SekkatNajib

  • Contexte et chiffres clés de la santé en Chine

    Le système de santé chinois a connu d’importantes réformes au cours des dernières décennies afin d’assurer une couverture sanitaire universelle et à améliorer l’efficacité des soins. Aujourd’hui, il repose sur une organisation stratifiée et un financement mixte associant fonds publics et privés.

    Un système de santé hiérarchisé en 3 niveaux

    Soins primaires : dispensés par les centres de santé communautaires et les cliniques rurales.

     

    		 Soins secondaires : assurés par les hôpitaux de niveau comté. Soins tertiaires : prodigués par les grands hôpitaux urbains.

     

    Afin d’améliorer l’accès aux soins et d’optimiser leur efficacité, le gouvernement encourage un système de diagnostic et de traitement hiérarchisé (HDT).  Le système HDT vise à rationaliser l’accès aux soins en incitant les patients à consulter d’abord les établissements de santé de niveau inférieur avant de se rendre dans des hôpitaux plus spécialisés. Ce modèle est conçu pour améliorer l’efficacité du système de santé en réduisant la surcharge des hôpitaux de niveau tertiaire qui sont souvent les plus sollicités en raison de leur expertise avancée et de leurs équipements modernes.

    En pratique, cela signifie que les patients doivent généralement se rendre dans une clinique communautaire ou un centre de santé rural pour un premier diagnostic. Si nécessaire, ils sont ensuite orientés vers un hôpital de niveau supérieur pour des examens complémentaires ou des traitements spécialisés. Ce système permet de mieux répartir les ressources médicales, d’optimiser les coûts et de garantir un accès plus rapide aux soins pour les cas les plus graves.

    Un paysage hospitalier particulier

    Le paysage hospitalier chinois est diversifié, comprenant à la fois des établissements publics et privés, ainsi que des cliniques spécialisées. La grande majorité des hôpitaux sont publics, financés et réglementés par l’État. Ils offrent une gamme complète de soins, allant des consultations générales aux interventions chirurgicales complexes. Toutefois, certaines grandes villes disposent également de cliniques et d’hôpitaux privés souvent destinés aux expatriés et aux patients recherchant des services premium.

    On distingue également des hôpitaux spécialisés dans la médecine traditionnelle chinoise (MTC), où les patients peuvent recevoir des traitements fondés sur l’acupuncture, la phytothérapie ou encore les massages thérapeutiques. La plupart des hôpitaux chinois combinent d’ailleurs les pratiques de la médecine occidentale et de la MTC, offrant ainsi un large éventail de soins adaptés aux besoins de chacun.

    Dans les grandes villes, des établissements médicaux dédiés aux étrangers proposent des services de haute qualité avec un personnel médical international et des infrastructures modernes. Cependant, ces soins sont coûteux et ne sont généralement pas couverts par l’assurance maladie publique chinoise.

    De plus, certains hôpitaux publics disposent de services VIP (gaogan bingfang), offrant des soins plus individualisés, un environnement plus confortable et un accès à des médecins parlant anglais, ce qui attire une clientèle étrangère et aisé.

    Classement des 17 meilleurs hôpitaux chinois en fonction de la norme 543

    Numéro Nom de l’hôpital Dossier médical électronique Interopérabilité Services intelligents
    1 Hôpital Fuwai de l’Académie chinoise de médecine Niveau 8 Niveau 4 Niveau 4
    2 Hôpital Ruijin, hôpital affilié à la faculté de médecine de l’Université Jiaotong de Shanghai Niveau 7 Niveau 5 Niveau 4
    3 Troisième hôpital de l’Université de Pékin Niveau 7 Niveau 5 Niveau 3
    4 Hôpital Shengjing, hôpital affilié à l’Université de médecine de Chine Niveau 7 Niveau 5 Niveau 3
    5 Hôpital Tian Tan, hôpital affilié à l’Université de médecine capitale Niveau 6 Niveau 4 Niveau 3
    6 Hôpital de l’Académie chinoise de médecine de Pékin Niveau 6 Niveau 4 Niveau 3
    7 Hôpital d’amitié de Beijing, hôpital affilié à l’Université de médecine capitale Niveau 6 Niveau 5 Niveau 3
    8 Hôpital central du district de Yangpu à Shanghai Niveau 6 Niveau 4 Niveau 3
    9 Hôpital Renji, hôpital affilié à la faculté de médecine de l’Université Jiaotong de Shanghai Niveau 6 Niveau 5 Niveau 3
    10 Hôpital Zhongshan, hôpital affilié à l’Université Fudan Niveau 6 Niveau 5 Niveau 3
    11 Hôpital populaire de Su Bei Niveau 6 Niveau 4 Niveau 4
    12 Hôpital populaire de la province du Jiangsu Niveau 6 Niveau 5 Niveau 3
    13 Hôpital Gu Lou de Nankin Niveau 6 Niveau 5 Niveau 3
    14 Hôpital populaire de la ville de Jiangyin Niveau 6 Niveau 4 Niveau 3
    15 Premier hôpital populaire de Lianyungang Niveau 6 Niveau 4 Niveau 3
    16 Hôpital populaire de la province du Zhejiang Niveau 6 Niveau 5 Niveau 3
    17 Hôpital de Zhejiang Niveau 6 Niveau 4 Niveau 3

    La norme de construction « 543 » pour les hôpitaux intelligents ou Smart Hospital est un cadre visant à harmoniser l’informatisation hospitalière avec les exigences nationales et les besoins de développement local. Cette norme repose sur trois piliers :

    • des dossiers médicaux électroniques de niveau 5 ;
    • une interconnexion de niveau 4A ;
    • et des services intelligents de niveau 3.

    Son objectif principal est de permettre une utilisation optimale des ressources hospitalières tout en assurant un contrôle des coûts. En intégrant ces standards, les hôpitaux peuvent non seulement améliorer l’efficacité et la qualité des services médicaux mais aussi garantir un retour sur investissement favorable. La mise en œuvre de la norme « 543 » est conçue comme un processus évolutif pour permettre aux établissements de progresser à leur rythme et réduire les risques financiers liés à des investissements massifs. Grâce à cette approche, plus de 71 hôpitaux ont déjà atteint ou dépassé ces objectifs, consolidant ainsi leur position dans le secteur de la santé.

    Un financement mixte

    Le financement du système de santé chinois repose sur un modèle mixte combinant ressources publiques et privées. L’État joue un rôle prépondérant en finançant une part significative des dépenses de santé, avec une tendance à l’augmentation de ces investissements pour garantir une meilleure couverture.

    L’assurance maladie sociale constitue l’un des piliers du système, avec trois principaux régimes visant à couvrir différentes catégories de la population :

    • l’assurance médicale de base des employés urbains (UEBMI), financée par les employeurs et les salariés ;
    • l’assurance médicale de base des résidents urbains (URBMI), destinée aux personnes sans emploi stable ou non éligibles à l’UEBM ;
    • le nouveau système coopératif de soins médicaux en milieu rural (NRCMS), fondé sur un principe de cofinancement entre l’État, les collectivités locales et les adhérents.

    Malgré cette couverture étendue, une part des frais médicaux reste à la charge des patients sous forme de paiements directs, ce qui peut représenter un fardeau financier important pour certains ménages. Face à cette réalité, l’assurance santé privée connaît une croissance progressive bien qu’elle demeure marginale par rapport aux dispositifs publics. Son développement pourrait à terme contribuer à diversifier les solutions de prise en charge.

    95% de la population couverte par une assurance maladie

    La Chine a entrepris plusieurs réformes pour améliorer l’accès aux soins et en accroître l’efficacité. Parmi les mesures mises en place, l’une des plus notables est l’extension de la couverture sanitaire universelle permettant aujourd’hui à plus de 95 % de la population chinoise de bénéficier d’une forme de protection maladie.

    Dans cette dynamique, le Programme d’égalisation des services de santé publique (PHSE), instauré en 2009 a permis de renforcer l’offre de soins primaires et développer des actions de prévention à grande échelle. Ce programme vise à corriger les disparités régionales en matière d’accès aux services de santé.

    Afin de mieux maîtriser les dépenses de santé et d’en améliorer l’efficience, la Chine a introduit un système de paiement par budget global (GB) dans plusieurs régions. Ce dispositif impose un plafond budgétaire aux établissements de santé, les incitant à optimiser leurs coûts tout en maintenant la qualité des soins.

    L’intégration de la médecine traditionnelle chinoise (MTC) dans le système de santé est une autre particularité notable. Associant la médecine occidentale aux pratiques traditionnelles, cette approche permet de diversifier les options thérapeutiques et de répondre aux attentes culturelles des patients.

    Enfin, le modèle Sanming IMPM (Integrated Medicare Payment Methods) a été développé pour harmoniser les divers systèmes de paiement et renforcer la coordination des soins. Ce modèle vise à mieux articuler les différentes sources de financement et à fluidifier le parcours de soins des patients.

    Contexte de la santé numérique en Chine

    Depuis le 18e Congrès du Parti en 2022, la Chine a réalisé des progrès dans la construction de son système d’information national en santé. La Commission nationale de la santé a mis en place un cadre réglementaire, renforcé l’interconnectivité des plateformes, amélioré sa capacité de réponse aux urgences en matière de prévention et de contrôle des épidémies, amélioré les services aux citoyens et renforcé sa capacité de protection de la cybersécurité. Un accent particulier a été mis sur l’intégration des stratégies « Chine en bonne santé » et « Chine numérique ».

    La Chine a également mis en place une plateforme nationale d’information sur la santé, des plateformes régionales dans la plupart des provinces et villes, et a créé des bases de données sur la population, des dossiers de santé électroniques pour les résidents et des dossiers électroniques partagés pour ses hôpitaux. Des milliers d’hôpitaux publics et des centaines d’hôpitaux de niveau supérieur partagent désormais des informations médicales entre eux.

    Durant la pandémie de Covid-19, la Chine a exploité ses bases de données pour le contrôle des épidémies, l’analyse, la recherche des origines du virus et la répartition des ressources sur son territoire. Le système de code de santé a été unifié à l’échelle nationale et les informations sur les tests d’acide nucléique et la vaccination contre le COVID-19 ont été partagé au niveau national.

    Les modèles économiques pour la santé numérique

    La santé numérique connait une forte croissance grâce aux avancées technologiques mais également grâce au soutien gouvernementale accru depuis la dernière décennie. De nouveaux modèles économiques émergent ainsi pour ces services.

    L’essor des « hôpitaux en ligne » permet aux patients de consulter des professionnels de santé à distance via des plateformes numériques. Ces établissements virtuels, souvent rattachés à des institutions médicales physiques ou gérés par des entreprises privées, facilitent le diagnostic, la prescription et le suivi des traitements. Le e-commerce médical est également en plein essor, proposant la vente en ligne de médicaments et de dispositifs médicaux. Ce modèle offre un accès simplifié aux produits de santé, particulièrement utile pour les populations vivant dans des zones reculées. Les dispositifs médicaux numériques et l’intégration de l’IA permettent d’optimiser les traitements et d’aider au diagnostic. Des technologies comme les capteurs de santé portables et les applications de télésurveillance permettent un suivi en temps réel des patients, réduisant ainsi les hospitalisations inutiles et améliorant la prise en charge des maladies chroniques sont soutenus par le gouvernement.

    Chiffres clés

  • L’IA & neurologie : première cause de mortalité et d’invalidité (Journal of Neurology)

    L’article « Artificial Intelligence in Neurology: Opportunities, Challenges, and Policy Implications », publié dans le Journal of Neurology en 2024, explore l’impact de l’intelligence artificielle (IA) sur la neurologie. Il s’agit d’une revue de 66 études récentes qui analysent les applications de l’IA dans la prévention, le diagnostic, la prise en charge et la réhabilitation des maladies neurologiques. En effet, les troubles neurologiques sont une source de handicap nécessitant une approche multidimensionnelle pour l’évaluation, la prise en charge et la réadaptation des personnes touchées.

    Un fardeau croissant : 276 millions d’années de vie corrigés de l’incapacité

    Les maladies neurologiques représentent aujourd’hui un défi majeur en santé publique. Elles constituent la première cause combinée de mortalité et d’incapacité dans le monde. En 2016, elles étaient responsables de 276 millions d’années de vie corrigés de l’incapacité* (DALYs) et de 9 millions de décès. Cette charge devrait augmenter de 50 % d’ici 2040 en raison de l’évolution démographique, des changements de mode de vie et des impacts environnementaux. Face à cette situation alarmante, l’Organisation mondiale de la santé (OMS) a adopté en 2022 un plan d’action mondial pour la santé du cerveau. Ce programme met en avant l’urgence d’adopter des solutions innovantes, dont l’intégration de l’IA dans la prise en charge neurologique.

    📖 Années de vie corrigée de l’incapacité : Disability-Adjusted Life Years (DALYs) sont une mesure de l’impact global des maladies sur la population. Elles combinent :

    ·         les années de vie perdues (YLLs) à cause d’une mortalité prématurée ;

    ·         les années vécues avec une incapacité (YLDs), pondérées en fonction de la gravité de la maladie.

    Cette métrique permet d’évaluer la charge totale d’une pathologie en intégrant à la fois sa létalité et son impact sur la qualité de vie des patients.

     

     

    Beaucoup de recherche mais peu de projet transposer au chevet du patient

    Cette revue qui comprend 66 articles explore la valeur de l’IA en neurologie et en santé cérébrale, en systématisant le paysage des opportunités cliniques émergentes et des tendances futures tout au long du parcours de soins depuis la prévention jusqu’à la réhabilitation. Ces recherches démontrent comment les algorithmes avancés peuvent révolutionner le diagnostic, améliorer la personnalisation des traitements et optimiser le suivi des patients atteints de troubles neurologiques.

    Prévention et stratification des risques

    L’IA peut aider à identifier les personnes à risque de développer des affections neurologiques invalidantes et à mettre en place des stratégies de prévention personnalisées.

    4% d’augmentation du risque d’AVC détectée par l’IA

    L’IA permet la détection précoce des facteurs de risque associés aux maladies neurologiques. Par exemple, une analyse menée par un réseau neuronal convolutionel sur l’âge rétinien a permis d’identifier une augmentation de 4 % du risque d’accident vasculaire cérébral (AVC). De plus, l’utilisation de capteurs portables pour la surveillance des paramètres cliniques, tels que la fréquence cardiaque et la pression artérielle, pourrait contribuer significativement à la réduction du fardeau des maladies évitables.

    Diagnostic et détection précoce

    L’IA peut améliorer la détection précoce des affections neurologiques, réduisant ainsi les erreurs de diagnostic et les retards thérapeutiques, ce qui est particulièrement important pour les personnes handicapées.

    Un modèle d’IA atteint une AUC de 0,93 pour les gliomes

    L’IA aide au diagnostic des maladies neurologiques grâce à l’analyse des images et des biomarqueurs. Un modèle basé sur l’histologie Raman stimulée a atteint une aire sous la courbe ROC (AUC) de 0,93 dans la classification des sous-types de gliomes. De même, l’analyse automatisée des photos de la rétine par IA a obtenu une AUC comprise entre 0,73 et 0,91 pour le diagnostic précoce de la maladie d’Alzheimer. Ces avancées permettent d’améliorer considérablement la rapidité et la précision des diagnostics.

    Traitement, gestion et réadaptation

    L’IA peut accélérer la neurologie de précision personnalisée, en particulier le pronostic, la planification du traitement, la prédiction de l’efficacité et la neuroréadaptation améliorant les résultats pour les personnes handicapées.

    Un jumeau numérique en neurochirurgie

    Les modèles de “jumeaux numériques” permettent de simuler les interactions entre la maladie et les interventions médicales, offrant ainsi un outil d’aide à la décision pour les professionnels de santé. Dans le cas de l’épilepsie pharmacorésistante, ces modèles permettent d’évaluer précisément l’extension et l’organisation de la zone épileptogène avant une intervention chirurgicale augmentant ainsi les chances de succès du traitement.

    Un modèle de prédiction pour la progression de la sclérose en plaques

    L’IA permet de contribuer à la réhabilitation neurologique en facilitant le suivi personnalisé des patients. Par exemple, dans la sclérose en plaques, un réseau neuronal artificiel est capable d’estimer l’impact d’un traitement sur l’évolution du handicap, en s’appuyant sur l’analyse des données cliniques et d’imagerie. Cette approche permet d’optimiser les protocoles thérapeutiques et d’améliorer la qualité de vie des patients.

    Recommandations pour une intégration réussie et principaux défis

    Les principales mesures misent en avant par les auteurs comprennent l’intégration rapide, éthique et axée sur l’équité des nouvelles technologies dans les flux de travail cliniques, l’atténuation des problèmes liés aux données, la lutte contre les inégalités numériques et l’établissement de cadres de gouvernance robustes qui équilibrent la sécurité et l’innovation

    L’intégration de l’IA en neurologie fait face également à plusieurs défis :

    • modèles : nécessité d’améliorer la fiabilité et l’interprétabilité des prédictions pour assurer leur adoption clinique ;
    • données : importance d’assurer la qualité des jeux de données et de limiter les biais qui pourraient fausser les résultats ;
    • faisabilité et équité : garantir un accès équitable aux outils d’IA et instaurer une relation de confiance entre cliniciens et technologies ;
    • régulation et innovation : nécessité d’un cadre éthique et juridique robuste, garantissant une utilisation sécurisée et responsable des technologies d’IA.

  • Revue de littérature : efficacité clinique, modèles de validation et rôle de l’IA dans les DTx

    Les thérapies digitales (DTx) représentent une catégorie émergente depuis quelques années d’interventions médicales qui utilisent des logiciels et des appareils numériques pour prévenir, gérer ou traiter des maladies et des troubles. Contrairement aux applications de bien-être général, les DTx doivent démontrer scientifiquement leur efficacité via des essais cliniques rigoureux et être réglementées par des agences de santé telles que la FDA. Les DTx sont conçues pour avoir un impact clinique direct et mesurable souvent en complément des traitements médicaux traditionnels.

    Cependant, l’intégration réussie des DTx dans le paysage de la santé est confrontée à de nombreux défis notamment en ce qui concerne leur efficacité clinique, leur sécurité, leur adoption par les patients et les professionnels de santé, leur remboursement et les questions éthiques et réglementaires soulevées par leur nature numérique.

    Cette revue de littérature vise à explorer l’état actuel des DTx en analysant les preuves disponibles concernant leur efficacité clinique, les facteurs qui influencent leur adoption, les défis réglementaires et éthiques qu’elles soulèvent et les perspectives pour ce domaine en pleine expansion.

    Validation clinique des DTx : une nécessité d’essais cliniques randomisés

    Wang et al souligne l’importance d’une base scientifique solide pour les DTx. Il met en évidence la nécessité de mener des essais cliniques randomisés pour évaluer leur efficacité et leur sécurité. Il met en avant que plusieurs DTx ont prouvé leur efficacité pour traiter des troubles psychiatriques (ex. : dépression, anxiété), des maladies chroniques (ex. : diabète, hypertension) et des troubles neurologiques (ex. : AVC, maladie de Parkinson).

    La méta-analyse de Seo et al, sur les effets des thérapies digitales confirme cette nécessité en synthétisant les résultats de plusieurs études. Les résultats de cette méta-analyse indiquent que les DTx peuvent avoir un impact sur divers paramètres de santé mais soulignent également la variabilité des résultats en fonction des conditions médicales et des types de DTx utilisés. Les résultats montrent des impacts thérapeutiques significatifs, notamment une réduction des effets indésirables, en particulier dans la gestion de la douleur. De plus, les DTx se révèlent particulièrement efficaces pour traiter la toxicomanie et l’anxiété avec des améliorations notables dans les scores de perception du bien-être mental.

    Cependant, l’efficacité des DTx varie selon les pathologies. Les résultats pour les troubles musculo-squelettiques et la santé mentale n’ont pas montré d’effets statistiquement significatifs, possiblement en raison de la nature comportementale des interventions, qui ne remplace pas les traitements physiques ou médicaux traditionnels. L’analyse souligne ainsi l’importance d’une approche intégrative combinant DTx et thérapies conventionnelles pour maximiser les bénéfices.

    L’article de Phan et al, fournit des exemples concrets d’applications cliniques des DTx, notamment dans le traitement du diabète, des troubles mentaux et des maladies cardiovasculaires. Il met en évidence les avantages potentiels des DTx en termes d’amélioration de l’observance thérapeutique, de personnalisation des soins et d’accès aux soins pour les populations mal desservies. Cependant, il souligne également les limites des preuves actuelles et la nécessité de mener des études à plus grande échelle et avec des critères d’évaluation standardisés.

    Figure 1 Distribution des essais cliniques sur les DTx dans le monde, Yao et al.

    De plus, l’étude de Yao et al, offre un aperçu exhaustif des essais cliniques en cours sur les DTx. Cette étude révèle une forte activité de recherche dans ce domaine, avec un nombre croissant d’essais cliniques évaluant l’efficacité des DTx pour diverses conditions médicales. Cependant, elle souligne également la nécessité d’améliorer la qualité méthodologique des essais cliniques et de garantir la transparence des données. La figure ci-dessus présente une répartition géographique inégale, avec une forte concentration en Amérique du Nord (145 essais) et en Europe (92 essais), tandis que l’Asie en compte nettement moins (39 essais). Les États-Unis dominent avec 136 essais (48,6 % du total), suivis du Royaume-Uni, de l’Espagne, de la Turquie et de la France.

    Une nouvelle génération : les iDTx

    L’essor de l’IA et son intégration progressive dans les DTx ouvre la voie à une nouvelle génération appelée “intelligent digital therapeutics” (iDTx), caractérisée par une personnalisation accrue des interventions thérapeutiques grâce à l’analyse avancée des données patients. La revue de Hu et al, explore comment l’IA optimise la personnalisation des traitements en adaptant les interventions en fonction des réponses individuelles des patients. Les algorithmes d’IA permettent notamment d’optimiser le suivi médical en temps réel et d’améliorer la précision diagnostique et prédictive. Par exemple, Nerivio est un dispositif portable approuvé par la FDA utilisant une neuromodulation électrique contrôlée par smartphone pour traiter les migraines. De même, le modèle prédictif proposé par Pan et al. utilise l’apprentissage automatique pour prédire le risque de rétinopathie diabétique chez les patients atteints de diabète de type 2, permettant ainsi une intervention précoce et personnalisée. Cependant, malgré ces avancées prometteuses, plusieurs défis techniques persistent. Hu et al. soulignent notamment la nécessité d’améliorer la fiabilité et la précision des algorithmes d’IA avant leur intégration complète en pratique clinique.

    L’application réussie de l’IA nécessite également un soutien substantiel en données fiables et représentatives, ce qui constitue un défi majeur pour le développement futur des iDTx. Lee et al insiste sur le rôle clé des données dans le suivi et l’optimisation des DTx. Il met en avant l’importance des modèles prédictifs et des analyses en temps réel pour améliorer l’efficacité des DTx. L’intégration de ces approches permet une prise en charge plus proactive des patients, en identifiant précocement les risques de rechute ou de non-adhésion au traitement.

    Les facteurs influençant l’adoption des DTx

    L’adoption des DTx par les patients et les professionnels de santé dépend de plusieurs facteurs clés. L’efficacité et la sécurité doivent être prouvées par des essais cliniques rigoureux pour instaurer la confiance. L’accessibilité et la facilité d’utilisation sont essentielles, nécessitant une conception adaptée à tous les profils d’utilisateurs. Leur intégration fluide dans les pratiques cliniques requiert une collaboration entre développeurs, soignants et régulateurs. Enfin, le remboursement par les assurances et mutuelles est un levier pour leur diffusion à grande échelle nécessitant une évaluation précise de leur coût-efficacité.

    Défis réglementaires associés aux DTx

    La question réglementaire constitue un enjeu majeur pour le déploiement généralisé des DTx. Actuellement, ces thérapies sont principalement régulées comme « Logiciels médicaux » (SaMD) ou « Dispositifs médicaux numériques » (DMN), mais aucun consensus international clair n’existe quant à leur définition précise ou aux critères spécifiques requis pour leur approbation.

    Aux États-Unis, par exemple, les DTx suivent principalement deux voies réglementaires : la procédure « De Novo » pour les dispositifs innovants sans équivalent sur le marché ou la procédure 510(k) lorsqu’un équivalent existe déjà. En Europe, le programme allemand DiGA (Digital Health Applications) propose une procédure accélérée spécifique aux applications numériques thérapeutiques ayant démontré leur efficacité clinique.

    Toutefois, plusieurs auteurs insistent sur la nécessité d’une harmonisation internationale claire concernant la définition même des DTx ainsi que sur les critères précis requis pour valider leur efficacité clinique et leur sécurité (Phan et al, Wang et al). De plus, étant donné que les DTx collectent massivement des données personnelles sensibles via leurs plateformes numériques, elles soulèvent également d’importantes préoccupations éthiques relatives à la confidentialité et à la protection des données personnelles.

    Bibliographie

    • Wang, C., Lee, C. & Shin, H. Digital therapeutics from bench to bedside. npj Digit. Med. 6, 38 (2023). https://doi.org/10.1038/s41746-023-00777-z
    • Seo, Y.-C.; Yong, S.Y.; Choi, W.W.; Kim, S.H. Meta-Analysis of Studies on the Effects of Digital Therapeutics. J. Pers. Med. 2024, 14, 157. https://doi.org/10.3390/jpm14020157
    • Phan P, Mitragotri S, Zhao Z. Digital therapeutics in the clinic. Bioeng Transl Med. 2023; 8(4):e10536. doi:10.1002/btm2.10536
    • Yao, Han, Zirui Liao, Xinyi Zhang, Xiaoke Zhang, Mengyu Li, Lili You, et Yuanli Liu. « A comprehensive survey of the clinical trial Landscape on digital therapeutics ». Heliyon 10, no 16 (30 août 2024). https://doi.org/10.1016/j.heliyon.2024.e36115.
    • Hu P, Hu L, Wang F and Mei J (2024) Editorial: Computing and artificial intelligence in digital therapeutics. Front. Med. 10:1330686. doi: 10.3389/fmed.2023.1330686
    • Lee et al., “Toward Data-Driven Digital Therapeutics Analytics: Literature Review and Research Directions,” in IEEE/CAA Journal of Automatica Sinica, vol. 10, no. 1, pp. 42-66, January 2023, doi: 10.1109/JAS.2023.123015

  • Santé des femmes : IA, politiques publiques, Femtech, un secteur entre croissance et enjeux d’avenir

    L’écosystème français de la santé de la femme est en pleine expansion ces dernières années soutenu par une croissance rapide du marché, des avancées en intelligence artificielle (IA) et des initiatives gouvernementales structurantes. L’évolution du secteur passe par un meilleur accès au financement, une intégration accrue des innovations numériques dans le parcours de soins et un soutien réglementaire adapté aux besoins spécifiques des femmes.

    Dans cette étude, Health & Tech Intelligence explore comment l’innovation technologique, les politiques publiques et l’essor du marché Femtech contribuent-ils à améliorer la santé des femmes et à réduire les inégalités d’accès aux soins.

    🔎 Analyses

    📌État des lieux : chiffres clés et tendances de la Femtech en France

    Le marché mondial de la Femtech devrait atteindre 117 milliards de dollars d’ici 2029 avec un fort développement des solutions bien-être et santé. Cependant, les financements connaissent une baisse après un pic historique en 2021, passant de 2,7 milliards de dollars à 648 millions en 2023.

    La France ambitionne d’investir 200 millions d’euros (public et privé) d’ici 2026, mais les start-ups françaises peinent à lever des montants significatifs. À titre de comparaison au Royaume-Uni, Flo Health a levé 200 millions de dollars en 2024, alors que la start-up française la mieux financée, Sonio,a levé seulement 18 millions d’euros.

    👉 Plus de détails sur le contexte français à retrouver dans cet article.

    📌Une croissance significative du secteur Femtech en France

    Selon une étude de Femtech France et de Wavestone, le chiffre d’affaires des entreprises de la Femtech française a progressé de 40% entre 2022 et 2023 atteignant 40,8 millions d’euros. Le nombre de start-ups a augmenté de 115 à 140 (incluant les solutions bien-être). La France est 3e au niveau mondial en nombre de start-ups Femtech, mais seulement 7e en termes d’investissements avec 81 millions d’euros levés entre 2018 et 2023.

    Les start-ups sont majoritairement en “early stage” : 44% n’ont pas encore levé de fonds. Les principaux domaines couverts en dehors du bien-être sont la fertilité, la santé globale et les pathologies chroniques, qui représentent 57% des Femtechs orientées santé.

    👉 Plus de détails sur le marché Femtech en France ici.

    📌Un plan gouvernemental ambitieux pour la santé des femmes (2023-2027)

    Le plan “Toutes et tous égaux” (2023-2027) met l’accent sur quatre axes : lutte contre les violences, égalité économique, culture de l’égalité et santé des femmes. 161 mesures ont été adoptées, parmi lesquelles :

    • suppression du délai de carence en cas de fausse couche ;
    • accès gratuit aux préservatifs féminins pour les jeunes ;
    • remboursement des protections menstruelles réutilisables par la Sécurité sociale jusqu’à 25 ans ;
    • déploiement de 30 bus itinérants pour le dépistage gynécologique et cardiovasculaire.

    L’endométriose, qui touche 1 femme sur 10, bénéficie d’une stratégie nationale incluant un budget de 30 millions d’euros pour la recherche et la création de filières de soins régionales.

    👉 Plus de détails sur les initiatives gouvernementales et les évolutions réglementaires à retrouver ici.

    📌Les données de santé féminine : une explosion des publications scientifiques

    Les recherches sur les données de santé féminine générées par les outils numériques ont connu une croissance de 300% en cinq ans. Une revue de littérature basée sur 406 articles identifie les principaux domaines d’application dominées principalement par la grossesse et le post-partum qui représentent 42,6% des publications. D’autre part, 72,7% des solutions utilisées sont des applications mobiles, suivies des objets connectés et des plateformes web. L’adoption de ces technologies est influencée par leur accessibilité, leur conception intuitive et la fiabilité des données collectées.

    👉 Revue de littérature à retrouver ici.

    📌Un test salivaire pour diagnostiquer l’endométriose plus rapidement

    Depuis février 2025, le test salivaire Endotest développé par Ziwig est pris en charge par l’Assurance Maladie dans 80 hôpitaux français. Cette innovation permettrait de réduire le délai moyen de diagnostic de sept ans, grâce à une analyse des microARN salivaires.

    L’expérimentation inclut 25 000 patientes et les premières études indiquent une sensibilité de 95% et une spécificité de 94%. Ce test pourrait permettre de réduire le nombre de cœlioscopies inutiles de 47%. Si les résultats sont concluants, Endotest pourrait être intégré durablement dans le parcours de soins et ouvrir la voie à d’autres innovations diagnostiques notamment pour le cancer de l’ovaire.

    👉 Pour en découvrir d’avantage sur, cliquez ici.

    📌Entretien exclusif avec Delphine Moulu, DG de Femtech France :

    Delphine Moulu, directrice générale de Femtech France, association qui joue un rôle dans la promotion des startups et la sensibilisation aux enjeux de l’IA et de l’équité en santé féminine revient sur les opportunités et défis auxquels le secteur fait face dont :

    • le manque de données médicales féminines : jusqu’à récemment, les femmes étaient sous-représentées dans les essais cliniques ce qui entraîne des biais dans les modèles d’IA ;
    • un marché français orienté vers le B2B2C : contrairement aux modèles anglo-saxons centrés sur le B2C, les Femtech françaises collaborent souvent avec des entreprises et mutuelles, allongeant les cycles de commercialisation ;
    • des financements insuffisants : les start-ups doivent prouver leur retour sur investissement avant d’obtenir un soutien financier conséquent, ce qui ralentit leur croissance.

    👉 Pour retrouver l’intégralité de l’entretien, ici.

    🗺️ Cartographies

    📌Cartographie des cas d’usage de l’IA pour la santé des femmes

    En aidant le dépistage, en personnalisant les traitements et en améliorant le suivi, l’IA transforme la santé des femmes dans de multiples domaines. De l’oncologie à la santé reproductive, en passant par la maternité et la santé mentale, elle offre des outils innovants pour une prise en charge plus précise et efficace. Grâce à ses capacités d’analyse avancées, l’IA permet d’optimiser les soins, du diagnostic précoce à la prévention des rechutes, tout en allégeant la charge de travail des professionnels de santé.

    👉 Un tableau détaillé des cas d’usage repérés ainsi qu’une infographie illustrant la répartition des cas d’usage de l’IA en santé des femmes sont disponibles ici.

    📌Cartographie des solutions d’IA pour la santé des femmes

    Le marché des solutions d’IA en santé féminine est dominé par l’oncologie : 18 solutions sur 30 sont consacrées au cancer du sein et du col de l’utérus. Ces outils, comme Therapixel et CytoProcessor, permettent une détection précoce et un suivi amélioré.

    D’autres solutions ciblent l’endométriose (Femendo, Luna, Ziwig) et la santé reproductive (ImVitro, Louise). La santé pelvienne et mentale reste moins développée, mais des innovations apparaissent, notamment avec Digyne pour les pathologies pelviennes et Dalia pour la santé mentale.

    👉 Cartographie à consulter ici.

    Santé des femmes @ H&TI

    Santé des femmes

    Vous avez pu consulter notre étude sur la santé des femmes ? Testez vos connaissances sur le sujet  !

  • Revue de littérature : une hausse de 300 % des études en 5 ans sur les données de santé issues des outils numériques pour la santé des femmes

    Les technologies numériques permettent de collecter et d’utiliser ses propres données de santé. Les Person-Generated Health Data ou données de santé générées par les individus sont une opportunité pour l’autosurveillance et la gestion des maladies. Ces données proviennent d’applications mobiles, d’appareils connectés, de capteurs intelligents et de plateformes web.

    La revue de littérature intitulée Person-Generated Health Data in Women’s Health: Scoping Review, publiée en 2024 dans le Journal of Medical Internet Research, explore l’usage des données dans la santé des femmes entre 2015 et 2020. L’étude met en évidence les principaux domaines d’application de ces technologies, les tendances d’adoption ainsi que les obstacles et facilitateurs à leur utilisation. Avec une analyse portant sur 406 articles scientifiques, cette revue trace l’évolution des technologies numériques dédiées à la santé féminine.

    50% des publications en rapport avec le numérique et la santé des femmes sont générés par les Etats-Unis et le Royaume-Uni

    L’utilisation des technologies numériques pour la santé des femmes a connu une croissance significative entre 2015 et 2020. L’analyse de 406 articles montre une augmentation constante du nombre de publications au fil des ans :

    Evolution du nombre de publications sur 5 ans @ H&TI

    Comme on peut le voir sur le graphique ci-dessus, en 2015, seules 41 études (soit 10,1 % du corpus total) abordaient l’utilisation des technologies numériques pour la santé féminine. L’année suivante, cette tendance s’est renforcée avec 54 articles publiés (13,3 %), l’année 2017 marque une accélération notable, avec 73 publications (18 %), traduisant un engouement croissant pour ces outils numériques et leur potentiel d’application dans divers domaines de la santé des femmes. Cette dynamique s’est amplifiée en 2018, où le nombre de publications a atteint 107 articles (26,4 %). L’apogée de cette tendance a été enregistrée en 2019, avec 120 études publiées (29,6 %). Cette hausse s’est toutefois ralentie au début de 2020, avec seulement 11 articles (2,7 %) recensés entre janvier et février.

    Cette augmentation reflète l’intérêt croissant des chercheurs et des professionnels de santé pour les outils numériques destinés aux femmes. Parmi les pays les plus représentés dans ces études figurent les États-Unis (41,6 % des articles), le Royaume-Uni (8,4 %), l’Australie (8,1 %) et le Canada (4,7 %).

    Les principales applications concernent :

    1. la grossesse et le post-partum (42,6 % des études) ;
    2. le cancer et la prévention oncologique (19,5 %) ;
    3. les comportements liés au mode de vie (14,3 %) ;
    4. la santé menstruelle et reproductive (12,1 %) ;
    5. les maladies chroniques (9,9 %).

    Ces chiffres montrent une concentration importante des recherches sur la grossesse et le dépistage/prévention des cancers qui sont des domaines d’applications où le numérique est présent depuis de nombreuses années.

    Domaine de santé % du total Nombre d’articles Principaux sous-thèmes étudiés % dans le domaine Nombre d’articles
    Grossesse et post-partum 42.6% 173 Suivi général 26% 45
    Activité physique, alimentation, poids 19.7% 34
    Surveillance du glucose et diabète gestationnel 17.9% 31
    Pression artérielle, prééclampsie 12.7% 22
    Surveillance fœtale et contractions 9.8% 17
    Santé mentale (dépression, stress) 6.4% 11
    Allaitement 4% 7
    Cancer et soins oncologiques 19.5% 79 Impact sur la santé cardio-métabolique 46.8% 37
    Qualité de vie et soutien psychologique 21.5% 17
    Prévention et détection précoce 11.4% 9
    Gestion des effets secondaires des traitements 8.9% 7
    Suivi du mode de vie 14.3% 58 Activité physique, sédentarité, nutrition 86.2% 50
    Sommeil 15.5% 9
    Santé menstruelle et reproductive 12.1% 49 Suivi du cycle menstruel et de la fertilité 75.5% 37
    Contraception 8.2% 4
    Maladies chroniques 9.9% 40 Incontinence urinaire et dysfonction musculaire pelvienne 30% 12
    Ostéoporose, arthrose, santé osseuse 20% 8
    Maladies cardiovasculaires 17.5% 7

    Tableau récapitulatif des domaines de santé les plus étudiés et leur répartition en fonction des articles analysés

    72,7% des technologies utilisées sont des applications mobiles

     

    Répartition des technologies utilisées pour la collecte de données sur la santé des femmes @ H&TI

    Le graphique ci-dessus illustre la distribution des différents types de technologies employées dans la collecte de données de santé des femmes, en fonction du nombre d’articles scientifiques les mentionnant. Les applications mobiles dominent largement, suivies des objets connectés et wearables, ainsi que des sites web et portails patients. En revanche, les dispositifs implantables et les appels vocaux interactifs sont les moins représentés. L’analyse thématique des 406 articles a permis d’identifier six grands facteurs influençant l’adoption de ces outils par les femmes :

    1. Accessibilité et connectivité

    L’un des principaux avantages des technologies numériques est leur accessibilité. La majorité des femmes utilisent des smartphones, et plus de 350 000 applications de santé sont disponibles sur les plateformes mobiles.

    Les technologies de santé numériques permettent aux femmes de collecter des données en temps réel et d’y accéder à tout moment. Toutefois, certaines barrières existent :

    • coût élevé des dispositifs et abonnements aux applications premium ;
    • problèmes de compatibilité entre les différents systèmes (Android, iOS) ;
    • dépendance à une connexion internet stable ce qui limite l’accès dans les zones rurales.

    Malgré ces obstacles, la facilité d’utilisation et l’autonomie offertes par ces outils encouragent leur adoption, notamment pour les femmes ayant un accès limité aux soins médicaux.

    2. Conception et fonctionnalités des outils numériques

    Les études montrent que les femmes privilégient des applications et objets connectés qui sont :

    • esthétiques et discrets notamment pour les bracelets connectés ;
    • faciles à utiliser avec une interface intuitive ;
    • personnalisables permettant un ajustement des notifications et des objectifs de suivi.

    Certaines limites persistent, notamment :

    • l’impossibilité de modifier certaines informations saisies ;
    • le manque de compatibilité avec d’autres applications de santé ;
    • des fonctionnalités limitées dans les versions gratuites.

    La gamification et l’ajout de conseils personnalisés sont des facteurs qui améliorent l’engagement des utilisatrices.

    3. Exactitude et crédibilité des données collectées

    Les études montrent que les outils numériques permettent un suivi plus rigoureux que les méthodes traditionnelles mais des limites existent :

    • des écarts entre les résultats des capteurs et la réalité clinique ;
    • des erreurs dans la mesure du sommeil, du rythme cardiaque ou du nombre de pas.

    Les femmes accordent une grande importance à la fiabilité des informations notamment pour des domaines comme la fertilité et le suivi de la grossesse. Les applications qui s’appuient sur des sources médicales reconnues et certifiées sont mieux acceptées.

    4. Adéquation aux besoins spécifiques des utilisatrices

    L’adoption des outils numériques varie en fonction des caractéristiques démographiques et culturelles des utilisatrices. Les jeunes femmes et les femmes technologiquement averties sont les plus enclines à utiliser ces outils. Il a été mis en avant que le manque de traduction et d’adaptabilité culturelle freine l’usage par certaines populations et que certaines femmes préfèrent des outils généraux plutôt que des applications centrées sur une pathologie spécifique.

    5. Intégration dans le système de santé

    L’intégration des technologies numériques dans les parcours de soins est un levier pour leur adoption. Les utilisatrices apprécient les dispositifs connectés qui facilitent la communication avec les professionnels de santé et permettent un suivi médical plus personnalisé.

    Toutefois, des limites subsistent du côté des soignants :

    • surcharge d’informations à analyser ;
    • risques de mauvaise interprétation des données par les patientes ;
    • responsabilité légale en cas d’erreur ou d’omission de suivi.

    6. Impact sur la santé et le comportement des utilisatrices

    L’utilisation des données issues de ces outils numériques ont un impact sur les habitudes de vie des femmes en améliorant l’adhésion aux traitements et aux recommandations médicales. Grâce aux rappels et au suivi personnalisé, elles respectent mieux leurs prescriptions et ajustent leur mode de vie de manière proactive. Ces outils favorisent également une prise de conscience accrue des comportements de santé en permettant aux utilisatrices d’identifier les tendances influençant leur bien-être (sommeil, activité physique, stress). Cette visibilité les encourage à adopter des habitudes plus saines et à prendre des décisions éclairées. De plus, les technologies de santé numérique contribuent à la réduction du stress et à l’amélioration du bien-être mental en intégrant des fonctionnalités de suivi émotionnel et de gestion du stress. L’accès à des communautés en ligne renforce aussi le soutien et l’accompagnement des patientes.

    Toutefois, certaines études ont mis en évidence des effets négatifs, comme l’hypervigilance excessive, qui peut générer de l’anxiété, ou encore une dépendance aux applications, où certaines femmes ressentent le besoin constant de surveiller leurs données.

     

    * Karim, J. L., et al. (2024). Person-Generated Health Data in Women’s Health: Scoping Review. Journal of Medical Internet Research, 26, e53327. DOI : 10.2196/53327

  • Revue de littérature : l’impact de l’IA dans la prise en charge des maladies rares entre avancées et défis

    Les maladies rares, définies par une prévalence inférieure à 1 cas pour 2 000 individus, concernent plus de 350 millions de personnes mondialement. Leur complexité diagnostique et thérapeutique a trouvé dans l’intelligence artificielle (IA) un allié.

    Cette revue explore les applications actuelles de l’IA dans le domaine des maladies rares, en mettant en lumière ses contributions au diagnostic, au pronostic et au traitement. Elle examine également les défis éthiques et techniques liés à son adoption.

    Evolution historique : une augmentation exceptionnelle du nombre de publications entre 2003 et 2023

    Evolution du nombre de publications entre 2003 et 2023 sur les applications de l’IA dans les maladies rares @ Peiling Ou et al. 2024.

    Dans une étude bibliométrique publiée par Peiling Ou et al., l’analyse de 1501 publications sur deux décennies révèle trois phases distinctes : émergence (2003-2010), consolidation (2011-2018) et accélération exponentielle (2019-2023). Les États-Unis dominent la production scientifique (35,2 %), suivis par l’Allemagne (16,1 %) et la Chine (10,4 %). La France se distingue avec 135 publications (soit 9,23%). Les mots-clés récurrents “mutation”, “diagnostic”, “gestion” reflètent les priorités de recherche, avec un récent glissement vers les biomarqueurs prédictifs et l’exploration de données.

    L’essor des grands modèles fondateurs (foundation models) marque un tournant comme le souligne Voronstov et al. Virchow, modèle de pathologie computationnelle entraîné sur 1,5 million d’images histologiques atteint une probabilité de 0,95 pour la détection pan-cancéreuse, surpassant les modèles spécialisés sur certains sous-types rares comme le lymphome diffus à grandes cellules B. Cette performance s’explique par sa capacité à extraire des motifs morphologiques subtils à partir de coupes histologiques standard, réduisant la dépendance aux marqueurs immunohistochimiques coûteux. L’étude multicentrique de validation du modèle Virchow impliquant 15 000 échantillons, révèle une sensibilité accrue de 18 % par rapport aux pathologistes juniors pour les entités rares. Cependant, la variabilité inter-centres (-7 % de spécificité sans normalisation) souligne l’impératif de standardisation préalable.

    L’aide au diagnostic grâce à l’intégration multi-omique

    L’IA améliore les méthodes de diagnostic en intégrant des données génomiques, transcriptomiques et protéomiques. L’étude de Martin-Hernandez et al. démontre qu’une signature multi-omique de 8 gènes et 4 microARNs prédit la survie globale dans les carcinomes surrénaliens avec une précision inégalée. Les approches non supervisées comme UMINT permettent l’intégration de données single-cell RNA-seq et ATAC-seq, révélant des sous-populations cellulaires clés dans les tumeurs MALT.

    En génétique, les modèles de deep learning analysent les variants des régions UTR avec une précision accrue. Bohn et al. identifient 26 variants pathogènes dans la région 3’UTR grâce à des réseaux de neurones profonds, comblant un vide diagnostique pour 15 % des cas sans mutation codante identifiée.

    Personnalisation thérapeutique et découverte de médicaments

    Les usages de l’IA dans le diagnostic, le pronostic et le traitement des maladies rares. Cette figure illustre comment l’IA intervient dans chaque étape du parcours médical pour les maladies rares, depuis le diagnostic jusqu’à la personnalisation du traitement @ Visibelli et al

    L’IA surmonte les limites des essais cliniques traditionnels inadaptés aux petites cohortes comme le montre Visibelli et al. Le modèle GCAN prédit efficacement les molécules repositionnables pour la maladie de Gaucher en exploitant des réseaux hétérogènes de relations médicament-maladie. Dans la sialidose, l’approche bayésienne d’Assay Central sélectionne in silico des modulateurs pharmacologiques avant validation in vitro, réduisant les coûts de développement de 70 %.

     Récapitulatif des études utilisant de l’IA pour le diagnostic des maladies rares

    Maladie rare Méthodes Type de données Taille de l’échantillon Performance du modèle Références
    Carcinome corticosurrénalien Clustering, RF Données d’expression des ARN messagers (mRNA) 79 ACC : 96 % Marquardt, Andre, et al. “Identifying new potential biomarkers in adrenocortical tumors based on mRNA expression data using machine learning.” Cancers 13.18 (2021): 4671.
    DT Protéines différentiellement exprimées 117 Jang, Han Na, et al. “Mass spectrometry-based proteomic discovery of prognostic biomarkers in adrenal cortical carcinoma.” Cancers 13.15 (2021): 3890.
    Alcaptonurie XGBoost, k-NN Données génétiques, biochimiques, histopathologiques, cliniques, thérapeutiques et scores de qualité de vie (QoL) 129 RAE : 0,25, R² : 0,94 Spiga, Ottavia, et al. “Machine learning application for development of a data-driven predictive model able to investigate quality of life scores in a rare disease.” Orphanet journal of rare diseases 15 (2020): 1-10.
    Clustering – 112 Spiga, Ottavia, et al. “Machine learning application for patient stratification and phenotype/genotype investigation in a rare disease.” Briefings in Bioinformatics 22.5 (2021): bbaa434.
    Sclérose latérale amyotrophique RF, SVM Données métabolomiques 38 (traités), 36 (placebo) TPR : 71,4 %, TNR : 71,4 %, PPV : 71,4 %, NPV : 70 % Blasco, Hélène, et al. “A pharmaco-metabolomics approach in a clinical trial of ALS: Identification of predictive markers of progression.” PLoS One 13.6 (2018): e0198116.
    LASSO, RF Sous-ensemble du dataset PRO-ACT (données de survie et cliniques) 6565 C-index : 0,7355 Huang, Zhengnan, et al. “Complete hazard ranking to analyze right-censored data: An ALS survival study.” PLoS computational biology 13.12 (2017): e1005887.
    RF, XGBoost, BM, DT Sous-ensemble du dataset PRO-ACT 3772 ACC : 71–84,7 % Gordon, Jonathan, and Boaz Lerner. “Insights into amyotrophic lateral sclerosis from a machine learning perspective.” Journal of Clinical Medicine 8.10 (2019): 1578.
    GBoost, SVM Données acoustiques et articulatoires issues de la parole 1832 R² : 0,712, RMSE : 37,562 Wang, Jun, et al. “Automatic prediction of intelligible speaking rate for individuals with ALS from speech acoustic and articulatory samples.” International journal of speech-language pathology 20.6 (2018): 669-679.
    ANN Données cliniques et IRM 135 ACC : 84,4 % van der Burgh, Hannelore K., et al. “Deep learning predictions of survival based on MRI in amyotrophic lateral sclerosis.” NeuroImage: Clinical 13 (2017): 361-369.
    Maladie de Huntington ANN, FLS Données des tests de tapotement des doigts 3032 R² : 0,98, MSE : 0,08 Lauraitis, Andrius, Rytis Maskeliūnas, and Robertas Damaševičius. “ANN and fuzzy logic based model to evaluate huntington disease symptoms.” Journal of healthcare engineering 2018.1 (2018): 4581272.
    SVM, EL Données de neuroimagerie 19 (préHD), 21 (témoins) F1 : 74 % Mason, Sarah L., et al. “Predicting clinical diagnosis in Huntington’s disease: An imaging polymarker.” Annals of neurology 83.3 (2018): 532-543.
    Malformation artérioveineuse cérébrale ANN, SVM, Log Reg Données cliniques et d’imagerie 199 ACC : 97,5 % Asadi, Hamed, et al. “Outcomes and complications after endovascular treatment of brain arteriovenous malformations: a prognostication attempt using artificial intelligence.” World neurosurgery 96 (2016): 562-569.
    Paralysie supranucléaire progressive LASSO, Lin Reg Données d’imagerie 53 R² : 0,892 Chen, Yao-Liang, et al. “Prediction of the clinical severity of progressive supranuclear palsy by diffusion tensor imaging.” Journal of Clinical Medicine 9.1 (2019): 40.
    Variante comportementale de la démence frontotemporale SVM Données cliniques et IRM structurelle 73 ACC : 72–82 %, TPR : 67–79 %, TNR : 77–88 %, AUC : 0.80–0.9 Zhutovsky, Paul, et al. “Individual prediction of behavioral variant frontotemporal dementia development using multivariate pattern analysis of magnetic resonance imaging data.” Journal of Alzheimer’s Disease 68.3 (2019): 1229-1241.
    Anémie de Diamond-Blackfan SVM Données structurelles des mutations faux-sens 29 (positifs), 30 (négatifs) ACC : 95 %, TPR : 90 %, TNR : 98 %, F1 : 94 % An, Ke, et al. “Computational studies of the structural basis of human RPS19 mutations associated with Diamond-Blackfan anemia.” Frontiers in Genetics 12 (2021): 650897.
    Dystrophie musculaire de Duchenne EL Données des capteurs inertiels (accéléromètres) 7 RMSE : 0,017 Pande, Amit, et al. “Machine learning to improve energy expenditure estimation in children with disabilities: a pilot study in Duchenne muscular dystrophy.” JMIR rehabilitation and assistive technologies 3.2 (2016): e4340.
    Cholangite sclérosante primitive GBoost Données cliniques et de laboratoire 509 C-index : 0.90 Eaton, John E., et al. “Primary sclerosing cholangitis risk estimate tool (PREsTo) predicts outcomes of the disease: a derivation and validation study using machine learning.” Hepatology 71.1 (2020): 214-224.
    Lupus érythémateux systémique juvénile RF Données d’immunophénotypage 67 (jSLE), 39 (témoins) ACC : 86·8 % Robinson, George A., et al. “Disease-associated and patient-specific immune cell signatures in juvenile-onset systemic lupus erythematosus: patient stratification using a machine-learning approach.” The Lancet Rheumatology 2.8 (2020): e485-e496.
    Myocardite pédiatrique RF Diagnostiques/procédures issues de la base Kids’ Inpatient Database 7241 CI : 95 % Chou, Fu-Sheng, and Laxmi V. Ghimire. “Identification of prognostic factors for pediatric myocarditis with a random forests algorithm-assisted approach.” Pediatric Research 90.2 (2021): 427-430.
    RF, Log Reg – 4144 -TPR:89.9% Chou, Fu-Sheng, and Laxmi V. Ghimire. “Machine learning for mortality prediction in pediatric myocarditis.” Frontiers in Pediatrics 9 (2021): 644922.

     

    Les enjeux éthiques et techniques persistent

    Gyawal et al. ont montré que l’analyse de 23 modèles d’intelligence artificielle (IA) appliqués aux myopathies congénitales révèle une chute de performance de 15 % lorsqu’ils sont déployés sur des cohortes asiatiques par rapport à des populations européennes. Cette différence s’explique par la sous-représentation des variants génétiques spécifiques aux populations asiatiques dans les bases de données utilisées pour l’entraînement des modèles. La majorité des études génétiques, comme les GWAS (Genome-Wide Association Studies), sont biaisées en faveur des populations européennes, ce qui limite la généralisation des modèles aux minorités ethniques ou aux populations mixées.

    Les réseaux antagonistes génératifs (GANs) offrent une solution prometteuse pour pallier le manque de données dans certaines populations ou pathologies rares comme souligné dans l’étude de Kong et al. Par exemple, une étude utilisant des GANs pour générer des radiographies pulmonaires a démontré une amélioration de 40 % de la précision diagnostique tout en réduisant le besoin en données réelles. Les GANs permettent également de créer des échantillons synthétiques réalistes qui enrichissent les ensembles de données existants, augmentant ainsi la diversité et réduisant le surapprentissage sur des groupes sur-représentés.

    Perspectives : les LLMs pour identifier de nouvelles cibles thérapeutiques

    L’intégration des grands modèles de langage (LLM) ouvre de nouveaux horizons. Watson for Genomics a déjà identifié 42 nouvelles cibles thérapeutiques pour la sclérose latérale amyotrophique (SLA) en analysant 25 000 articles comme le souligne Bakkar et al. Combinés aux données omiques, ces systèmes pourront générer des hypothèses diagnostiques multidimensionnelles réduisant le délai moyen de diagnostic de 5 à 1,2 ans pour la SLA.

    Sur le plan réglementaire, la FDA a approuvé 15 algorithmes pour les maladies rares depuis 2021, dont Paige Prostate (AUC 0,995). Cependant, l’harmonisation des critères d’évaluation et la validation prospective multicentrique restent cruciales pour une adoption à large échelle.

    Références bibliographiques :

    1. Ou P, Wen R, Shi L, Wang J, Liu C. Artificial intelligence empowering rare diseases: a bibliometric perspective over the last two decades. Orphanet J Rare Dis. 2024 Sep 13;19(1):345. doi: 10.1186/s13023-024-03352-1. PMID: 39272071; PMCID: PMC11401438.
    2. Vorontsov E, Bozkurt A, Casson A, Shaikovski G, Zelechowski M, Severson K, Zimmermann E, Hall J, Tenenholtz N, Fusi N, Yang E, Mathieu P, van Eck A, Lee D, Viret J, Robert E, Wang YK, Kunz JD, Lee MCH, Bernhard JH, Godrich RA, Oakley G, Millar E, Hanna M, Wen H, Retamero JA, Moye WA, Yousfi R, Kanan C, Klimstra DS, Rothrock B, Liu S, Fuchs TJ. A foundation model for clinical-grade computational pathology and rare cancers detection. Nat Med. 2024 Oct;30(10):2924-2935. doi: 10.1038/s41591-024-03141-0. Epub 2024 Jul 22. PMID: 39039250; PMCID: PMC11485232.
    3. Marquardt, Andre, et al. “Identifying new potential biomarkers in adrenocortical tumors based on mRNA expression data using machine learning.” Cancers, vol. 13, no. 18, 2021, p. 4671.
    4. Emmert-Streib, Frank, Silvia Bottini, et Leonardo Franco. « Editorial: AI and multi-omics for rare diseases: challenges, advances and perspectives, Volume III ». Frontiers in Molecular Biosciences 11 (2024).
    5. Bohn E, Lau TTY, Wagih O, Masud T and Merico D (2023) A curated census of pathogenic and likely pathogenic UTR variants and evaluation of deep learning models for variant effect prediction.  Mol. Biosci.10:1257550. doi: 10.3389/fmolb.2023.1257550
    6. Visibelli A, Roncaglia B, Spiga O, Santucci A. The Impact of Artificial Intelligence in the Odyssey of Rare Diseases. 2023 Mar 13;11(3):887. doi: 10.3390/biomedicines11030887. PMID: 36979866; PMCID: PMC10045927.
    7. Gyawali, P.K., Le Guen, Y., Liu, X. et al.Improving genetic risk prediction across diverse population by disentangling ancestry representations. Commun Biol 6, 964 (2023).
    8. Kong, HJ., Kim, J.Y., Moon, HM. et al.Automation of generative adversarial network-based synthetic data-augmentation for maximizing the diagnostic performance with paranasal imaging. Sci Rep 12, 18118 (2022).
    9. Bakkar N, Kovalik T, Lorenzini I, Spangler S, Lacoste A, Sponaugle K, Ferrante P, Argentinis E, Sattler R, Bowser R. Artificial intelligence in neurodegenerative disease research: use of IBM Watson to identify additional RNA-binding proteins altered in amyotrophic lateral sclerosis. Acta Neuropathol. 2018 Feb;135(2):227-247. doi: 10.1007/s00401-017-1785-8. Epub 2017 Nov 13.
    10. Jang, Han Na, et al. “Mass spectrometry-based proteomic discovery of prognostic biomarkers in adrenal cortical carcinoma.” Cancers, vol. 13, no. 15, 2021, p. 3890.
    11. Spiga, Ottavia, et al. “Machine learning application for development of a data-driven predictive model able to investigate quality of life scores in a rare disease.” Orphanet Journal of Rare Diseases, vol. 15, 2020, pp. 1-10.
    12. Spiga, Ottavia, et al. “Machine learning application for patient stratification and phenotype/genotype investigation in a rare disease.” Briefings in Bioinformatics, vol. 22, no. 5, 2021, article bbaa434.
    13. Blasco, Hélène, et al. “A pharmaco-metabolomics approach in a clinical trial of ALS: Identification of predictive markers of progression.” PLoS One, vol. 13, no. 6, 2018, article e0198116.
    14. Huang, Zhengnan, et al. “Complete hazard ranking to analyze right-censored data: An ALS survival study.” PLoS Computational Biology, vol. 13, no. 12, 2017, article e1005887.
    15. Gordon, Jonathan, and Boaz Lerner. “Insights into amyotrophic lateral sclerosis from a machine learning perspective.” Journal of Clinical Medicine, vol. 8, no. 10, 2019, p. 1578.
    16. Wang, Jun, et al. “Automatic prediction of intelligible speaking rate for individuals with ALS from speech acoustic and articulatory samples.” International Journal of Speech-Language Pathology, vol. 20, no. 6, 2018, pp. 669-679.
    17. van der Burgh, Hannelore K., et al. “Deep learning predictions of survival based on MRI in amyotrophic lateral sclerosis.” NeuroImage: Clinical, vol. 13, 2017, pp. 361-369.
    18. Lauraitis, Andrius, Rytis Maskeliūnas, and Robertas Damaševičius. “ANN and fuzzy logic based model to evaluate Huntington disease symptoms.” Journal of Healthcare Engineering, vol. 2018 (2018), article ID: 4581272.
    19. Mason, Sarah L., et al. “Predicting clinical diagnosis in Huntington’s disease: An imaging polymarker.” Annals of Neurology, vol. 83, no. 3 (2018), pp. 532-543.
    20. Asadi, Hamed, et al., “Outcomes and complications after endovascular treatment of brain arteriovenous malformations: a prognostication attempt using artificial intelligence.” World Neurosurgery, vol. 96 (2016), pp:562-569

  • 53% des soignants intègrent l’IA dans leur pratique quotidienne (baromètre PulseLife)

    Cette étude publiée début février 2025 par PulseLife, a été réalisée pour mieux comprendre comment les professionnels de santé intègrent l’IA dans leur pratique et quelles sont leurs attentes et préoccupations.

    88,4% des soignants constatent un impact positif sur la qualité des soins

    Une très large majorité des professionnels interrogés perçoivent un impact positif de cette technologie sur la qualité des soins, un chiffre qui grimpe à 91% chez les médecins. Il a été mis en avant que l’IA permet non seulement de réduire le temps nécessaire pour poser un diagnostic mais aussi d’améliorer la précision des décisions médicales en s’appuyant sur des bases de données étendues et des analyses comparatives avancées.

    Malgré les bénéfices perçus, la confiance des soignants envers l’IA reste prudente. 58,7% des répondants déclarent lui faire confiance pour l’aide au diagnostic et la prise en charge avec une légère hausse chez les médecins qui sont à 63,5%. Les principales inquiétudes concernent :

    • les biais algorithmiques à 59% ;
    • le manque de transparence des sources à 50% ;
    • et une potentielle dégradation de la relation soignant-patient à 49%.

    2/3 des répondants estiment que leur métier n’est pas en danger à cause de l’IA

    L’enquête révèle également que l’IA ne semble pas être perçue comme une menace par la majorité des professionnels de santé. 66% d’entre eux estiment que leur métier ou leurs compétences ne sont pas en danger. Cette proportion est encore plus élevée chez les médecins soit 70,4%, ce qui suggère une acceptation progressive de l’IA comme un outil de support plutôt qu’un substitut. Seuls 9% adoptent une posture pessimiste face à ces évolutions.

    Des attentes fortes en matière d’assistance administratives

    Les professionnels de santé attendent de l’IA qu’elle contribue principalement :

    • à l’amélioration du diagnostic à 65,8% ;
    • à la réduction du temps consacré aux soins à 58,8% ;
    • et à la diminution des erreurs médicales à 54,3%.

    Par ailleurs, 71% des répondants souhaitent que l’IA soit une aide pour les tâches administratives et 67% pour l’analyse des données médicales.

    L’enquête met en évidence une demande massive de formation à l’IA. Alors que seulement 6,6% des soignants ont bénéficié d’une formation spécifique, 78,2% déclarent souhaiter en recevoir une. Un besoin encore plus marqué chez les médecins où le pourcentage atteint 84. D’ailleurs dès la rentrée 2025, l’IA rentrera dans la formation obligatoire au premier cycle des études de santé.

    Méthodologie de l’enquête

    L’enquête a été réalisée entre le 4 décembre 2023 et le 13 janvier 2024 auprès de la communauté de professionnels de santé de PulseLife. 1 700 répondants ont participé via un questionnaire auto-administré en ligne avec une représentation diversifiée des métiers de santé :

    • 52% de médecins
    • 20% d’infirmiers/IPA
    • 8% de pharmaciens
    • 3% d’aides-soignants
    • 17% d’autres professionnels (kinésithérapeutes, ostéopathes, dentistes, etc.)

    L’échantillon couvre différentes tranches d’âge avec 48% des répondants ayant entre 25 et 44 ans, 38% plus de 45 ans et 14% moins de 25 ans. La répartition entre exercice en ville et en établissement varie selon les professions.

     

  • Amérique latine : état des lieux de la santé numérique, réglementation et accès au marché

    L’Amérique latine se distingue par une approche particulière du droit à la santé. Contrairement aux pays anglo-saxons où la santé est souvent perçue comme un service, de nombreux pays latino-américains inscrivent le droit à la santé dans leur Constitution. Le Brésil, le Mexique, la Colombie ou encore le Chili garantissent théoriquement un accès universel aux soins. Pourtant, l’application effective de ce droit reste un défi majeur dans la plupart des pays. Cela est notamment marqué par des inégalités d’accès, des problèmes de financement et des défaillances institutionnelles.

    Alors que les pays occidentaux font face principalement aux maladies chroniques liées au vieillissement de la population et que certains pays d’Afrique subsaharienne luttent encore contre des maladies infectieuses, l’Amérique latine cumule ces deux problématiques. Des affections comme le diabète et l’hypertension coexistent avec des épidémies récurrentes de dengue, tuberculose ou Zika. En 2019, la région a enregistré plus de 3 millions de cas de dengue selon l’OMS. À cela s’ajoutent des facteurs externes, comme la violence et les accidents de transport qui exercent une pression supplémentaire sur les infrastructures sanitaires déjà surchargées.

    Dans cette étude, Health & Tech Intelligence réalise un état des lieux du système de santé brésilien, argentin et mexicain : leur organisation, leurs données et chiffres clés, leur accès au marché, ainsi que leur stratégie de santé numérique.

    📌 Contexte et chiffres clés du système de santé

    Face à ces défis, les systèmes de santé latino-américains sont marqués par une grande hétérogénéité. Certains pays, comme le Brésil avec son Sistema Único de Saúde (SUS) ont mis en place des modèles publics d’accès universel tandis que d’autres, comme le Mexique et l’Argentine reposent sur des structures fragmentées mêlant secteur public, privé et sécurité sociale. De plus, le sous-financement de la santé reste un frein majeur à l’amélioration des infrastructures et de la qualité des soins.

    Ainsi, comprendre les spécificités nationales des systèmes de santé en Amérique latine permet d’analyser les forces et faiblesses de chaque modèle et d’identifier les défis communs à la région. C’est dans ce cadre que s’inscrivent les études sur les systèmes de santé brésilien, argentin et mexicain qui illustrent deux approches différentes.

    👉 H&TI dresse un aperçu détaillé de différents aspects du Sistema Único de Saúde au Brésil, notamment son organisation, son financement et son contexte numérique, dans un article à retrouver ici.

    👉 Pour l’Argentine H&TI dresse également un aperçu détaillé de son système de santé tripartite financé à la fois par des sources étatiques et privées ici.

    👉 Dans cet article, H&TI détaille l’organisation du système de santé mexicain, pays  où la couverture de santé est la plus faible pour sa population soit 28% dans les pays de l’OCDE.

    📌 Comment le Brésil veut devenir un leader de la santé numérique en Amérique latine ?

    Le Brésil ambitionne de devenir un leader en santé numérique en Amérique latine d’ici 2028 grâce à une feuille de route ambitieuse. Si le Brésil a déjà posé des bases solides pour moderniser son système de santé, il lui reste plusieurs défis à surmonter. Surtout en matière d’interopérabilité des systèmes, de formation des professionnels et d’égalité d’accès au numérique. La réussite de cette transformation dépendra de la capacité du pays à structurer ses infrastructures et à assurer une adoption large des outils digitaux

    👉H&TI réalise une synthèse des principaux points de cette stratégie, dans un article à retrouver ici.

    📌 L’Argentine accélère sa transition vers une santé numérique interconnectée

    L’Argentine accélère sa transition vers une santé numérique interconnectée pour moderniser son système de soins et réduire les inégalités d’accès. Lancée en 2018 et toujours en cours, la Stratégie nationale de santé digitale vise à centraliser les dossiers médicaux, renforcer l’interopérabilité des systèmes et développer des solutions numériques, comme la télémédecine et les applications mobiles.

    👉H&TI réalise une synthèse des principaux points de cette stratégie, dans un article à retrouver ici.

    📌 Le dossier médical partagé au cœur de la stratégie du Mexique

    Contrairement à d’autres pays d’Amérique latine, le Mexique ne dispose pas encore d’une stratégie claire et unifiée en matière de santé numérique. Toutefois, son Plan national de santé 2024-2030 accorde une place croissante aux outils digitaux dont le dossier médical partagé, la prise de rendez-vous en ligne et à la téléconsultation. Aujourd’hui, bien que la santé numérique progresse au Mexique, son développement reste fragmenté et dépendant des initiatives des différents organismes de santé. L’absence d’une stratégie nationale claire et de standards unifiés ralentit l’interopérabilité et l’optimisation du système.

    👉H&TI réalise une synthèse des principaux points de cette stratégie ici.

    📌 L’accès au marché de la santé numérique au Brésil, Mexique et Argentine

    Le marché de la santé numérique en Amérique latine représente une opportunité croissante pour les entreprises étrangères mais l’accès y est encadré par des réglementations spécifiques à chaque pays à retrouver dans cet article. Si le Brésil et l’Argentine ont déjà structuré des réglementations précises pour les dispositifs médicaux (DM) et la protection des données, le Mexique reste en pleine évolution réglementaire.

    👉 Brésil, Argentine et Mexique possèdent chacun un cadre législatif propre en matière d’importation, de dispositifs médicaux et d’IA dans un article à retrouver ici.

    Synthèse stratégie numérique & data pour les pays d’Amérique latine @ H&TI

  • Contexte et chiffres clés de la santé numérique au Brésil

    Un système décentralisé et universel

    L’organisation du SUS repose sur une gestion tripartite impliquant le ministère de la Santé, les États fédérés et les municipalités. Cette structure permet d’adapter les services de santé aux réalités locales et d’assurer une meilleure accessibilité aux soins. Ainsi, le SUS est divisé en plusieurs niveaux :

    • Atenção Primária (soins primaires) : dispensés dans les Unidades Básicas de Saúde (UBS), ils englobent les consultations générales, la vaccination et les soins de base.
    • Atenção de Média Complexidade (soins de moyenne complexité) : impliquant des spécialistes et des cliniques, ce niveau inclut les consultations spécialisées et les Unidades de Pronto Atendimento (UPA).
    • Atenção de Alta Complexidade (soins de haute complexité) : services hospitaliers avancés, notamment les chirurgies complexes et les transplantations.

    Le Brésil dispose également de services d’urgence et de surveillance sanitaire dont le SAMU (Serviço de Atendimento Móvel de Urgência accessible via le numéro 192) et la Vigilância Sanitária gérée par l’Agence nationale de surveillance sanitaire (ANVISA qui veille à la qualité des produits alimentaires et médicaux. Malgré son ambition d’universalité, le SUS rencontre des défis majeurs : sous-financement, inégalités régionales et surcharge des services. Une des problématiques importantes reste le taux d’absentéisme des patients (no-show) qui dépasse 11% dans certaines institutions impactant la rentabilité et l’efficacité des services hospitaliers.*

    Chiffres clés Brésil @ H&TI

    Un financement mixte pour le SUS

    Le financement du SUS provient principalement des impôts collectés aux niveaux fédéral, étatique et municipal. Cependant, le Brésil fait face à des défis budgétaires avec des coupes envisagées dans plusieurs secteurs y compris la santé. L’amendement constitutionnel n° 29 de 2012 exige que les États et municipalités allouent entre 12 % et 15 % de leurs revenus à la santé.

    En parallèle, un secteur privé coexiste avec le SUS. Environ 25% de la population brésilienne souscrit à une assurance santé privée, ce qui leur permet d’accéder à des services supplémentaires ou à des établissements privés. Le marché de la santé privée génère près de 40% des dépenses de santé du pays, bien que seuls les assurés puissent en bénéficier, accentuant ainsi les inégalités d’accès aux soins.

    51 hôpitaux universitaires rattachés à 36 universités fédérales

    Les hôpitaux universitaires fédéraux du Brésil offrent près de 30 000 lits hospitaliers et assurent chaque année des millions de consultations et interventions spécialisées. Ces établissements, qui comptent 51 hôpitaux affiliés à 36 universités fédérales sont des centres de référence pour les soins de moyenne et haute complexité au sein du SUS. Ces hôpitaux remplissent une double mission : fournir des soins avancés aux patients du SUS et constituer un terrain d’apprentissage pour les futurs médecins, infirmiers et chercheurs. De plus, ils jouent un rôle dans le développement et l’application de technologies médicales innovantes.

    La gestion de ces hôpitaux a été centralisée sous l’Entreprise Brésilienne de Services Hospitaliers (Ebserh), une entreprise publique liée au ministère de l’Éducation. Cette structure permet d’assurer une meilleure allocation des ressources et une modernisation des infrastructures hospitalières. En 2024-2025, une tendance forte dans ces hôpitaux concerne l’adoption de nouvelles technologies pour améliorer la gestion hospitalière et l’expansion de la télémédecine. Environ 69% des centres de santé proposent désormais des consultations à distance facilitant l’accès aux soins pour les populations isolées.

    Selon un rapport 2022 du gouvernement brésilien, le Brésil comptait 4 466 hôpitaux en activité, dont la majorité était privée. Le pays disposait de 263 793 lits hospitaliers, concentrés principalement dans la région Sud-Est. La répartition des hôpitaux varie selon les régions : 1 837 dans le Sud-Est, 1 007 dans le Nord-Est et 858 dans le Sud. La plupart des hôpitaux privés sont de petite taille (moins de 50 lits) et collaborent avec le SUS.

    Un budget de 464 M de réais (73 M€) en 2023 pour la santé numérique

    En 2023, un budget a été alloué à la santé numérique notamment pour renforcer l’interopérabilité des données de santé. La Rede Nacional de Dados em Saúde (RNDS) est la plateforme pour l’interopérabilité mise en place au Brésil. Elle permet d’intégrer les informations de santé des patients à travers le pays. Selon Ana Estela Haddad, secrétaire de l’Information et de la santé numérique du ministère de la Santé, la RNDS garantit que les données des patients soient accessibles et partagées entre les différents niveaux de soins, qu’il s’agisse de soins primaires ou spécialisés. Cependant, seulement 21 régions, soit environ 19 % du total ont déclaré être entièrement intégrées à la RNDS ce qui met en lumière des défis en termes d’adoption et d’interopérabilité dans certaines régions. Pour accélérer ce processus, le gouvernement brésilien a lancé un programme de fédéralisation de la RNDS. Celui-ci implique 8 états pilotes pour améliorer l’intégration des données au niveau régional.

  • Contexte et chiffres clés de la santé numérique au Mexique

    Un système fragmenté et inégalitaire

    Le système de santé mexicain est organisé en 3 niveaux de soins : le premier niveau comprend la prise en charge primaire, le second les soins hospitaliers généraux et spécialisés tandis que le troisième niveau comprend les hôpitaux à spécialité et les centres de référence. Par ailleurs, le système repose sur 3 composantes :

    La sécurité sociale qui se subdivise entre l’IMSS et l’ISSSTE. L’IMSS (Institut mexicain de la sécurité sociale) qui couvre les travailleurs du secteur formel et leurs familles, soit environ 44,5 % de la population. L’ISSSTE (Institut de sécurité et des services sociaux des travailleurs de l’État) qui prend en charge les fonctionnaires et leurs familles, soit environ 10,6 % des citoyens.

    Le secteur public pour la population non affiliée à la sécurité sociale, historiquement représenté par le « Seguro Popular » et remplacé en 2020 par l’INSABI, puis dissous en 2023 au profit de l’IMSS-Bienestar. Ce programme s’adresse aux travailleurs informels et aux populations vulnérables.

    Le secteur privé qui concerne environ 11 % de la population et fonctionne sur une base d’assurance privée ou de paiement direct.

    Chiffres clés @ H&TI

    Un financement en dessous de la moyenne de l’OCDE

    Le financement du système de santé repose principalement sur les cotisations salariales et patronales, le budget alloué par l’état et les paiements directs des patients pour le secteur privé et les soins hors couverture publique. Le Mexique consacre 5,5 % de son PIB à la santé, bien en dessous de la moyenne de l’OCDE qui est de 8,8%. Cette insuffisance budgétaire accroît la dépendance au secteur privé et creuse les inégalités d’accès aux soins. En 2020, 28 % des Mexicains n’avaient pas accès aux services de santé contre 16 % en 2018. L’INSABI a été instauré en 2020 afin d’assurer une couverture universelle et gratuite. Toutefois, cela a souffert d’un manque de personnel et de ressources aggravé par la pandémie Covid-19. Ce sous-financement limite l’accès aux services et provoque une dépendance au secteur privé pour de nombreux citoyens.

    4 304 établissements de santé et 24 CHU

    Le secteur hospitalier contribue à 1,3 % du PIB national et générant environ 656 000 emplois. Il comprend 4 304 établissements de santé dont 1 477 hôpitaux publics et 2 827 hôpitaux privés. Ce réseau offre un total de 191 000 lits médicaux répartis entre 131 000 lits d’hospitalisation et 60 000 dédiés à d’autres soins spécialisés. La majorité des hôpitaux du pays sont de petite taille, avec 90,2 % d’entre eux disposant de 24 lits ou moins.

    Les hôpitaux privés occupent une place importante notamment dans les grandes zones urbaines. Environ 55,6 % des établissements privés se situent dans des États comme la Ville de Mexico, l’État de Mexico, Jalisco, Guanajuato, Nuevo León, Michoacán et Puebla. Ils emploient plus de 95 000 médecins dont 83,5 % sont des spécialistes.

    Un pays sans stratégie claire en santé numérique

    Le Mexique a amorcé une transformation numérique de son système de santé après la pandémie de Covid-19 qui a accéléré l’adoption des technologies numériques dans le diagnostic et le traitement des patients. Cependant, plusieurs obstacles freinent encore son développement au niveau national.

    Seulement 40 % des hôpitaux publics disposent de systèmes numériques interopérables, limitant la coordination des soins. Le pays manque également d’un cadre réglementaire clair pour l’utilisation de l’intelligence artificielle en santé et moins de 5 % des professionnels de santé ont une formation en technologies numériques. De plus, une résistance culturelle à l’adoption des outils numériques persiste notamment chez les médecins et les patients âgés.

    Face à ces défis, un projet coordonné par FUNSALUD a réuni 64 institutions (universités, entreprises, associations médicales et gouvernement) pour poser les bases d’un cadre réglementaire structurant. Parmi les avancées majeures figurent la téléconsultation médicale, la prescription électronique et le dossier médical numérique qui constituent les piliers du futur écosystème de santé digitale. Actuellement, les efforts se concentrent sur l’inscription de la santé numérique dans l’agenda législatif du pays afin d’établir des normes adaptées et d’accélérer son intégration au sein du système de santé.