care_insight

  • IA : Eisai développe un bracelet connecté pour évaluer le risque de maladies neurodégénératives

    Un outil d’apprentissage automatique (machine learning) pour prédire l’accumulation de bêta-amyloïde (Aβ) dans le cerveau grâce à un bracelet connecté : c’est le fruit d’une collaboration entre Eisai et l’Université Oita au Japon. Selon cette accumulation, le bracelet connecté évalue si l’utilisateur risque de développer une maladie neurodégénérative comme Alzheimer.

    Un meilleur faisceau d’arguments pour poser le diagnostic

    Le bracelet mesure une batterie de données biologiques (activité physique, sommeil, rythme cardiaque…) qui couvrent un large spectre de l’hygiène de vie, prenant en compte d’autres informations complémentaires, telles que :
    📌 le nombre de personnes dans le foyer de l’individu ;
    📌 l’activité professionnelle du patient ;
    📌 la fréquence avec laquelle le patient sort de chez lui ;
    📌 le nombre de ses interactions sociales ;
    📌 ainsi que d’autres facteurs comme l’âge, la formation académique et un historique de sa consommation d’alcool.

    Un algorithme coordonne ces données avec les consultations médicales de la personne, permettant ainsi d’établir un diagnostic.

    Eisai affirme que l’étude réalisée prouve que l’association capteur/algorithme a suffisamment de capacité pour dépister l’amyloïde dans le cerveau. Elle serait une alternative à moindre coût comparé aux méthodes utilisées aujourd’hui, comme la tomographie par émission de positons (TEP) et l’analyse du liquide céphalo-rachidien (LCR), qui sont limitées par leur coût élevé, leur caractère invasif et leur disponibilité fluctuante.

    Un dépistage efficace et moins contraignant

    Une étude réalisée au Japon a suivi 120 personnes âgées de 65 ans ou plus souffrant d’un trouble cognitif léger pendant 3 ans. Tous les participants portaient le bracelet environ 7 jours tous les 3 mois, fournissant ainsi des données biologiques en continu. Après cette période, il a été observé que les résultats étaient similaires à ceux des tests conventionnels et aux scans TEP. En effet, ce modèle rapporte des résultats prometteurs pour un dépistage précis.

    Cette approche rend le dépistage de la maladie d’Alzheimer plus accessible, notamment dans les régions manquant d’installations de tests médicaux avancés.

    L’importance de l’analyse du mode de vie

    Les facteurs de mode de vie semblent jouer un rôle sur l’accumulation de bêta-amyloïde (Aβ) dans le cerveau, notamment :

    • l’activité physique ;
    • le sommeil ;
    • le rythme cardiaque ;
    • le volume et la fréquence des conversations ;
    • l’âge ;
    • la longueur des études ;
    • la vie avec ou sans enfants ;
    • et les moyens de transport de la personne.

    Eisai explique que la clé pour améliorer le traitement serait “de détecter l’accumulation d’amyloïde dans le cerveau des patients avec un trouble cognitif léger avant le début des symptômes de la démence”.

    Développer un écosystème digital de prise en charge :

    Aux côtés de son partenaire Biogen, Eisai commercialise les premiers médicaments visant l’amyloïde pour le traitement de l’Alzheimer, notamment Legembi, qui a été approuvé aux Etats-Unis et au Japon. En parallèle de son approche sensorielle et algorithmique, l’entreprise considère d’autres moyens numériques pour identifier les gens susceptible de développer une démence, en lançant sa filiale Theoria Technologies, avec une volonté de créer un écosystème digital.

    Eisai avait déjà collaboré avec d’autres acteurs du domaine, notamment avec le leader japonais des nouvelles technologies NTT IT sur un système basé sur le cloud permettant aux professionnels de santé de partager les traitements et les informations médicales de leurs patients avec une application numérique appelée NouKNOW, et ainsi d’évaluer leur performance cognitive et de détecter les prémices d’une démence. Le laboratoire pharmaceutique nippon participe également à un projet de recherche au Royaume-Uni pour développer un outil digital pour le traitement des pathologies dégénératives.

    [annuaireOrga=197295]

  • Essais cliniques : la France toujours en retard dans un contexte international très compétitif (Leem)

    La France se positionne au 3e rang dans la participation aux essais cliniques internationaux, tandis que l’Espagne arrive à se distinguer fortement en la matière, et dans un contexte global où l’Europe reste devancée par les États-Unis et la Chine : c’est le constat dressé par le Leem, dans la 13e édition de son enquête “Attractivité de la France pour la recherche clinique”, publiée le 22 janvier 2024.

    Dans ce rapport, le Leem souligne qu’il devient “urgent de mettre un coup d’accélérateur, face à une compétition internationale qui s’intensifie” en matière de recherche clinique, alors que 2 ans après le lancement du plan Innovation Santé 2030, “le bilan est mitigé” et la France n’arrive pas à se hisser en tête en termes de participation aux essais cliniques, notamment à cause des longs délais nécessaire au démarrage d’un essai clinique.

    Selon, Thibaut Victor-Michel, président de la commission Recherche et Innovation du Leem, l’ambition fixée dans le plan Innovation Santé 2030 de devenir leader européen en recherche est encore atteignable. C’est pourquoi les entreprises du médicament se sont fixées un double objectif :
    1️⃣ augmenter la participation de la France aux essais multinationaux de 25 % ;
    2️⃣ et accélérer le démarrage des essais pour inclure le premier patient en 120 jours.

    La France dans l’ombre de l’Espagne

    Les essais sont “le premier mode d’accès aux médicaments innovants pour les patients, et notamment ceux atteints de pathologies graves comme le cancer (42 % des essais initiés) ou les maladies auto-immunes (18 %)”. Malgré ses efforts, la France reste derrière l’Espagne dans le domaine :

    • lors des 18 derniers mois, 810 essais cliniques multinationaux ont été lancés par l’Espagne contre 636 pour la France ;
    • malgré une spécialisation de la France dans le domaine de l’oncologie, l’Espagne conserve tout de même son statut de leader européen (la France est 2e) ;
    • en Espagne, le premier patient est inclus dans un essai clinique en 149 jours en moyenne, alors qu’en France, le délai moyen est de 160 jours ;
    • en France seulement 86 % des objectifs d’inclusion sont atteints contre 94 % en l’Espagne.

    L’Europe peine toujours à s’imposer

    L’investissement de l’Espagne dans la réalisation d’essais cliniques ne suffit pas à lui seul pour faire de l’Europe le leader mondial. Au cours des 12 derniers mois, les chercheurs du Vieux continent n’ont lancé que 2 087 essais, loin derrière l’Asie avec ses 5 016 essais. Côté américain (USA, Canada et Amérique du Sud), on compte : 3 157 essais cliniques.

    L’Europe se place cependant en tête en matière d’essais cliniques multinationaux, qui représentent 63% de son activité, contre 11% en Asie et 44% en Amérique.

    [photo=197530]

    4 leviers pour renforcer l’attractivité de la France

    Dans son rapport, le Leem cite 4 leviers qui pourraient faire de la France le pays le plus attractif d’Europe en termes d’essais cliniques et qui doivent être mis en place “au plus vite par les autorités” :

    • 1️⃣ supprimer la demande d’autorisation d’exportation et d’importation des échantillons biologiques qui viennent, par cette exception française, allonger les délais d’autorisation ;
    • 2️⃣ simplifier le dispositif de la convention unique en privilégiant une approche forfaitaire par visite du patient ;
    • 3️⃣ mettre en place des fast tracks de l’étape d’autorisation à l’inclusion pour garantir le démarrage en 120 jours des essais innovants pour les patients sans alternative thérapeutique ;
    • 4️⃣ adapter le cadre législatif pour permettre le déploiement des essais cliniques décentralisés (DCT).

    [annuaireOrga=197531]

  • IA : les hôpitaux resteront les acteurs les mieux équipés en 2030 (étude Xerfi)

    La conjoncture actuelle semble laisser penser à une généralisation de l’intelligence artificielle (IA) en médecine. Pourtant, les inégalités entre utilisateurs, les appréhensions de nombreux praticiens et le durcissement de la législation, notamment à l’échelle européenne, apparaissent comme des freins majeurs à son adoption globale dans le secteur de la santé. 

    Que ce soit pour la radiologie, la chirurgie, la télésanté ou encore pour limiter l’aspect chronophage de certaines tâches des praticiens, l’IA cohabite désormais clairement avec le monde de la santé, et encore plus depuis l’avènement du logiciel d’OpenAI, ChatGPT, en fin d’année 2022.

    Alors que “le potentiel de l’intelligence artificielle générative semble considérable dans la filière de soins, en particulier en matière d’amélioration de l’efficience et de la qualité des soins”, l’institut d’études privé spécialisé dans l’analyse économique sectorielle, Xerfi, a publié en début d’année 2024 une étude traitant des perspectives de l’IA en médecine d’ici à 2030. Il livre un bilan global sur le sujet et sa future évolution :
    📌 le degré de maturité des solutions en fonction du secteur ;
    📌 le type d’algorithmes les plus ciblés et appréciés selon les spécialités ;
    📌 les freins humains et juridiques à une explosion de l’IA ;
    📌 ou encore les inégalités qu’il peut y avoir entre les différents acteurs de la santé en matière d’accès aux nouvelles solutions d’IA.

    Un écart se creuse entre hôpital et médecine de ville

    Les solutions d’IA les plus abouties sont à l’hôpital :

    Dans son étude, Xerfi indique que les établissements hospitaliers, qu’ils soient publics ou privés, sont déjà les institutions du secteur qui investissent le plus dans les solutions basées sur l’IA. En effet, ils ont déjà “une approche proactive dans ce domaine”, grâce à des solutions considérées comme les plus abouties, que ce soit en imagerie médicale, en chirurgie ou encore dans “l’automatisation des tâches chronophages et à faible valeur ajoutée (paramétrage des équipements d’imagerie, codage des séjours hospitalier, retranscription des ordonnances, etc.)”.

    Si l’accès aux données est facilité dans le futur et si la digitalisation de l’offre de soins est toujours souhaitée par les pouvoirs publics, l’utilisation de l’IA devrait s’intensifier et être de plus en plus performante dans les établissements hospitaliers, jusqu’à devenir quasiment indispensable pour accompagner les médecins et améliorer la qualité des soins pour les patients.

    Le retard de la médecine de ville ne sera compensé que partiellement :

    De l’autre côté, les médecins de ville, qui accusent déjà un retard en la matière à cause du manque de moyens – même si ceux travaillant pour des structures membres d’un réseau intégré ou d’un groupement sont moins impactés – risquent d’être dépassés par ces évolutions, face à des établissements avec une capacité d’investissements plus importante. L’étude montre qu’à court terme, ce retard historique en matière de digitalisation “ne sera qu’en partie compensé […] par les programmes de soutien des pouvoirs publics” comme celui du Ségur du numérique.

    Une disparité entre les établissements aussi :

    Xerfi tient à rappeler que l’écart qui existe entre “les établissements hospitaliers qui appartiennent à un groupe” et “les établissements hospitaliers indépendants” va lui aussi se creuser pour, là aussi, une question de moyens. Le potentiel du développement de l’IA dans ces établissements, comme les centres de lutte contre le cancer (CLCC) ou les cliniques de court séjour, sera donc plus modéré que dans des grands groupes comme l’AP-HP.

    Des freins humains et juridiques existants

    Malgré un potentiel jugé énorme, d’autant plus que “les expérimentations se poursuivent […] pour développer des algorithmes de deep learning capables de croiser de multiples données pour réaliser des diagnostics précoces toujours plus précis et personnaliser davantage les traitements”, plusieurs freins vont venir s’interposer à une explosion de l’utilisation de l’IA dans la médecine, rapporte Xerfi :

    D’abord, les industriels qui développent des solutions d’IA :

    Les éditeurs d’outils numériques intelligents “éprouvent toujours des difficultés pour obtenir des bases de données volumiques et de qualité afin d’entraîner leurs modèles”. Une situation qui ne devrait pas changer avec l’adoption de nouvelles réglementations, dont l’IA Act, vues par certains industriels européens comme une menace pour l’innovation, puisqu’elles viendraient freiner la facilité d’accès aux données de santé qui sont, indispensables pour développer des modèles d’IA performants.

    Ensuite, la résistance des professionnels de santé :

    Malgré une adoption de plus en plus massive de l’IA en médecine, l’un des plus importants freins reste les professionnels de santé eux-mêmes. En plus d’un manque de formation et de connaissances des outils numériques, beaucoup d’entre eux conservent de nombreuses craintes sur le sujet, notamment “celle d’une déshumanisation du travail et de perte des liens sociaux”.

    [annuaireOrga=197541]

  • Interopérabilité : Philips cède ses solutions à Founda Health

    La vente par Philips de sa gamme Philips Interoperability Solutions à la start-up néérlandaise Founda Health vient d’être confirmée, le 15 janvier 2024. Les conditions de cette opération n’ont pas été détaillées. Les logiciels d’interopérabilité de Philips visent à répondre aux différents défis informatiques rencontrés par le système de santé avec du “streamlining”, soit par l’optimisation des flux et l’amélioration de la collaboration entre les établissements en facilitant le partage de leurs données.

    Pour Founda Health, cette acquisition est “une étape logique pour une nouvelle infrastructure data de santé permettant d’innover et de placer le soin du patient au-dessus de tout”. De son côté, Philips affirme que son expertise a bénéficié à de nombreux établissements de santé, favorisant des systèmes d’information connectés, en boostant leur efficacité pour améliorer la qualité des soins.

    Founda Health renforce sa présence à l’international

    L’acquisition de Philips Interoperability Solutions repositionne Founda Health sur sur le marché international de l’interopérabilité. La start-up, qui a pour ambition de construire une infrastructure data à la fois moderne, quantifiable, et rentable, souhaite fusionner la solution de Philips et la sienne, puis y ajouter des nouvelles fonctionnalités.

    La plateforme de Founda Health “facilite la communication entre des solutions digitales nouvelles et des systèmes IT existants, incluant la technologie de Philips”. Elle favorise ainsi l’échange de données médicales entre les différents offreurs de soins.

    Une solution plus complète 

    Founda Health se transforme en une solution data complète qui garantit la fiabilité et l’accessibilité des données tout au long de “la chaîne de santé”. Sa plateforme intégrée réduirait “le volume de travail des professionnels de santé et des équipes IT”, leur permettant ainsi de se consacrer l’amélioration de la qualité des soins, ceci en :
    📌 en facilitant la connectivité entre les systèmes informatique de santé ;
    📌 en améliorant les opérations ;
    📌 en consolidant les différents standards de data en un seul API (Application Programming Interface).

    Elle permet également aux applications de santé à se connecter à un système EHR (Electronic Health Record) international, pour une classification et une expansion de la donnée. La démarche de l’entreprise va dans le sens d’une “implémentation de nouveaux modèles de collaborations” pour rendre la data plus disponible et son usage optimal, deux facteurs essentiels “pour un écosystème santé prêt à affronter les défis du futur”.

    [annuaireOrga=197249]

    [annuaireOrga=197250]

  • Health Data Hub : état d’avancement et premières réalisations prometteuses des projets (bilan)

    17 projets soutenus par le Health Data Hub (HDH) depuis sa création visent à démontrer l’importance du croisement des données de santé, de leur réutilisation pour faire avancer la santé et du rôle du HDH dans leur mise en œuvre, comme le présente un rapport publié par le HDH le 9 janvier 2024. Intitulé “État d’avancement des premières réalisations prometteuses des projets accompagnés par le Health Data Hub”, ce document étaye la progression de projets qui touchent à de nombreuses pathologies et qui croisent des données à caractéristiques différentes issues de diverses bases, même si celles-ci sont souvent “chaînées à celles de l’Assurance Maladie“.

    Créé en 2019 comme groupement d’intérêt public (GIP), le HDH – aussi appelé “Plateforme de données de santé” – doit permettre de “veiller à la qualité des données de santé et aux conditions générales de leur mise à disposition, garantissant leur sécurité et facilitant leur utilisation dans le respect de la protection des données personnelles sur l’ensemble du territoire”. C’est dans cet objectif que de nombreuses vagues d’appels à projets (AAP) ou à manifestation d’intérêt (AMI) ont été lancées ces 4 dernières années, promettant un accompagnement par le Hub des projets qui sauront faire évoluer le monde de la santé : AMI et AAP sur l’intelligence artificielle (IA) en santé, AMI pour la bibliothèque ouverte d’algorithmes en santé, Data Challenges en santé, AAP du HDH…

    Des allergies aux pollens au cancer du sein

    Prise en charge des patients greffés rénaux, réduction des crises d’insuffisance cardiaque, prévention des allergies aux pollens, adaptation du parcours de dépistage organisé des cancers du sein… les projets soutenus par le HDH vise à promouvoir le traitement et la prévention de diverses maladies et ne se concentrent donc pas sur une seule pathologie ou une seule source de données. Et si seulement 17 projets ont été retenus pour figurer dans ce rapport, il est important de rappeler que depuis 2019, ce sont plus de 30 projets ont été et sont toujours accompagnés par le HDH. 

    “Les projets que le Health Data Hub accompagne contribuent à améliorer le système de soin et la santé des personnes, et leur succès tient au travail d’équipe avec les porteurs de projets”, ont souligné Stéphanie Combes et Gérard Raymond, respectivement directrice et vice-président du HDH, dans le rapport. Ils rappellent aussi que par le biais de ces projet, les données présentes dans la Plateforme peuvent être utilisées par tous les acteurs qui ont “la légitimité d’utiliser les données à des fins d’utilité publique”, qu’ils soient des établissements de soins, des start-ups et industriels, ou des associations d’usagers du système de santé.

    Plus de 7 000 projets déposés au HDH depuis sa création

    A date, les établissements de santé ont déposé le plus de projets auprès de HDH (3 652 sur 7520 projets déposés en 4 ans), loin devant les industriels de la santé (1 427 projets) et les universités/écoles (598 projets).

    Dans un indicateur publié en décembre 2022 et faisant le bilan de l’état d’avancement des projets déposés dans le HDH et des sources de données mobilisées, Health & Tech Intelligence (H&TI) avait relevé que “sur les 2 224 dossiers déposés au Health Data Hub, 2 164 ont été instruits et 1 621 transmis au Cerees / Cesrees, dont 1 309 (80,8 %) ont reçu un avis favorable et 102 (6,3 %) un avis défavorable (156 un avis réservé : 9,6 %). Concernant les 1 224 dossiers déposés à la Cnil, 954 (77,9 %) ont été autorisés et 33 (2,7 %) refusés”.

    Un indicateur en 4 parties

    À l’occasion de la parution de ce rapport, H&TI présente dans cet indicateur en 4 parties, un bilan des projets déposés au HDH :
    1️⃣ état d’avancement et premières réalisations prometteuses de 17 projets du HDH ;
    2️⃣ focus sur 2 exemples de projets ;
    3️⃣ projets déposés pour une demande d’autorisation Cnil de 2017 à 2022 ;
    4️⃣ pour aller plus loin : ressources utiles + dernières informations relatives au HDH.

    17 PROJETS SOUTENUS PAR LE HDH

    [vue=197326]

    FOCUS SUR 2 EXEMPLES DE PROJETS

    Le projet Hydro

    Hydro a pour objectif de développer une solution permettant de prédire les crises d’insuffisance cardiaque nécessitant une hospitalisation pour les patients porteurs de prothèses rythmiques implantables grâce à l’analyse par intelligence artificielle (IA) des données cliniques et de télésuivi. Ce projet porté par Implicity est l’un des 10 lauréats sélectionnés à l’issue du premier appel à projets organisé par le HDH en avril 2019, un appel à projets « pilotes » au triple objectif : soutenir les usages innovants de la donnée de santé, participer à la construction et au développement du Hub et démontrer la valeur de la donnée.

    De par le déploiement de sa plateforme universelle de télésuivi des prothèses rythmiques implantables auprès de plus de 45 centres en France et à l’international depuis 2016, Implicity dispose de multiples données de télésuivi, qui s’avèrent utiles dans le cadre du projet Hydro.

    En 2021, un an après être devenu le premier projet soutenu par le HDH à être autorisé par la Cnil, le projet a franchit une nouvelle étape après un an de travail préparatoire : l’utilisation des données mises à disposition sur l’espace projet sécurisé du HDH. Pour l’occasion, le Hub avait dévoilé le parcours des données patients dans le cadre de ce projet :

    [photo=197337]

    L’espace projet sécurisé du HDH permet d’accueillir un appariement probabiliste entre 2  sources de données : 

    • les données des implants cardiaques de plus 35 000 patients français en soin courant, collectées sur la plateforme Implicity ;
    • les données du système national des données de santé(SNDS) liés aux actes remboursés et aux hospitalisations.Le croisement de ces deux sources de données permet d’entraîner les modèles prédictifs dans ce même espace sécurisé  : l’espace projet permet le développement d’algorithmes IA dans un environnement cloisonné. À la fin du projet, Implicity n’exportera que ses logiciels mais pas les données de santé, qui seront effacées.

    📌 Pour aller plus loin : 

    Le projet jumeau numérique “état de santé d’un territoire”

    Résoudre le problème de l’errance thérapeutique concernant les allergies respiratoires dues aux pollens : c’est l’objectif du groupe Vyv, tête de fil d’un consortium composé du Health Data Hub (HDH) et du Datalab Normandie (région de Normandie), qui porte le projet « jumeau numérique : état de santé d’un territoire », visant à évaluer l’état de santé de la région Normandie par rapport aux allergies aux pollens.

    Ce projet a été lauréat en 2021 de l’appel à projets « données et technologies associées, appliquées à la santé », lancé par le Datalab Normandie : il avait pour ambition de « créer le jumeau numérique, c’est-à-dire, la copie numérique de l’état de santé du territoire par rapport aux allergies aux pollens » afin de permettre de mettre en place des outils de visualisation et d’aide à la décision.

    Après 2 ans d’accompagnement par le Health Data Hub et le Datalab Normandie, le projet du groupe Vyv commence à prendre forme, notamment grâce au croisement de données de santé et de données environnementales, qui a permis la création d’un indicateur pour expliquer les « corrélations et les mécanismes de causalité entre santé et pollens ».

    📢 Mettre en place une prévention et des alertes polliniques 

    Il s’écoule en moyenne 7 ans avant qu’une personne souffrant d’asthme ou de rhinite allergique ne soit diagnostiquée : une exposition aux allergènes peut conduire à une aggravation de son état de santé ou à l’apparition de nouvelles pathologies. Une meilleure connaissance des périodes au cours desquelles le risque de présence d’allergènes dans l’air est élevé permettrait d’éviter ces complications et de mieux traiter les personnes asthmatiques.

    Le groupe Vyv et ses partenaires ont développé des algorithmes d’IA permettant de cartographier la présence du pollen ainsi que l’état de santé (grâce aux prescriptions médicales) des Normands à travers les années, afin d’étudier les corrélations entre l’apparition du pollen et de problèmes de santé. Ils sont pour l’instant parvenus à cartographier la localisation et les périodes de diffusion de 3 types de pollen – les plus présents dans la région – à travers les années, en les classant par saison et par département. 

    📌 Pour aller plus loin : 

    PROJETS DÉPOSÉS AUPRÈS DE LA CNIL (2017-2022)

    Les données présentées dans cette partie concernent les demandes d’autorisation Cnil d’accès aux données de santé déposés au Health Data Hub entre le 28 août 2017 et le 5 septembre 2022.

    La partie 4 (sur la mise à disposition des données SNDS par la Cnam) ne concerne que les dossiers portant sur une extraction SNDS ou l’échantillon généraliste de bénéficiaires (EGB).

    “Les délais sont affichés à titre indicatif et ne peuvent être imputés aux différents organismes, la réactivité du porteur de projet au cours du processus rentrant également en compte”, précise le Health Data Hub sur son site web (d’où les données ci-après sont extraites).

    Le type de structures desquelles proviennent les responsables de traitement :

    [vue=197341]

    Les sources de données mobilisées :

    [vue=197342]

    1️⃣ LES DOSSIERS DÉPOSÉS AU HEALTH DATA HUB :

    Sur les 2 224 dossiers déposés au Health Data Hub :

    • 2 164 ont été instruits* ;
    • 1 621 transmis au Cerees / Cesrees.

    [vue=197343]

    [vue=197344]

    [photo=197345]

    * Certains dossiers peuvent être en cours d’instruction ou jugés incomplets dès réception et non instruits.

    ** Pour les dossiers transmis au Cerees / Cesrees.

    *** Le délai de transmission maximal observé est de 7 jours ouvrés.

    2️⃣ AVIS DU CEREES / CESREES :

    Sur les 1 621 dossiers transmis au Cerees / Cesrees :

    • 1 309 (80,8 %) ont reçu un avis favorable ;
    • 102 (6,3 %) ont reçu un avis défavorable ;
    • 156 (9,6 %) ont reçu un avis réservé.

    [vue=197346]

    [vue=197347]

    Sur les 1 448 dossiers transmis au Cerees / Cesrees, 1 581 (97,5 %) sont passés par la commission d’expertise (dossiers tacitement favorables et en cours non comptés) :

    [vue=197348]

    [photo=197349]

    3️⃣ DÉCISION DE LA CNIL :

    Sur les 1 224 dossiers déposés à la Cnil :

    • 954 (77,9 %) ont été autorisés ;
    • 33 (2,7 %) ont été refusés.

    [vue=197350]

    [vue=197351]

    [photo=197352]

    4️⃣ MISE À DISPOSITION DES DONNÉES SNDS PAR LA CNAM :

    Cette partie ne concerne que les dossiers dont la source de données mobilisée est le SNDS historique en dehors du PMSI et du Cépidc seuls. Le Health Data Hub ne suit pas la mise à disposition des données pour ces deux dernières sources.

    Sur les 596 dossiers autorisés par la Cnil :

    • 359 conventions ont été signées avec la Cnam ;
    • 355 jeux de données ont été mis à disposition.

    [vue=197353]

    [photo=197354]

    * Hors dossiers ayant été neutralisés lors la signature de la convention.

    ** Hors dossiers ayant été neutralisés lors la mise à disposition des données.

    *** Hors dossiers ayant été neutralisés au cours du processus de demande.

    🔎 POUR ALLER PLUS LOIN

    Ressources utiles :

    • tous les projets déposés auprès du Health Data Hub sont référencés dans le répertoire public des projets, accessible via ce lien ;
    • présentation des projets lauréats via ce lien.

    Dernières informations relatives au Health Data Hub (H&TI 2022-2023) :

    📌 Réglementaires :

    📌 Appels :

    📌 Initiatives/partenariats :

    📌 Projets retenus/bases au catalogue :

    📌 Formation/Accompagnement :

    📌 Europe :

  • Étude : l’IA explore la génétique tumorale pour prédire la réponse à la chimio (Cancer Discovery)

    Des chercheurs de l’École de médecine de l’Université de Californie à San Diego ont eu recours aux avancées récentes en apprentissage profond pour faciliter la prédiction des réponses aux traitements cancéreux. Après avoir identifié les principaux assemblages moléculaires où les altérations génétiques influent sur l’efficacité des médicaments, ils ont testé leur modèle sur des tumeurs du col de l’utérus. Comme le montre leur étude* publiée le 18 janvier 2024 dans Cancer Discovery, les réponses à l’un des médicaments de chimiothérapie les plus courants, ont été prévues avec succès.

    Au coeur de la résistance à la chimiothérapie

    La réplication de l’ADN est au cœur des problématiques de résistance aux traitements. Il a été démontré que la chimiothérapie était plus efficace sur les cellules cancéreuses incapables de répliquer leur ADN pendant les traitements. La grande majorité des chimiothérapies fonctionnent d’ailleurs en perturbant cette machinerie de réplication de l’ADN dans les cellules tumorales en division rapide. Cependant, prédire la résistance aux traitements constitue un pari dans la mesure où la composition génétique d’une tumeur est complexe, présentant une multitude de mutations.

    “Des mutations isolées peu prédictives”

    Comme l’explique Trey Ideker, professeur au Département de médecine de l’École de médecine de l’UC San Diego, “les cliniciens étaient auparavant conscients de l’existence de quelques mutations individuelles associées à la résistance au traitement, mais ces mutations isolées avaient tendance à manquer de valeur prédictive significative.

    La raison en est qu’un nombre beaucoup plus important de mutations peut façonner la réponse au traitement d’une tumeur que ce qui était précédemment compris”, a-t-il ajouté. “Des centaines de protéines travaillent ensemble dans des arrangements complexes pour répliquer l’ADN. Des mutations dans n’importe quelle partie de ce système peuvent changer la manière dont la tumeur entière répond à la chimiothérapie.” Avec ses collègues, le Pr Trey Ideker s’est donc attaqué à la résolution de cette énigme : comment prédire la résistance à la chimiothérapie. Les résultats ont été publiés le 18 janvier dans le revue Cancer Discovery.

    Un test prédictif dans le cancer du col de l’utérus

    • Dans un premier temps, ils ont étudié les mutations sur les 718 gènes couramment utilisés dans les tests génétiques cliniques pour la classification du cancer. Ce fut le point de départ de leur modèle d’apprentissage automatique.
    • Dans un second temps, ils ont entraîné leur modèle avec des données de réponse aux médicaments accessibles au public. Quelques 41 assemblages moléculaires – groupes de protéines collaboratives – où les altérations génétiques influent sur l’efficacité des médicaments ont été identifiés.
    • Troisième étape : les chercheurs ont testé leur modèle d’apprentissage profond sur le cancer du col de l’utérus, où environ 35% des tumeurs persistent après le traitement. Le modèle a été capable d’identifier avec précision les tumeurs susceptibles de répondre à la thérapie, associées à une amélioration des résultats pour les patients. Ainsi que les tumeurs susceptibles de résister au traitement.

    Un modèle “transparent”

    Plus surprenant encore, l’algorithme n’est pas resté une boîte noire. Le modèle a contribué à éclairer son processus décisionnel en identifiant les assemblages de protéines conduisant à la résistance au traitement dans ce type de cancer. Les chercheurs soulignent qu’être capable de “démêler le processus décisionnel d’un modèle d’IA est crucial, parfois aussi important que la prédiction elle-même”, a souligné le Pr Ideker.

    “La transparence de notre modèle est l’une de ses forces, d’abord parce qu’elle instaure la confiance dans le modèle, et ensuite parce que chacun de ces assemblages moléculaires que nous avons identifiés devient une nouvelle cible potentielle pour la chimiothérapie. Nous sommes optimistes quant à la large application de notre modèle, non seulement pour améliorer le traitement actuel du cancer, mais aussi pour ouvrir la voie à de nouveaux traitements.”

  • USA / IA : la FDA autorise une solution de Techsomed pour faciliter l’ablation du foie en temps réel

    Permettre aux médecins de planifier les procédures d’ablation du foie en améliorant la précision du traitement, tel est l’objectif de VisAble I.O, solution d’imagerie basée sur l’intelligence artificielle (IA) développée par Techsomed, qui vient d’être autorisée par la Food and Drug Administration (FDA).  

    L’apport de l’imagerie dans les procédures d’ablation

    L’ablation guidée par imagerie en temps réel peut aider les médecins à “retirer stratégiquement des lésions hépatiques en fournissant une visualisation de la zone ablatée, basée sur l’imagerie échographique standard”.

    Le traitement d’ablation est une thérapie utilisant des températures extrêmement élevées ou basses pour détruire les tissus déficients, notamment les tumeurs hépatiques primaires et secondaires inopérables. Le manque de précision dans le guidage d’image et le contrôle du traitement d’ablation entraîne cependant un risque élevé de récurrence et de complications.

    Une alternative pour les tumeurs hépatiques inopérables

    VisAble I.O est un logiciel de la solution BioTrace créé par Techsomed, il permet la visualisation complète et le contrôle de la thérapie par ablation, guidée par l’image, et ainsi la diminution des risques de l’ablation du foie. Grâce à sa technologie basée sur l’IA, le logiciel exploite l’imagerie standard comme l’échographie, la tomodensitométrie (TDM) ou encore l’imagerie par résonance magnétique (IRM).

    Grâce à cette imagerie 3D en temps réel, le logiciel fournit une vue anatomique de l’étendue complète de la zone d’ablation, optimisant par là la précision des médecins dans l’élimination la tumeur.  Alors que l’échographie est une option fiable pour la visualisation en temps réel des organes, il existe un potentiel d’amélioration notamment dans “la surveillance continue de la réponse des tissus à l’ablation”.

    [annuaireOrga=197417]

  • Téléassistance : un levier majeur de la lutte contre les chutes des personnes âgées (étude DITP)

    Afin de gagner en efficacité, la téléassistance doit être connectée au réseau local et à Mon Espace Santé, selon une étude-action de la DITP.

    Le Plan national antichute lancé en février 2022 préconise un ensemble de mesures pour prévenir les chutes des personnes âgées à domicile, dont la téléalarme. C’est dans ce cadre que la Direction interministérielle de la transformation publique (DITP) a piloté, avec la Direction générale de la cohésion sociale (DGCS), une étude action sur la prévention des chutes des personnes âgées, publiée en avril 2023 et mise à jour en décembre.

    La téléassistance, complémentaire des dispositifs existants

    Le constat est qu’il n’existe pas de parcours de prévention mais « une cohabitation de dispositifs préventifs » proposés par divers acteurs (le médecin, le CCAS, les associations, les proches) :
    📌 l’aménagement du logement ;
    📌 la stimulation du lien social ;
    📌 l’alimentation ;
    📌 l’activité physique, etc.

    La téléassistance (TLA), dispositif d’alerte d’urgence en cas de chute, est un levier complémentaire majeur.

    L’étude de la DITP insiste sur un usage plus efficace de la téléassistance. Une enquête de terrain a montré que même si la TLA est installée, elle n’est pas nécessairement bien utilisée par l’abonné. D’autre part l’usage de ce dispositif pourrait être optimisé, dans une logique territorialisée avec les professionnels de santé.

    Dans cet article, Health & Tech Intelligence revient sur les actions proposées par la DITP après son examen de l’utilisation de la TLA dans les pays européens et une analyse des freins à son développement .

    Homogénéiser les services grâce à un cahier des charges unifié

    C’est « un prérequis à l’évolution des services de TLA » car actuellement «  les services proposés par les opérateurs n’ont à ce jour pas le même niveau d’intégration dans le circuit de prévention territoriale selon les départements 

    Instaurer un binôme TLA/professionnels de santé

    L’objectif est que les aides à domicile, les médecins et les équipes hospitalières puissent utiliser la ligne de téléassistance comme interface pour partager des informations sur la santé de l’abonné. Cela suppose de s’entendre sur le partage d’informations et de sécuriser le partage des données patients. Un tel service d’accompagnement serait à expérimenter, en s’appuyant sur l’expérience de certains sites (Val-de-Marne, Marseille).

    Créer un numéro vert départemental

    « Autonomie info service », grâce aux plateaux téléphoniques de TLA

    Le standard téléphonique du numéro vert serait hébergé par les opérateurs de TLA, sous réserve que les “téléassisteurs” bénéficient d’une formation pour rediriger les appels des personnes âgées ou des aidants vers les professionnels compétents. Les informations dont ils disposent seraient partagées avec les CCAS et les départements, « afin de faciliter la détection des habitants les plus fragiles et de mieux les accompagner par la suite, notamment en déclenchant d’éventuelles prises en charge en fonction du risque perçu ».

    Faire contribuer les téléassisteurs à Mon Espace Santé

    À ce jour, les téléassisteurs ne sont pas inclus dans le déploiement de Mon espace santé, alors qu’ils disposent de données déterminantes dans la détection et l’évolution des fragilités des personnes âgées à leur domicile.

    La téléalarme d’un abonné pourrait être reliée à son espace santé en ligne, avec son autorisation. Chaque déclenchement d’alarme sera enregistré dans le profil de l’abonné et accessible aux professionnels de santé qui, lors de leurs interventions au domicile ou de leurs consultations, auraient accès à cet historique. Cette traçabilité serait également utile à l’usager et aux aidants.

    L’expérimentation en cours pour permettre aux intervenants à domicile d’entrer leurs données sur Mon Espace Santé pourrait servir d’exemple à une expérimentation avec les téléassisteurs, après leur homologation.

    [annuaireOrga=197507]

  • [DATA] Health Data Hub : état d’avancement et premières réalisations prometteuses des projets (bilan)

    17 projets soutenus par le Health Data Hub (HDH) depuis sa création visent à démontrer l’importance du croisement des données de santé, de leur réutilisation pour faire avancer la santé et du rôle du HDH dans leur mise en œuvre, comme le présente un rapport publié par le HDH le 9 janvier 2024. Intitulé “État d’avancement des premières réalisations prometteuses des projets accompagnés par le Health Data Hub”, ce document étaye la progression de projets qui touchent à de nombreuses pathologies et qui croisent des données à caractéristiques différentes issues de diverses bases, même si celles-ci sont souvent “chaînées à celles de l’Assurance Maladie“.

    Créé en 2019 comme groupement d’intérêt public (GIP), le HDH – aussi appelé “Plateforme de données de santé” – doit permettre de “veiller à la qualité des données de santé et aux conditions générales de leur mise à disposition, garantissant leur sécurité et facilitant leur utilisation dans le respect de la protection des données personnelles sur l’ensemble du territoire”. C’est dans cet objectif que de nombreuses vagues d’appels à projets (AAP) ou à manifestation d’intérêt (AMI) ont été lancées ces 4 dernières années, promettant un accompagnement par le Hub des projets qui sauront faire évoluer le monde de la santé : AMI et AAP sur l’intelligence artificielle (IA) en santé, AMI pour la bibliothèque ouverte d’algorithmes en santé, Data Challenges en santé, AAP du HDH…

    Des allergies aux pollens au cancer du sein

    Prise en charge des patients greffés rénaux, réduction des crises d’insuffisance cardiaque, prévention des allergies aux pollens, adaptation du parcours de dépistage organisé des cancers du sein… les projets soutenus par le HDH vise à promouvoir le traitement et la prévention de diverses maladies et ne se concentrent donc pas sur une seule pathologie ou une seule source de données. Et si seulement 17 projets ont été retenus pour figurer dans ce rapport, il est important de rappeler que depuis 2019, ce sont plus de 30 projets ont été et sont toujours accompagnés par le HDH. 

    “Les projets que le Health Data Hub accompagne contribuent à améliorer le système de soin et la santé des personnes, et leur succès tient au travail d’équipe avec les porteurs de projets”, ont souligné Stéphanie Combes et Gérard Raymond, respectivement directrice et vice-président du HDH, dans le rapport. Ils rappellent aussi que par le biais de ces projet, les données présentes dans la Plateforme peuvent être utilisées par tous les acteurs qui ont “la légitimité d’utiliser les données à des fins d’utilité publique”, qu’ils soient des établissements de soins, des start-ups et industriels, ou des associations d’usagers du système de santé.

    Plus de 7 000 projets déposés au HDH depuis sa création

    A date, les établissements de santé ont déposé le plus de projets auprès de HDH (3 652 sur 7520 projets déposés en 4 ans), loin devant les industriels de la santé (1 427 projets) et les universités/écoles (598 projets).

    Dans un indicateur publié en décembre 2022 et faisant le bilan de l’état d’avancement des projets déposés dans le HDH et des sources de données mobilisées, Health & Tech Intelligence (H&TI) avait relevé que “sur les 2 224 dossiers déposés au Health Data Hub, 2 164 ont été instruits et 1 621 transmis au Cerees / Cesrees, dont 1 309 (80,8 %) ont reçu un avis favorable et 102 (6,3 %) un avis défavorable (156 un avis réservé : 9,6 %). Concernant les 1 224 dossiers déposés à la Cnil, 954 (77,9 %) ont été autorisés et 33 (2,7 %) refusés”.

    Un indicateur en 4 parties

    À l’occasion de la parution de ce rapport, H&TI présente dans cet indicateur en 4 parties, un bilan des projets déposés au HDH :
    1️⃣ état d’avancement et premières réalisations prometteuses de 17 projets du HDH ;
    2️⃣ focus sur 2 exemples de projets ;
    3️⃣ projets déposés pour une demande d’autorisation Cnil de 2017 à 2022 ;
    4️⃣ pour aller plus loin : ressources utiles + dernières informations relatives au HDH.

    🔴 ACCÉDER À L’INDICATEUR COMPLET :

    👉 L’ensemble des données relatives aux projets déposés au HDH sont accessibles via ce lien :

    À l’occasion de la parution de ce rapport, H&TI présente dans cet indicateur en 4 parties, un bilan des projets déposés au HDH :

    • 1️⃣ état d’avancement et premières réalisations prometteuses de 17 projets du HDH ;
    • 2️⃣ focus sur 2 exemples de projets ;
    • 3️⃣ projets déposés pour une demande d’autorisation Cnil de 2017 à 2022 ;
    • 4️⃣ pour aller plus loin : ressources utiles + dernières informations relatives au HDH.

    [annuaireOrga=197503]

  • IA générative : 5 domaines de l’industrie pharmaceutique radicalement transformés (rapport McKinsey)

    Accélérer la découverte de médicaments, rendre les essais cliniques plus efficaces, raccourcir les délais réglementaires, développer un marketing ultra ciblé et fabriquer du matériel médical en interne : ce sont là les principales propositions de valeur de l’intelligence artificielle (IA) générative pour le secteur pharmaceutique selon un rapport publié par McKinsey en janvier 2024, intitulé : “Generative AI in the pharmaceutical industry: Moving from hype to reality“.

    Une transformation globale de l’industrie pharmaceutique ?

    L’IA générative transforme pratiquement tous les aspects de l’industrie pharmaceutique, notamment la manière dont les entreprises opèrent, permettant ainsi de générer un chiffre d’affaires nettement supérieur.

    Sur 63 cas d’usage de l’IA générative étudiés, les auteurs du rapport ont analysé 5 domaines dans l’industrie pharmaceutique où cette technologie a un impact probant :
    ➡️ la recherche et la découverte ;
    ➡️ le développement clinique ;
    ➡️ les opérations ;
    ➡️ le commercial ;
    ➡️ et les affaires médicales.

    60 à 110 Mds$ de chiffre d’affaires généré ?

    McKinsey estime que l’IA générative pourrait générer “de 60 à 110 milliards de dollars par an dans l’industrie pharmaceutique et médicale”, notamment en boostant la productivité grâce à une optimisation des processus de fabrication des médicaments, ainsi qu’en accélérant leur développement et leur mise sur le marché.

    [photo=197307]

    Une nouvelle génération de traitements

    Même si la compréhension des maladies avance rapidement, le processus de découverte et de développement des médicaments a avancé dans la direction opposée, souligne le rapport. Dans un tel contexte, l’IA générative pourrait :

    • accélérer la recherche de cibles ;
    • développer des tests de vérification et sélectionner les meilleures pistes ;
    • et assister les essais précliniques tour en déterminant leur efficacité.

    Certains outils comme BioGPT et Med-PaLM sont déjà utilisés pour analyser des données massives relatives aux pathologies étudiées. Augmenter les capacités des IA utilisées avec des modèles plus larges et des moyens plus établis “comme la vision par ordinateur, le criblage virtuel et des graphes de connaissance” pourrait “réduire de moitié le temps de découverte d’un médicament”.

    Une donnée meilleure pour des essais plus intelligents

    Les auteurs rappellent qu’en moyenne, “il faut 10 ans et 1,4 milliard de dollars pour sortir un seul médicament sur le marché”. Environ 80 % de ces coûts seraient liés au développement clinique selon des chercheurs du Tufts Center.

    Le développement clinique consiste à amener des thérapies du laboratoire aux patients en testant la sécurité et l’efficacité sur des sujets humains. Un processus fastidieux à cause des longs essais et d’une régulation particulièrement rigoureuse. L’IA générative répond à ces problèmes en débloquant une valeur économique en 3 dimensions :

    • près de 50 % de coûts réduits par le “streamlining” et la rédaction automatique des documents des essais cliniques ;
    • 1 an d’accélération dans la conduite d’un essai clinique ;
    • au moins 20 % d’augmentation de la valeur actuelle nette (VAN).

    Améliorer la chaîne de valeur opérationnelle

    L’IA générative est censée améliorer toute la chaîne de valeur d’un médicament, y compris “le sourcing, la fabrication, la qualité et la chaîne d’approvisionnement”. Premièrement, la capacité à rechercher et analyser de larges textes, des images et d’autres données permettra d’apprécier “une mine de nouveaux renseignements”. En outre, l’habilité conversationnelle de l’IA générative facilitera des interactions plus satisfaisantes avec les utilisateurs.

    Dans ce sens, 4 priorités dans la chaîne de valeur ont été identifiées par les auteurs  :

    • un sourcing augmenté ;
    • une assistance IA générative pour l’industrie ;
    • un contrôle qualité repensé ;
    • et une optimisation de l’inventaire.

    Une meilleure relation avec les partenaires, les fournisseurs et les patients

    Les groupes pharmaceutiques dépensent une énergie considérable à créer du lien et de la confiance avec leurs fournisseurs, pharmaciens, assureurs et patients. Les outils d’IA générative peuvent approfondir ces relations, où les décideurs détiendront assez de connaissances pour prendre plus rapidement des décisions plus intelligentes. Ainsi, le marketing pourra être davantage fait en interne, laissant les agences de communication externes s’occuper de l’innovation et de la créativité.

    Affaires médicales : un appui aux professionnels de santé

    Les affaires médicales jouent un rôle-clé entre les entreprises pharmaceutiques et les prestataires de soins. Cela consiste en la réalisation d’une série de procédés pour revoir, analyser, synthétiser et communiquer du savoir scientifique. Chacune de ces tâches pourra être améliorée grâce à l’IA générative, notamment ces 3 cas en particulier :

    • générer des renseignements sur les clients ;
    • assurer une communication médicale plus efficace ;
    • et rédiger des résumés de la littérature médicale et scientifique.

    L’IA pourrait donc automatiser un nombre de tâches simples et chronophages afin de permettre aux entreprises de se concentrer davantage sur un service client plus personnalisé.

    [annuaireOrga=197128]