Les Big Data au service de la santé : quoi de neuf, Docteur ?

Big Data : « L’enjeu réside dans le traitement et l’analyse des données de santé »

Comme tous les domaines, la santé n’échappe pas à l’abondance et la prolifération de données personnelles. D’ici 2020, nous en collecterons 50 fois plus.
Récupérer des données médicales se présente comme une tâche relativement facile ; a contrario, les traiter et les analyser de manière précise et efficace s’avère plus complexe.

En effet, la santé reste, par défaut, un domaine où le numérique n’est pas encore complètement implanté. S’approprier les codes du digital et adapter les processus technologiques les plus aboutis dans ce domaine revêt, cependant, un caractère d’urgence pour déceler les opportunités de recherche et d’avancées médicales en la matière. Pathologie traitée, âge, médicament prescrit, durée de l’hospitalisation, sexe… Croiser toutes ces données peut faire ressortir des maladies liées à des médicaments (affaire du Médiator) ou bien à des modes de vie (affaire Erin Brockovich).

Le Big Data (gestion d’énormes volumes de données en temps réel) s’applique pleinement au domaine de la santé et permet de traiter et d’analyser, en même temps, une multitude de données que l’être humain ou les outils informatiques classiques ne sont pas en mesure de faire.

Comment le Big Data peut-il révolutionner la médecine de demain ?

Vers une médecine personnalisée et prédictive grâce au Big Data

Les façons de collecter des données médicales sont aujourd’hui multiples et diversifiées.

  • Via les professionnels de santé et la R&D. Les données peuvent être récupérées directement par les professionnels de santé (dossiers médicaux des patients lors d’une hospitalisation ou d’une visite chez le médecin) ou bien grâce à des examens plus poussés (lors d’essais cliniques ou grâce à l’analyse de l’ADN). Le volume de données exposé est donc très important.
  • Via les individus eux-mêmes. Les individus produisent eux-mêmes leurs données au moyen d’objets connectés (montres, vêtements, domotique, applications mobiles).

Ces éléments constituent une source précieuse d’informations en nous renseignant sur l’activité physique, le rythme cardiaque, les heures de sommeil et place l’individu comme protagoniste principal de sa propre santé.

Ces données, générées de différentes façons, produisent une forte interaction voire synergie entre les différents acteurs du système de santé. On peut désormais aujourd’hui mettre en place  des suivis de patients à distance, ce qui n’était pas le cas auparavant.

Depuis 2005, le CHU de Caen a mis en place un suivi à distance des patients pris en charge pour insuffisance cardiaque : tous les jours, le patient répond à un questionnaire (évolution des symptômes, alimentation, pratique sportive,…). Les médecins reçoivent les données en temps réel afin d’adapter avec précision le suivi médical. On se tourne donc, de plus en plus, vers une médecine personnalisée aux allures prédictives ; le suivi quotidien à distance permet d’analyser et de soigner les symptômes dès leur apparition, voire avant, et d’éviter ainsi certaines pathologies.

Accélération de la recherche médicale

L’accès à une multitude de données permet d’axer les recherches sur toutes sortes de maladies et d’en accélérer le traitement. Les chercheurs n’ont plus besoin d’étudier des centaines de dossiers médicaux pour sélectionner des patients, les diagnostiquer et leur proposer un traitement. Les applications technologiques privilégient une communication instantanée qui permet de relever les anomalies et d’ajuster le traitement au plus près du besoin pour mieux étudier l’évolution de la maladie.

Le projet mPower sur la maladie de Parkinson met en relation patients et chercheurs. Les malades partagent leurs symptômes via une application : déviations minimes de la voix ou de la marche ou évaluation de leur dextérité via le finger tapping (toucher l’écran du téléphone en alternant le majeur et l’index le plus rapidement possible). Toutes ces mesures analysées de manière très précise affinent la recherche et favorisent un suivi médical moins contraignant et invasif que les recherches « classiques », qui obligent le patient à se rendre régulièrement à l’hôpital pour y subir une série de tests sur une période précise.

En rapprochant le patient de son médecin grâce aux objets connectés, et donc à une recherche médicale de plus en plus rapide et précise, l’application du Big Data au secteur de la santé permettra aussi de réduire les dépenses dans le futur (300 milliards de $ par an aux Etats-Unis, par exemple). Ce constat est particulièrement vrai pour la prise en charge de l’obésité : l’opération ne constitue que 30% dans le traitement de l’obésité, les 70% restants du coût du traitement se retrouvent dans la prise en charge du patient après l’opération (comportement, mode de vie). Or, le suivi du patient est encore très insuffisant : il est trop souvent livré à lui-même après l’opération, ce qui entraîne un taux d’échec du traitement assez important et, fréquemment, une nouvelle intervention.

Des tests menés avec des objets connectés faisant remonter les données aux médecins ont montré que le suivi du patient était plus efficace et évitait une reprise de poids et, donc, une nouvelle intervention.

Collecter des données constitue la première étape. Les rendre accessible au plus grand nombre en en est la seconde, l’objectif étant de pouvoir les analyser et interpréter pour faire avancer la R&D dans le domaine médical.

IBM a développé le robot Watson, utilisé aujourd’hui dans certains centres de santé nord-américains. Ce robot est une aide précieuse pour les médecins, car il est programmé pour comprendre l’ensemble des données de recherche scientifique sur une pathologie et donner une analyse rapide, les médecins n’ayant plus le temps de suivre toute la littérature scientifique à leur disposition pour les aider dans leurs diagnostics. Watson a également la capacité d’analyser les informations sur les patients (formulaires d’admission à l’hôpital, réponses aux questions des médecins, historique du patient…), mais aussi de leur poser des questions afin d’affiner le diagnostic et de proposer des examens complémentaires. Une fois le diagnostic établi, les médecins pourront le valider ou le rejeter ; le robot n’a pas vocation à remplacer un médecin et son savoir-faire mais simplement à l’assister.

Protection des données de santé, un nouvel enjeu

Une fois collectées les données de santé restent néanmoins des données individuelles et donc personnelles qui doivent être protégées.
En effet, les gouvernements ont bien conscience que l’open data dans le domaine de la santé représentait un enjeu démocratique majeur ; cependant cette ouverture et diffusion de données ne doit pas aller à l’encontre de la protection de la vie privée des individus. La loi du 26 Janvier 2016 sur la modernisation du système de santé a ainsi créé, en France, un système national qui centralise toutes les données issues des systèmes d’information spécialisés dans la santé (établissements de santé, Assurance Maladie), qui ne comporte pas d’informations permettant d’identifier les patients (nom, adresse, numéro de sécurité sociale).

Cependant, bien qu’il soit prévu de rendre ces données accessibles à tous en open data, l’exploitation de cette richesse ne doit naturellement pas aller à l’encontre de la vie privée des individus à de pures fins commerciales ayant pour but de promouvoir des produits  pharmaceutiques.

Le développement des technologies du Big Data dans ce domaine doit être dûment encadré et apporte un niveau de preuve et de validation suffisant pour sécuriser au maximum les avancées sur les recherches. Ces technologies doivent servir à une meilleure connaissance des maladies et à trouver les traitements les plus efficaces.

L’implémentation du Big Data dans l’industrie de la santé prend donc du temps malgré une innovation bien amorcée promettant d’importantes avancées.

{{filterContent.facetedTitle}}

{{contentList.dataService.numberHits}} {{contentList.dataService.numberHits == 1 ? 'result' : 'results'}}
{{contentList.loadingText}}

Contactez-nous

Jean-David Benassouli

Jean-David Benassouli

Associé responsable de l’activité Data Analytics et Intelligence Artificielle, PwC France

Tel : +33 1 56 57 72 49

Cyril Jacquet

Cyril Jacquet

Associé Data Analytics et Intelligence Artificielle, PwC France

Tel : +33 1 56 57 81 48

Suivez-nous !