Les Big Data pour améliorer la prise en charge médicale

On ne peut rester indifférent à l'excellent livre écrit par Gilles Babinet : "Big Data, penser l'homme et le monde autrement", notamment lorsqu'il rappelle que "ce ne sont pas les technologies qui façonnent l'humanité, mais bien l'usage que l'on choisit collectivement d'en faire".

Les techniques de Big Data peuvent elles améliorer la prise en charge médicale ? Ce n'est qu'un des nombreux sujets traités par Gilles Babinet à côté des impacts du Big data sur la gestion des entreprises, sur le marketing, sur les attentes des consommateurs, etc. Bref, le Big data peut impacter et impactera la vie économique et sociale de notre société. Gilles Babinet rappelle la règle des 3V anglosaxons: volume, velocity, variety, auxquels il ajouterait deux autres "V" : valeur et veracity. Le volume des data est vertigineux ! Ainsi, en 2020, l'information disponible à la surface de notre planète devrait être autour des 40 zettaoctect, sachant qu'un zettaoctet (Zo) correspond à 10 000 000 000 000 000 000 000 octects ! D'ou viennent toutes ces données ? Elles sont issues de nos réseaux sociaux, de nos smartphones, des caisses de supermarchés, des caméras de videosurveillance, etc. Par exemple, le stockage des films de videosurveillance d'un centre commercial produit un demi-péta-octet (un milliard de mégaoctects) de données chaque année ! Tout ce que nous mettons dans le Cloud contribue aux data.

Etudions l'impact potentiel des data sur la pratique médicale. Pour le médecin qui écrit ce billet et qui pense avoir compris l'argumentaire développé par Gilles Babinet, deux approches sont possibles : le Big data répond à des besoins actuels des professionnels de santé pour améliorer leur pratique médicale ou le Big data crée une nouvelle façon de pratiquer la médecine. Nous verrons en fait que les deux approches peuvent devenir complémentaires dans le temps.

Le Big data répond à des besoins actuels de pratique médicale. A l'ère des maladies chroniques, il y a indiscutablement besoin de nouveaux outils développant une intelligence artificielle, qui aident le médecin à connaitre toutes les données qui jalonnent la vie d'un patient atteint d'une maladie chronique. Prenons l'exemple d'une maladie rénale chronique qui débute dans l'enfance ou chez un jeune adulte. Elle sera suivie et prise en charge par les médecins généralistes et spécialistes pendant 40 à 50 ans. Toutes les données de l'impact de la maladie sur la vie personnelle, sociale, professionnelle, les données sur la tolérance et l'observance aux différents traitements qui marquent l'évolution de la maladie, les traitements pharmacologiques, la dialyse, la transplantation rénale, toutes ces données sont actuellement soit méconnues, soit colligées dans des dossiers papiers ou numérisés, parfois dispersés. En dehors de quelques résumés qui sont faits périodiquement, il est difficile pour les médecins d'embrasser autant de données accumulées pendant toute une vie. Les ordinateurs de grande puissance d'analyse, véritables outils de l'intelligence artificielle, qui émergent aujourd'hui avec les technologies des Big data, ne pourront qu'enrichir les connaissances médicales sur la maladie chronique et de ce fait améliorer les prises en charges en les rendant plus personnalisées, participatives, préventives et prédictives ! En clair, la médecine du XXIème siècle (voir le billet consacré à la médecine 5P). Cet exemple de la maladie rénale chronique peut être appliqué aux autres maladies chroniques, que ce soit le diabète, la maladie respiratoire chronique, la maladie neurologique dégénérative, l'insuffisance cardiaque chronique,etc.

On entend ici et là des jugements affirmant que le corps médical résisterait à ces nouvelles méthodes de gestion des data. C'est souvent faux ou inexact. Encore faut-il que l'offre industrielle en matière de système d'information médicale soit à la hauteur des attentes actuelles des professionnels de santé. Trop souvent, le SI est choisi pour améliorer la gestion comptable des établissements ou structures de santé et moins pour améliorer les pratiques médicales. Peu de logiciels de dossiers médicaux sont conçus aujourd'hui pour améliorer le suivi des patients atteints de maladies chroniques. Les requêtes personnalisées restent difficiles et beaucoup d'équipements informatiques des établissements de santé n'ont pas la puissance nécessaire de les faire. L'accès aux datas pour les maladies chroniques reste ainsi limité et on se demande pourquoi des données accumulées pendant un quart de siècle par l'Assurance maladie (Sniiram) ne sont pas plus facilement accessibles aux professionnels de santé. L'open data reste timide en France, comme en témoigne la faible ouverture faite dans la récente loi de modernisation de la santé.

Le Big data  pour une nouvelle façon de faire la médecine. Il est certes important de montrer les perspectives du Big data en médecine et Gilles Babinet le fait très bien dans son livre. Le Big data va révolutionner la démarche médicale dans ce que l'auteur résume par ces trois moments : révéler, prédire et réagir.

L'épidémiologie médicale va bénéficier des analyses des data en révélant des corrélations jusqu'alors méconnues. On connaitra plus vite l'émergence des épidémies annuelles de la grippe, on ciblera mieux les personnes qui bénéficieront des vaccinations. On pourra mieux suivre le développement des épidémies nouvelles. On connaitra mieux l'émergence des maladies chroniques et on pourra soit retarder leur apparition, soit tout simplement les prévenir.

Pour la prédiction, le Big data favorisera les recherches de marqueurs pathogènes dans les analyses médicales d'un grand nombre de patients. On est d'accord avec Gilles Babinet lorsqu'il en déduit que le fait de savoir que ceux d'entre nous qui ont été exposés à un environnement particulier sont plus atteints par une maladie particulière. Par exemple, lorsqu'on prend un sujet comme celui des lymphomes dont la fréquence a fortement progressé au cours des 15 dernières années, il sera plus facile de vérifier le rôle éventuel des pesticides utilisés dans le monde agricole en croisant les data collectés par les grandes firmes qui vendent les semences, etc. En clair, la progression des lymphomes est elle uniquement due au vieillissement ou est elle favorisée par notre environnement ? On pourrait multiplier les exemples, notamment sur la prédiction des maladies chroniques en croisant certaines données de l'environnement et les données du génome. On le faisait déjà avec les études épidémiologiques classiques. On le fera plus vite avec le Big data.

Pouvoir réagir rapidement est l'aspect le plus fascinant qui caractérise le Big data. Les capacités d'analyse des learning machines, véritables outils de l'intelligence artificielle, sont tellement puissantes, qu'il sera possible aux médecins de connaitre plus rapidement un diagnostic et donc de réagir de façon plus appropriée qu'aujourd'hui.

On voit bien à travers ces quelques réflexions sur le Big data que la pratique médicale actuelle et future ne peut que bénéficier de ces nouvelles technologies. Encore faut-il que l'offre industrielle soit rapidement accessible à tous les médecins et établissements de soins. Il y a probablement des choix stratégiques à arbitrer. Ne faut-il pas aujourd'hui parler davantage des apports du Big data pour améliorer les pratiques médicales, notamment a l'ère des maladies chroniques, que du DMP qui n'a jamais totalement convaincu le corps médical ?