Big data et santé : quels nouveaux outils pour la médecine de demain ?

La prévention en santé au cœur des préoccupations

L’utilisation du big data, d’applications e-santé et d’objets connectés permet d’identifier les facteurs de risque de développement de certaines maladies, et de mettre rapidement en place des outils de prévention efficaces.

Grâce aux croisements de milliers de données médicales, les professionnels de santé appréhendent et prennent en charge les maladies chroniques, lancent des opérations de prévention et optimisent ainsi la gestion de la santé.  

Des applications mobiles pour la prise en charge de l’asthme

L’asthme est une maladie chronique qui touche de plus en plus de personnes, principalement des enfants et des adolescents. Selon les chiffres de l’assurance maladie, environ 4 millions de personnes souffrent de cette pathologie en France. 

La mise en place d’une thérapie précoce, dès le début de la crise, permet en général d’en limiter les effets. Cependant, de nombreux parents éprouvent des difficultés dans la prise en charge de cette pathologie à la maison. C’est pour cette raison que plusieurs applications mobiles de gestion de l’asthme ont été développées et mises à disposition des familles :

• Effic’Asthme propose aux parents d’enfants asthmatiques différents scénarios de crises. Le parent doit identifier les signes, choisir la conduite à tenir et donner le bon traitement avec la méthode d’administration adéquate. À la fin de chaque simulation, l’application e-santé met un rapport à la disposition du parent, avec les points réussis et les améliorations possibles dans sa gestion de la crise.
• AsthmaCrise s’adresse aux patients et à leur entourage en leur proposant différentes fonctionnalités essentielles dans la gestion de la maladie. Identification des facteurs déclenchants, conduite à tenir, possibilité de prévenir les secours ou encore mise à disposition d’alertes à la pollution en font partie.

Des applications mobiles dans le traitement du diabète

Le taux de prévalence du diabète ne cesse d’augmenter ces dernières années : la France compte aujourd’hui plus de 3,5 millions de personnes diabétiques. Dans le cadre de cette maladie chronique, la bonne gestion de la glycémie et de l’alimentation est primordiale, mais souvent difficile à mettre en pratique. Des glucomètres connectés et des applications mobiles ont été développés pour aider les patients atteints de diabète :

• Gluci-Check aide le patient à composer son repas et à évaluer la quantité de glucides ingérés. Il enregistre ces données dans la base alimentaire et propose un carnet de suivi du diabète (mesure de la glycémie, doses d’insuline, pratique du sport, …).
• Novi-Chek s’adresse aux jeunes diabétiques de type 1. Elle leur apporte les connaissances nécessaires à la prise en charge de leur maladie et sert de relais avec les professionnels de santé. L’adolescent peut répondre à des quiz sur la maladie, découvrir les traitements, le rôle de l’autosurveillance ou encore les habitudes à adopter dans la vie de tous les jours.

Données de santé : vers un diagnostic de plus en plus fiable

L’utilisation des méthodes de deep learning et des algorithmes dans le domaine de la santé permet de rendre le diagnoctic encore plus pertinent, notamment dans le cadre des tumeurs.

L’intelligence artificielle accompagne le professionnel de santé dans l’interprétation des données collectées, fait le tri et analyse plus rapidement les milliers d’images disponibles. Elle génère également des diagnostics différentiels et propose des examens supplémentaires si nécessaire, ce qui diminue les erreurs d’évaluation.

Quelques exemples parlants :

• Verily, anciennement Google Life Sciences, travaille en partenariat avec les laboratoires Allergan sur le développement de la plateforme “Virtual Stainer”. Celle-ci offre la possibilité de cartographier la géographie moléculaire de biopsies tissulaires dans le cadre de la stéatohépatite non-alcoolique. L'enjeu : améliorer la précision du diagnostic et l’évaluation du stade de la maladie.
• L'entreprise Gleamer est à l’origine d’une solution d’IA, “BoneView”, capable de détecter par rayons X des fractures osseuses, même minuscules, de manière rapide et en toute sécurité. L’outil permet également de mieux hiérarchiser la prise en charge des patients en les classant par catégories.

Une médecine personnalisée

Le traitement de grandes masses de données médicales individuelles permet de gagner des semaines d’analyses et de proposer des stratégies thérapeutiques personnalisées beaucoup plus rapidement.

L'entreprise IBM s’est alliée à Apple pour alimenter son IA, l’ordinateur Watson, avec les nombreuses informations collectées via les appareils commercialisés par la marque (iPhone, iPad et Apple Watches). Ainsi, le géant informatique sera en mesure de croiser les différentes data disponibles (résultats d’essais cliniques, articles publiés dans les revues médicales…) ainsi que les données individuelles récupérées par les dispositifs portables afin d’aider chaque professionnel de santé à faire le meilleur choix thérapeutique pour son patient.

Dans un futur proche, des médicaments sur-mesure pourraient aussi être créés en fonction du code génétique des personnes.

Des applications mobiles pour mieux suivre les patients

Certaines applications mobiles ont vocation à améliorer le suivi des patients, leur traitement à long terme, et éviter les récidives. 

Le dispositif connecté Propeller, par exemple, se fixe à l’inhalateur du patient asthmatique et permet de suivre où, quand et à quelle fréquence il utilise son médicament. Les informations recueillies sont directement envoyées à l’application installée sur son téléphone. Des rapports sont disponibles pour aider à ajuster le traitement avec le médecin traitant.

L’électrocardiogramme de poche connecté, MyECG, mesure quant à lui l’activité électrique du cœur au quotidien. Il trouve tout son intérêt dans la surveillance des patients à domicile après une hospitalisation, ou dans le télésuivi de malades chroniques.