90% du temps des data scientists est consacré au nettoyage des données souvent trop anciennes pour être pertinentes et qu’on ne peut pas exporter sans avoir le consentement « éclairé » des patients. Or pour être capable d’évaluer de façon objective le bénéfice en « vie réelle » d’un traitement ou prévenir des épidémies dès les premiers signes visibles, il faudrait que les organisations gèrent la donnée en temps réel et en prédictif. Il est donc absolument nécessaire de disposer d’outils de gestion de données capables de fournir l’accès à des données structurées et en temps réel.
Nous devons “former les professionnels de santé à l’usage de l’intelligence artificielle” car concrètement, ces systèmes permettent de libérer du temps pour les professionnels de santé en prenant le relais sur des tâches organisationnelles, analytiques, ou de résolutions des problèmes. L’IA est capable de traiter un très grand nombre de données, permettant la résolution de tâches de manière plus rapide et sécurisée.
Des craintes perdurent cependant sur la question de la responsabilité juridique des médecins, avec le développement de ces technologies, on s’interroge sur qui sera tenu responsable en cas d’erreur ? Le médecin qui a suivi l’algorithme ou bien l’éditeur de l’algorithme ?

Les questions qui peuvent se poser aujourd’hui sont nombreuses et s’articulent autour de l’inversion du lien entre la santé et ses données de santé. D’une santé qui produisait des données, on passe à une santé déterminée par ses données et la médecine passe progressivement d’un art de guérir à une science de la mesure. Cela change le rapport au corps, dès lors assimilé à un producteur de données, et à la maladie, vue comme une dysfonction que l’on peut réparer comme on réparerait une machine.