Bernard

  • Diagnostic rapide des virus respiratoires grâce au séquençage métagénomique et à l’IA

    Urgence du diagnostic rapide

    Les infections respiratoires aiguës restent une cause majeure de morbidité et de mortalité, représentant près de 30 % des décès dans les pays à faibles ressources, soit environ 10 millions de décès annuels selon l’OMS. Les méthodes conventionnelles de diagnostic présentent plusieurs limites :

    • Lenteur : résultats en plusieurs jours
    • Contraintes d’infrastructure : absence de PCR dans certaines régions
    • Coût élevé, limitant l’accès aux tests

    Séquençage métagénomique et IA

    Des chercheurs universitaires américains et coréens (UCSF, Chan Zuckerberg Biohub, Abbott Pandemic Defense Coalition) ont combiné :

    • Séquençage métagénomique (mNGS) pour identifier tous les virus présents.
    • Pipelines bioinformatiques avancés et IA pour interpréter les données massives.
    • Analyse automatisée fournissant un profil viral exploitable en moins de 24 h.

    Le mNGS automatisé affiche 93,7 % d’exactitude en moins de 24 h

    Une étude prospective publié dans Nature Comunications, portant sur 191 échantillons respiratoires (110 positifs, 81 négatifs) et comparant mNGS automatisé et PCR multiplex ciblée a révélé :

    • Sensibilité : 93,6 % ; spécificité : 93,8 %
    • Exactitude globale : 93,7 % ; accord ajusté : 97,9 %
    • Délai de diagnostic : <24 h et détection de co-infections non identifiées par PCR

    Trois autres publications cette année dans Scientific Reports, Journal of Translational Medicine et Research and Therapy confirment l’intérêt clinique du mNGS pour :

    • Améliorer la détection d’agents rares ou polymicrobiens).
    • Étendre l’analyse ADN + ARN pour une sensibilité accrue).
    • Optimiser la prise en charge de populations spécifiques comme les patients VIH (AIDS).

    Une généralisation qui reste conditionnée

    Cette technologie ouvre la voie à :

    • Un diagnostic de précision rapide et accessible, même dans les zones à faibles ressources.
    • Un complément aux tests conventionnels, impactant la prise en charge et la surveillance épidémiologique.

    Reste des obstacles à surmonter : coût élevé, complexité analytique et harmonisation réglementaire avant adoption large en première ligne clinique.

     

  • Thaïlande : une plateforme d’IA distinguée pour accélérer la veille épidémiologique

    Des méthodes conventionnelles limitées

    La surveillance épidémiologique vise à anticiper grippe, dengue et autres infections grâce à une collecte continue de données. Cependant les approches conventionnelles, telles que la sérologie ou la PCR, restent souvent incomplètes dans les pays asiatiques à ressources limitées :

    • Systèmes fragmentés
    • Sensibilité insuffisante
    • Délais prolongés et couverture restreinte

    Ces contraintes affaiblissent la détection précoce et le contrôle rapide des épidémies.

    Un système cloud-IA pour un suivi immédiat

    Pour combler ces lacunes, le Department of Disease Control thaïlandais a développé une plateforme sécurisée reposant sur :

    • Une architecture cloud assurant disponibilité et montée en charge
    • Des algorithmes d’IA analysant en continu les signaux épidémiques via un tableau de bord et des alertes proactives

     Intégration horaire et diffusion ciblée

    La plateforme Digital Disease Surveillance :

    • Intègre des données biomédicales, environnementales et sociales via des processus automatisés d’extraction-transformation-chargement (ETL) horaires pour garantir des mises à jour en temps réel.
    • Assure l’interopérabilité avec les systèmes locaux et propose une interface intuitive pour les autorités sanitaires.
    • Diffuse automatiquement les alertes via des messageries comme LINE, largement utilisée en Asie.

    Un déploiement régional en 2026

    Après une phase concluante en Thaïlande, une validation nationale est prévue avant un déploiement élargi en 2026 dans l’ensemble de l’ASEAN, qui regroupe dix pays d’Asie du Sud-Est.

  • Un DMDIV portable sans marqueurs pour suivre Alzheimer

    Une puce microfluidique pour modéliser la maladie

    Selon l’Organisation mondiale de la santé, plus de 55 millions de personnes sont touchées dans le monde, avec 19 millions de nouveaux cas par an. Les méthodes actuelles — IRM, TEP, analyses biologiques — restent limitées :

    • Mesures statiques.
    • Coûts élevés.
    • ¨Procédures chronophages.

    Elles ne permettent ni un suivi cellulaire continu ni une évaluation dynamique des traitements.

    Des chercheurs de l’Université de Montréal, du Département de génie mécanique et industriel de l’Université Concordia ainsi que du Département de biochimie de l’Université McGill ont mis au point une plateforme microfluidique de type lab-on-a-chip reproduisant, in vitro, les interactions entre microglies et oligomères bêta-amyloïdes, biomarqueurs clés de la physiopathologie de la maladie d’Alzheimer. Le système intègre :

    • Des microcanaux à flux contrôlé.
    • Une mesure d’adhésion cellulaire sans marqueurs.
    • Un dispositif compact pour un suivi en temps réel.

    Preuve de concept in vitro

    L’étude, publiée dans Microsystems & Nanoengineering, montre :

    • Une perte partielle d’adhésion après 24 h à forte concentration d’Aβ.
    • Une perte totale indiquant la non-viabilité cellulaire.
    • Une corrélation directe avec la toxicité observée in vitro.

    Perspectives vers le préclinique

    Ce modèle dynamique ouvre la voie à un suivi mécanobiologique continu de la progression d’Alzheimer et au criblage précoce d’agents thérapeutiques. Prochaines étapes :

    • Valider la plateforme sur des modèles précliniques.
    • L’intégrer aux protocoles d’évaluation de médicaments.

     

  • L’émergence de plateformes numériques pour améliorer le suivi clinique des seniors en Asie

    Doublement de soixantenaires d’ici 2050

    Des équipes universitaires développent des plateformes numériques intégrant capteurs, applications mHealth et IA pour améliorer le suivi des seniors à domicile, prévenir les chutes et mieux gérer les maladies chroniques. Le vieillissement démographique s’accélère en Asie : la proportion de personnes de plus de 60 ans pourrait doubler d’ici 2050 selon l’OMS. Les maladies chroniques, la fragilité et les risques de chutes augmentent, alors que les systèmes de soins, souvent sous tension, peinent à répondre à la demande. Les méthodes classiques (consultations, appels, visites à domicile) présentent des limites :

    • Délais de suivi.
    • Coûts élevés.
    • Hétérogénéité des pratiques.
    • Faible continuité des données.

    Une combinaison de capteurs portables, d’applications mHealth et d’algorithmes IA

    Des équipes universitaires en Chine, au Japon, en Corée du Sud et à Singapour, reconnues pour leur expertise en télésanté, développent des plateformes numériques intégrant des technologies telles que :

    • Dispositifs de monitoring en temps réel.
    • Capteurs portables pour la détection automatisée des chutes.
    • Systèmes IoT et applications mHealth.
    • Algorithmes d’apprentissage automatique et réseaux neuronaux pour le suivi des paramètres physiologiques et l’identification des mouvements à risque.

    Des solutions numériques qui transforment le quotidien des seniors

    Une revue bibliométrique portant sur 649 articles publiée dans Journal of Medical Internet Research confirme l’efficacité tangible des dispositifs connectés :

    • Détection des chutes avec une précision remarquable (F-score 90–95 %).
    • Amélioration concrète de la qualité de vie grâce au suivi à distance, à des programmes d’exercices supervisés par capteurs et à l’auto-gestion des maladies chroniques.

     

  • Autisme et IA : signatures épigénétiques et biomarqueurs néonataux pour un diagnostic précoce

    Des biomarqueurs candidats couplés à l’IA

    Le trouble du spectre de l’autisme (TSA), touchant environ 1 naissance sur 100 selon l’OMS, se caractérise par des altérations du langage, des interactions sociales et des intérêts restreints. Le diagnostic actuel, basé sur l’observation comportementale vers 3–5 ans, présente plusieurs limites :

    • Diagnostic tardif retardant l’accès aux interventions adaptées.
    • Evaluation subjective et variable selon l’expertise.
    • Absence de marqueurs biologiques objectifs.
    • Absence de dépistage systématique à la naissance.

    Le MIND Institute (UC Davis, CA, USA) étudie depuis 2019 l’ADN leucocytaire de nouveau-nés via la puce Infinium HumanMethylation450, combinée à l’apprentissage machine et deep learning. L’équipe dirigée par Janine M. LaSalle a récemment publié dans Biology of Sex Differences une étude utilisant le séquençage bisulfite du génome entier (WGBS) sur plusieurs centaines de sujets.

    Des signatures de l’autisme différentes selon le sexe

    Les résultats montrent :

    • Une identification de régions d’ADN différentialement méthylées (DMRs) enrichies pour des gènes liés au développement cérébral.
    • La présence de signatures spécifiques selon le sexe, avec des DMRs sur le chromosome X chez les filles.
    • Ces signatures se recoupent avec des gènes connus comme facteurs de risque TSA et sont détectables dès la naissance, confirmant la pertinence d’un dépistage biologique précoce.

    Validation et intégration dans le dépistage néonatal

    Les chercheurs doivent maintenant effectuer :

    • Une validation multicentrique et reproductibilité à grande échelle.
    • Une standardisation des tests et intégration dans les programmes de dépistage néonatal.
    • Une évaluation des implications éthiques et psychosociales liées au dépistage précoce.

     

  • Prédire la durée d’hospitalisation : un modèle sud-coréen de machine learning ouvre la voie

    16 jours en Corée du Sud : quand la durée moyenne d’hospitalisation questionne les modèles standards

    La durée moyenne d’hospitalisation constitue un indicateur central de performance pour les établissements de soins. Elle traduit à la fois la gravité clinique des cas pris en charge, l’efficacité des processus de soins et la tension sur les ressources hospitalières.

    En Corée du Sud, cet indicateur atteint 16 jours selon les données de l’Organisation de coopération et de développement économiques (OCDE), soit plus du double de la moyenne des pays membres, fixée à 7,7 jours. Les approches analytiques classiques, fondées sur des moyennes ou des modèles linéaires, s’avèrent insuffisantes pour décrire la diversité des trajectoires cliniques. Elles ne prennent pas pleinement en compte l’interaction entre sévérité des cas, charge infirmière et organisation interne des hôpitaux.

    2 000 séjours analysés par l’équipe d’Inha University Hospital

    L’équipe d’infirmiers universitaires de de l’École des sciences infirmières d’Incheon de l’Hôpital universitaire Inha a exploité trois catégories de données issues du dossier médical électronique :

    • Variables cliniques.
    • Paramètres infirmiers.
    • Facteurs organisationnels et de système de santé.

    Cinq déterminants de la durée des séjours

    L’équipe a mis en évidence cinq facteurs influençant la durée des séjours :

    • Le nombre de consultations effectuées durant l’hospitalisation,
    • Le nombre de jours post-opératoires,
    • La durée de séjour en unité de soins intensifs,
    • L’utilisation d’antibiotiques de troisième génération
    • Et la présence d’un isolement infectieux.

    Ces variables traduisent la complexité clinique et les interactions entre actes médicaux, charge de soins et mesures de prévention des infections.

    76% : des performances prédictives robustes pour Random Forest 

    L’étude rétrospective (janv.–nov. 2023), menée sur 1 000 séjours courts et 1 000 longs, montre que Random Forest atteint :

    • Un coefficient de détermination R² de 76,8 % sur l’apprentissage.
    • Un R² de 76,4 % sur les données test, témoignant d’une bonne généralisation.
    • Une absence marquée de surapprentissage.

    Le modèle pourrait optimiser la planification des lits, l’allocation des effectifs et l’anticipation des séjours prolongés pour déployer des interventions précoces. Les chercheurs prévoient une validation multicentrique et une intégration dans les systèmes d’information hospitaliers, afin de réduire les coûts, améliorer la rotation des lits et renforcer les indicateurs de qualité.

     

  • Diagnostic digestif : l’analyse d’haleine entre en phase de test en entreprise

    OMED Health et Aviva évaluent au Royaume-Uni une technologie d’analyse du souffle destinée à détecter les déséquilibres du microbiote intestinal. Une approche in vitro non invasive susceptible d’améliorer le diagnostic des troubles digestifs fonctionnels. Les troubles digestifs fonctionnels, dont le syndrome de l’intestin irritable (SII) ou la prolifération bactérienne du grêle, restent peu diagnostiqués en raison de symptômes diffus. Leur impact est pourtant massif :

    • 1 personne sur 8 touchée dans le monde.
    • 17 % des adultes concernés au Royaume-Uni, selon NHS Digestive Health.
    • 2 Md £ de coûts directs annuels pour le SII.

    Une technologie d’analyse d’haleine de nouvelle génération

    Pour affiner le diagnostic, OMED Health — division d’Owlstone Medical et pionnière du Breath Biopsy — développe un dispositif associant :

    • Un analyseur portable mesurant les composés volatils issus du microbiote.
    • Une application mobile intégrant données cliniques et nutritionnelles.
    • Un algorithme corrélant biomarqueurs gazeux et symptômes, afin d’individualiser le suivi.

    Un pilote interne de 6 mois en conditions réelles

    Selon une étude observationnelle conduite auprès de 75 salariés de la compagnie d’assurance Aviva, ce programme de pilote interne s’appuie sur :

    • Un accompagnement personnalisé.
    • Des téléconsultations spécialisées.
    • Un suivi biomédical continu, via le service OMED Health Plans agréé par la Care Quality Commission (CQC), l’autorité indépendante qui régule les services de santé et de soins en Angleterre.

    Vers une validation clinique et organisationnelle

    Les résultats, attendus d’ici la fin de l’année, analyseront :

    • La corrélation entre gaz exhalés et troubles digestifs.
    • La réduction des symptômes rapportés.
    • L’effet sur la qualité de vie et la productivité.

    En cas de succès, OMED Health prévoit une extension européenne et une demande d’homologation CE-DIV. Cette approche de diagnostic in vitro à domicile pourrait s’inscrire dans la stratégie britannique Fit for the Future – 10-Year Health Plan, orientée prévention et santé numérique.

     

  • Vietnam : la transformation numérique hospitalière s’accélère

    Vietnam : 80% de décès liés aux MNT et hausse des hospitalisations depuis 2010

    Les maladies non transmissibles au Vietnam, notamment les maladies cardiovasculaires, les cancers, les maladies respiratoires chroniques et le diabète, concentrent près de 80% des décès et représentent un enjeu de santé publique pour un pays à revenu intermédiaire. Cette dynamique s’accompagne d’une augmentation marquée des décès et des hospitalisations liées aux MNT entre 1986 et 2015, avec 318 425 décès et 14 millions de DALY déjà recensés en 2010, ce qui impose une meilleure surveillance clinique et populationnelle.

    Cette pression épidémiologique se répercute sur des hôpitaux encore partiellement numérisés, avec des capacités de coordination clinique limitées et un accès inégal aux soins surtout dans les zones rurales qui nécessitent des solutions de télésanté et des systèmes d’information intégrés. La transition épidémiologique vers les maladies chroniques renforce la nécessité de trajectoires de soins continues, soutenues par des dossiers médicaux électroniques, des données interopérables et une gestion informatique robuste pour faciliter le suivi à long terme.

    Une stratégie nationale structurée

    Le ministère de la Santé vietnamien inscrit la transformation numérique de la santé dans une série de plans nationaux qui visent la complétude du cadre réglementaire et opérationnel des systèmes d’information hospitaliers et des dossiers médicaux électroniques d’ici 2025. Cette stratégie inclut :

    • Le déploiement des dossiers médicaux électroniques (DME) et carnets de santé numériques ;
    • La création d’« hôpitaux intelligents »
    • Un futur centre national de données de santé pour l’agrégation clinique.

    Le ministère développe en parallèle un futur centre national de données de santé, avec des infrastructures cibles de niveau Tier 2 ou plus, destiné à agréger les données cliniques issues des hôpitaux, des laboratoires et des dispositifs d’imagerie afin de soutenir la planification,

    Un financement hybride

    Cette transformation numérique devrait permettre des économies d’environ 80 milliards de VND par an. Le financement repose sur un modèle mixte :

    • Le budget de l’État et les ressources de l’assurance maladie ;
    • Des partenariats public-privé.

    Plusieurs projets sont en cours

    • Avec Xenia Tech, intégration des DME et outils d’IA.
      • Avec FPT Corporation, entrepôt national de données cliniques et IA déployée dans 300 hôpitaux.
      • Avec Vietsens et Aequitas, développement des systèmes d’information hospitalière et solutions IA/Big Data dans 50 établissements.

    Les premiers résultats et les limites

    100 % des hôpitaux publics utilisent un système d’information hospitalière

    • 92,3 % disposent d’un système d’information de laboratoire ;
    • 52,6 % sont équipés desolutions intégrant la gestion des examens d’imagerie (RIS)) et l’archivage-partage des images médicale (PACS) pour l’imagerie numérique ;
    • plus de 1 100 structures ont adopté les DME.

    Les défis persistent : interopérabilité insuffisante, rareté des compétences IT et cadre de sécurité des données encore en consolidation.

     

  • Un nano-agent diagnostique et traite simultanément les micro-caillots cérébraux

    12,2 millions de cas d’AVC par an selon l’OMS

    Des chercheurs de l’Université de Caen Normandie ont mis au point un agent théranostique capable d’identifier les micro-thrombi responsables des séquelles d’AVC tout en les dissolvant. L’accident vasculaire cérébral ischémique demeure la première cause de handicap acquis et la deuxième de mortalité mondiale. Selon l’OMS il :

    • touche 12,2 millions de personnes chaque année ;
    • entraîne 6,5 millions de décès ;
    • reste difficile à diagnostiquer lorsque les micro-caillots sont invisibles en IRM ou scanner.

    Le traitement standard par tPA (tissue plasminogen activator, ou activateur tissulaire du plasminogène), administrable dans une fenêtre de 4 h 30, est réservé à moins de 20 % des patients en raison du risque hémorragique.

    Une stratégie combinant imagerie et thérapie ciblée

    Les chercheurs de l’unité PhIND – Physiopathology and Imaging of Neurological Disorders (Physiopathologie et imagerie des troubles neurologiques) – associant l’Inserm, le CHU et Cyceron, ont développé un nano-agent théranostique baptisé IO@PDA@tPA. Ce composé associe :

    • un cœur d’oxyde de fer visible en IRM ;
    • une coque de polydopamine ciblant les micro-thrombi ;
    • une dose réduite de tPA pour une dissolution contrôlée.

    Étude préclinique : 4 fois moins de tPA

    Testé sur 136 souris modèles d’AVC ischémiques, le nano-agent administré par voie intraveineuse 20 minutes après l’ischémie a permis d’observer :

    • une visualisation directe des micro-thrombi ;
    • une recanalisation vasculaire rapide ;
    • une résorption sans hémorragie intracérébrale.

    Ces résultats, à paraître en janvier 2026 dans Theranostics de janvier 2026, ouvrent la voie à une étude translationnelle vers une homologation CE DIV d’ici 2027.

     

  • Le Japon déploie une application IA pour réduire les erreurs médicamenteuses

    15% des hospitalisations liées à des erreurs médicamenteuses

    Un consortium japonais déploie une IA qui optimise la gestion des traitements médicamenteux en évaluant en continu les profils des patients. Selon l’Organisation mondiale de la santé (OMS), près de 15 % des hospitalisations au Japon sont liées à des erreurs médicamenteuses, un taux parmi les plus élevés des pays industrialisés. Ce phénomène s’explique par :

    • La complexité croissante des traitements multiples.
    • Le vieillissement rapide de la population, majoritairement polymédiquée.

    Les méthodes traditionnelles de suivi pharmacologique peinent à centraliser les données cliniques dispersées entre hôpitaux, pharmacies et assureurs.

    Une IA intégrée aux bases de données nationales

    Développée par un consortium réunissant l’Université de Tokyo et Wemex Healthcare Systems, l’application bénéficie d’un financement public-privé de 4,2 millions d’euros. L’outil permet notamment :

    • Analyse de façon probabiliste les interactions et les posologies.
    • Propose des ajustements personnalisés.
    • Offre une interface d’éducation thérapeutique pour pharmaciens et patients.
    • Se connecte aux bases de données nationales japonaises pour une surveillance en temps réel et une traçabilité renforcée.

    Les résultats cliniques et un déploiement national

    Une étude multicentrique publiée dans le Japanese Journal of Clinical Pharmacy, menée sur 1 200 pharmacies pendant six mois, démontre :

    • Une réduction de 20 % des erreurs médicamenteuses.
    • Une amélioration de 35 % de la satisfaction des patients.

    Les autorités japonaises prévoient désormais un déploiement progressif de l’IA dans l’ensemble des hôpitaux et officines du pays, avant une extension aux zones rurales.