L’Internet des Objets et les Big Data au service de l'e-santé
Dans un contexte d’augmentation du coût, de démographie médicale complexe et de multiplicité des compétences impliquées, l’e-santé véhicule la promesse d’une meilleure maîtrise des dépenses de santé et d’une prise en charge plus efficace des maladies.
Englobant à la fois l’ensemble des applications et technologies numériques au service de l’offre de soins, la télésanté et la télémédecine, la « e-santé » est aujourd’hui une priorité des gouvernements.
Multiplicité des acteurs, des applications et des dispositifs de santé
La « e-santé » est un domaine complexe car touchant plusieurs marchés et acteurs (généralistes, spécialistes, pharmaciens, institutions, etc.) et de multiples domaines d’application, tous assujettis à des réglementations plus ou moins adaptées à la réalité d’aujourd’hui, surtout à mesure qu’apparaissent de nouveaux dispositifs connectés, permettant aux patients de prendre, en temps réel, le contrôle de leur propre santé.
Les nouvelles technologies de l’information et de la communication sont au cœur de l’évolution de notre système de santé et facilitent la circulation d’informations entre les différents acteurs. Les Big Data et l’Internet des Objets ouvrent des perspectives inédites de gains d’efficacité, que cela soit dans les domaines de la recherche, de la prévention, de la compréhension des maladies ou de l’efficacité des médicaments. L’analyse des données collectées – par les médecins, l’hôpital ou par les patients eux-mêmes via des objets connectés – permet de les contextualiser et leur croisement contribue à forger une image plus précise de la problématique analysée.
Les progrès de ces nouvelles technologies (Spark et Spark Streaming) permettent aujourd’hui de traiter en temps réel des volumes de plus en plus importants de données, mais également de les exploiter plus rapidement grâce à l’utilisation de méthodes de calculs parallèles, distribués et en mémoire , ouvrant ainsi la porte à de nouveaux cas d’usage et créant de la valeur. Par exemple, il est aujourd’hui possible de croiser des jeux de données décrivant l’historique de prise de médicaments par un patient et les effets constatés en temps réel de ces mêmes médicaments sur un échantillon de patients du même âge et présentant le même type d’antécédents.
Vers une médecine personnalisée et prédictive
En combinant l’analytique à d’autres techniques, comme le machine learning, on peut imaginer aisément d’autres nouvelles applications apportant une forte valeur ajoutée. Par exemple, la médecine prédictive. Si jusqu’ici, la prise en charge du patient consistait à passer d’une logique curative à préventive (dépistage, campagnes de sensibilisation, vaccination, hygiène…), la multiplication des objets connectés et l’analyse croisée des données de santé permettent aujourd’hui d’adopter une logique prédictive : à partir de l’étude des données de tension artérielle une dizaine d’heures avant une crise cardiaque, on peut par exemple dresser des tendances facilitant la localisation d’éléments de risque. Le machine learning, permettant d’enrichir, avec le temps, les modèles d’analyse. Il est donc possible d’imaginer à terme la création d’un système d’alerte automatique informant, en temps réel, le médecin de la probabilité d’une crise cardiaque avant qu’elle se concrétise.
L’autre domaine est la médecine personnalisée. Il est aujourd’hui possible d’individualiser les traitements en fonction de la typologie des patients : d’une part des capteurs (disposés soit sur le patient lui-même par le biais d’objets connectés comme un bracelet, soit à proximité, par exemple sur des lits d’hôpitaux intelligents) collectent des données sur une base régulière. D’autre part, ces informations sont croisées et intégrées avec d’autres données – par exemple de recherche clinique – au sein d’applications décisionnelles pour améliorer l’efficacité des traitements. Combinée à l’impression 3D, la médecine personnalisée offre des perspectives encore plus séduisantes.
Le nerf de la guerre, ici, est la donnée. La capacité à la collecter, à la stocker, à la traiter rapidement et à la restituer est fondamentale. Outre l’évolution phénoménale des technologies d’exploitation intelligente de ces données, les protocoles de communication des objets connectés ont également largement progressé les rendant plus légers (MQTT par exemple). Nous disposons aujourd’hui des moyens permettant de favoriser l’interopérabilité des données (afin de garantir leur partage) et d’en tirer le meilleur parti pour rendre les traitements plus efficaces.
C’est tout l’enjeu de la Loi sur la modernisation du système de santé actuellement en discussion au Parlement français. Si de nombreux aspects doivent encore être éclaircis, le partage des données de santé va dans le sens d’une amélioration qu’appellent de leurs vœux tous les professionnels de la santé.