Articles

  • Diabète et DMN : un cadre européen pour garantir sécurité et innovation

    Le cadre européen des DMN : sécurité, qualité et protection des données

    Plusieurs types de dispositifs médicaux (DM) sont aujourd’hui utilisés pour la gestion du diabète. En 2023, environ 30 % des patients diabétiques de type 1 en France utilisaient un système de mesure de glucose en continu (CGM), contre 20 % en 2020. Les pompes à insuline, souvent associées à ces systèmes, équipent désormais 15 % des patients atteints de diabète de type 1.

    Selon l’Agence nationale de sécurité du médicament et des produits de santé (ANSM), un DMN est un dispositif relié, directement ou à distance, à un système d’information de santé (SIS), composé de matériels, logiciels et données, et participant à des fonctions médicales telles que le traitement, l’analyse, la surveillance, le diagnostic ou la supervision. Pour être commercialisés en Europe, les DMN doivent se conformer au règlement européen 2017/745/UE relatif aux DM. Selon leur composition, d’autres réglementations peuvent s’appliquer, notamment :

    Vu que les DMN traitent des données de santé personnelles, ils doivent également respecter le règlement général sur la protection des données (RGPD) 2016/679. La conformité au règlement Reach est également nécessaire pour protéger la santé humaine et l’environnement contre les risques liés aux substances chimiques. Des normes volontaires, telles que l’EN Iso 13485:2016 pour le management de la qualité et l’EN Iso 14971:2012 pour la gestion des risques, sont recommandées pour assurer la sécurité et la performance des DMN tout au long de leur cycle de vie. D’autres normes, comme l’EN 62304 pour les logiciels de DM et l’EN 62366-1 pour l’ingénierie de l’aptitude à l’utilisation, sont également pertinentes. La sécurité des données personnelles et médicales est primordiale, avec des normes telles que l’Iso 27000 pour la sécurité de l’information.

    La demande de prise en charge des DMN simplifiée

    La Haute autorité de santé (HAS) et le ministère des Solidarités et de la Santé ont publié un guide détaillé pour accompagner les exploitants de DMN dans leurs demandes de prise en charge anticipée. Cette démarche s’inscrit dans le cadre de l’article L.162-1-23 du Code de la sécurité sociale, introduit par la loi de financement de la Sécurité sociale (LFSS) 2022. Ce dispositif facilite l’accès rapide à l’innovation en soutenant les DMN à un stade précoce de développement. Les exploitants doivent déposer une demande formelle, respectant les conditions et exigences administratives suivantes :

    • la soumission du dossier : la demande se fait via la plateforme Sésame de la HAS, avec une transmission simultanée aux ministres chargés de la santé et de la sécurité sociale, ainsi qu’à la Commission nationale d’évaluation des dispositifs médicaux et des technologies de santé (Cnedimts) ;
    • la vérification et l’instruction : après dépôt, la Haute autorité de santé (HAS) vérifie la complétude du dossier (des informations complémentaires peuvent être demandées pour préciser certains aspects techniques ou organisationnels) ;
    • le contenu du dossier – partie médico-technique et références documentaires : cette section doit inclure une description complète du DMN, son mode d’action, les contextes cliniques où il est utilisé, et des éléments sur son utilisation en conditions réelles (les exploitants doivent aussi fournir des données issues de la recherche documentaire) ;
    • ainsi que la partie destinée aux ministres : elle comporte des engagements de l’exploitant, des informations sur les extensions d’indications prévues et des données économiques (cette section vise à permettre une évaluation économique et stratégique pour justifier la prise en charge).

    Des DMN dédiés au diabète déjà remboursés :

    Parmi les innovations ayant obtenu l’approbation de la HAS et de la Cnedimts, plusieurs DMN concernent la prise en charge du diabète comme Omnipod 5 d’Insulet Corporation, Freestyle Libre 3 d’Abbott, ou encore Mylife CamAPS FX d’Ypsomed. Ces technologies permettent une mesure précise de la glycémie et un ajustement en temps réel des doses d’insuline grâce à l’analyse continue des données interstitielles. Les DMN contribuent à réduire les variations glycémiques, simplifient la gestion quotidienne de la maladie et diminuent sensiblement les risques de complications. Leur interface intuitive favorise également une meilleure observance thérapeutique, en rendant leur utilisation plus accessible aux patients. Récemment, le dispositif numérique de télésurveillance MyDiabby Healthcare a eu l’approbation pour une prise en charge anticipée.

    En octobre 2024, la HAS a exprimé son souhait d’évaluer davantage de DMN. Elle a donc mis en place un guichet unique dédié, facilitant ainsi les processus pour les fabricants et les professionnels de santé.

    Des enjeux de santé publique

    Le diabète, en raison de son impact croissant sur la population, figure parmi les enjeux majeurs abordés dans les stratégies nationales de santé (SNS) 2018-2022 et 2023-2033. Ces plans mettent en place des mesures pour prévenir la maladie, réduire les inégalités et améliorer les parcours de soins. Parmi les initiatives mises en œuvre, peuvent être citées :

    • le Nutri-Score, un outil pour guider les consommateurs vers une alimentation équilibrée, essentielle pour prévenir le diabète ;
    • des actions visant à réduire la consommation de boissons sucrées, identifiées comme un facteur de risque clé ;
    • des campagnes de sensibilisation à l’activité physique pour lutter contre la sédentarité et l’obésité ;
    • des actions de prévention et d’éducation thérapeutique (ETP) dans les territoires les plus défavorisés ;
    • ainsi que des action d’amélioration de l’accessibilité des soins pour les populations à risque, notamment dans les zones rurales ou médicalement sous-dotées.

    Au cours des cinq dernières années, en France, la prévalence du diabète a continué de croître : plus de 3,8 millions de personnes étaient traitées pour un diabète, soit 5,6 % de la population française.

     

  • IA médicale : la FDA ajuste sa régulation face à l’essor des nouvelles technologies

    Régulation de l’IA en santé : la FDA adapte son rôle face aux innovations technologiques

    La Food and drug administration (FDA) a publié dans le Journal of the American Medical Association (JAMA) plusieurs pistes de réflexion pour renforcer ses actions en matière de régulation de l’intelligence artificielle (IA) dans les soins de santé. Porté par le commissaire Robert Califf et ses équipes, l’article de la FDA explique que « l’IA continue de présenter des défis et des opportunités uniques. Cette communication spéciale passe en revue l’histoire de la réglementation de l’IA par la FDA dans les industries qu’elle supervise, ainsi que 10 concepts qui méritent d’être pris en compte alors que le système réglementaire évolue pour s’adapter à cette technologie en rapide mutation ».

    La FDA a autorisé près de 1 000 dispositifs médicaux intégrant de l’IA et a reçu des centaines de demandes pour des médicaments développés grâce à cette technologie. La croissance rapide des technologies d’IA, allant des simples algorithmes à l’IA générative, nécessite des cadres de régulation plus souples et adaptatifs. Les dispositifs utilisant l’IA peuvent aller de simples outils administratifs à des systèmes intégrés dans des équipements médicaux critiques, comme les défibrillateurs cardiaques. La FDA adopte une approche basée sur les risques pour encadrer ces technologies.

    Harmonisation, transparence des algorithmes et anticipation des grands modèles de langage

    Suivre l’évolution rapide de l’IA

    La FDA a démontré son ouverture à l’innovation via des initiatives comme le programme pilote de pré-certification des logiciels. Les responsables notent cependant que la mise en œuvre de ces initiatives pourrait nécessiter des pouvoirs statutaires supplémentaires pour l’agence. Au-delà des actions de la FDA, ils insistent sur l’importance d’une implication renforcée de l’industrie et des autres parties prenantes afin de garantir une gestion rigoureuse de la qualité des produits d’IA.

    Anticiper les risques des grands modèles de langage et de l’IA générative

    À ce jour, la FDA n’a approuvé aucun grand modèle de langage (large language model ou LLM) à des fins cliniques. Cependant, l’usage croissant de l’IA dans le diagnostic, le traitement et la prévention des maladies impose une surveillance stricte. L’agence identifie des risques liés à certaines applications, telles que les « scribes IA », qui synthétisent des notes médicales mais pourraient introduire des erreurs ou des diagnostics incorrects. La FDA plaide pour une innovation réglementaire afin d’encadrer ces outils et encourage une collaboration proactive entre développeurs, cliniciens et régulateurs, notamment via des plateformes comme le comité consultatif sur la santé numérique de l’agence.

    Gestion du cycle de vie des produits d’IA et responsabilité partagée

    Prioriser la gestion du cycle de vie des produits d’IA : Les algorithmes évolutifs et leur dépendance au contexte posent des défis pour le suivi de leurs performances. La FDA souligne l’importance d’une surveillance continue des modèles après leur mise sur le marché, ce qui exige la mise en place de systèmes de suivi intégrés. Les systèmes de santé devront créer un écosystème d’information similaire à la surveillance des patients en soins intensifs pour évaluer en permanence l’impact des technologies d’IA dans un environnement clinique réel.

    Encourager une responsabilité partagée entre les fournisseurs : La régulation par la FDA repose sur une conformité volontaire des acteurs de l’industrie. Califf et ses co-auteurs rappellent que l’agence examine les études financées par l’industrie sans mener elle-même d’essais cliniques. Le cadre réglementaire de l’IA suit ce modèle, exigeant une gestion rigoureuse de la qualité dès la conception des produits.

    Assurer une surveillance équitable entre Big Tech, startups et universitaires : Le secteur de la santé numérique voit une domination croissante des grandes entreprises technologiques. La FDA doit garantir que les modèles développés par les petites entreprises et les universités soient aussi sûrs et efficaces que ceux des grandes firmes. Les programmes actuels de l’agence incluent des initiatives spéciales visant à soutenir les petites entités innovantes, étendant cette approche aux développements en IA.

    Équilibrer rentabilité et qualité des soins

    Califf et ses collègues soulignent le risque que les motivations financières des entreprises compromettent la qualité des soins. La mission de la FDA, qui est de protéger la santé publique, impose une pression sur le système pour privilégier des résultats centrés sur le patient. Cependant, une approche collective et collaborative impliquant tous les acteurs de l’écosystème de la santé sera cruciale pour équilibrer les enjeux économiques et cliniques.

    Transparence et harmonisation internationale

    La régulation de l’IA dans les dispositifs médicaux s’inscrit dans un cadre mondial, où les standards doivent être harmonisés entre pays. La FDA collabore au sein de l’International Medical Device Regulators Forum (IMDRF) pour promouvoir de meilleures pratiques partagées. L’agence insiste également sur la transparence dans la conception et le suivi des produits d’IA, tout en soulignant la nécessité d’une collaboration étroite entre régulateurs et développeurs pour limiter les risques liés à l’opacité des modèles.

    Face à l’accélération des progrès technologiques, la FDA se trouve à la croisée des chemins entre innovation et régulation. Une approche flexible et proactive est indispensable pour garantir la sécurité et l’efficacité des outils d’IA dans les soins de santé. Au-delà des cadres législatifs, l’engagement des développeurs, des cliniciens et des régulateurs sera clé pour réussir l’intégration de cette technologie transformatrice tout en protégeant la santé des patients.

     

  • Ile-de-France : qu’est-ce que Santélien, le dossier de coordination numérique lancé par l’ARS et le Sesan ?

    Un outil à l’intention des professionnels de santé

    Opérée par le groupement régional d’appui au développement de la e-santé (Grades), Sesan, Santélien est la nouvelle solution régionale déployée en Ile-de-France, financée par l’Agence régional de santé dans le cadre du Programme eParours.

    Visant notamment à favoriser une meilleure interopérabilité entre les différentes solutions numériques, Santélien permet aux praticiens d’échanger des informations de manière sécurisée, d’organiser leurs prises en charge ou encore de disposer d’un suivi complet pour chaque patient. Ses nouvelles fonctionnalités offrent une solution gratuite et fiable pour fluidifier les parcours des secteurs sanitaire et médico-social.

    Destiné aux professionnels de santé, le dispositif intègre aussi le patient, en mettant en œuvre un parcours structuré entre l’hôpital et la ville. Le patient bénéficiera ainsi d’un suivi complet et coordonné, ce qui peut répondre aux difficultés rencontrer lorsqu’il consulte différents praticiens.

    Objectif de l'outil Santélien - @ Sesan
    Objectif de l’outil Santélien – @ Sesan

    Un large bouquet de services :

    L’ARS explique que Santélien “va progressivement s’enrichir de fonctionnalités telles que des parcours thématiques ou un accès patient”. Sur le portail en ligne, les professionnels de santé peuvent d’ores et déjà bénéficier d’un large choix de services, tels que :

    📌 une messagerie instantanée : sécurisée, elle permet de joindre en un clic les membres du cercle de soin autour d’un patient, et répond aux besoins des professionnels de disposer dans leur pratique d’un outil de communication rapide et conforme au cadre applicable à l’échange de données de santé ;

    📌 un cercle de soin : permet aux professionnels de visualiser l’ensemble des intervenants autour d’un patient (professionnels, structures et aidants) et de disposer immédiatement de leurs coordonnées de contact ;

    📌 un cahier de liaison numérique : permet le partage des notes de liaison et de coordination entre professionnels du cercle de soins (identifier et d’historiser les informations essentielles et utiles au suivi du patient et à l’organisation de sa prise en charge) ;

    📌 un tableau de bord des tâches : permet de créer des tâches pour soi-même ou d’autres professionnels, qu’elles soient en relation avec un patient donné ou d’ordre organisationnel ;

    📌 une liste de travail : permet de créer des listes thématiques et paramétrables de patients, ces listes sont partageables entre professionnels et permettent ainsi d’organiser une prise en charge personnalisée et organisée en fonction des besoins ;

    📌 la sollicitation d’une équipe ressource : les structures et services qui le souhaitent peuvent être sollicités pour une demande de prise en charge, d’appui ou d’avis, et organiser et prioriser les demandes reçues grâce à un tableau de suivi ;

    📌 des notifications : permettent aux professionnels d’activer une grande variété d’alertes paramétrables au choix, en fonction de leurs besoins et de leurs urgences ;

    📌 l’interopérabilité : Santélien est progressivement connecté aux principaux outils métiers des établissements de santé de la région (en particulier de l’AP-HP) et des professionnels de santé de ville, cette interopérabilité permet de simplifier la gestion des dossiers patients en évitant des ressaisies et en alertant automatiquement les professionnels d’actions menées dans Santélien ou d’évènements du parcours de soins (hospitalisation, sortie d’hôpital, etc.).

    Liens de Santélien avec les outils numériques nationaux de santé - @ Sesan
    Liens de Santélien avec les outils numériques nationaux de santé – @ Sesan

    Santélien remplace la plateforme Terr-eSanté

    Destinée à la fois aux patients, dont la prise en charge nécessite l’intervention coordonnée de plusieurs praticiens, et aux professionnels de santé, Terr-eSanté a basculé complètement vers Santélien. Si Terr-eSanté permet toujours la prise de rendez-vous, les données annexes telles que les dossiers des patients, le cercle de soins, ainsi que les notes facultatives des différents patients, sont aujourd’hui réorientées vers le site Santélien. Le site, qui reste actif, redirige aujourd’hui tous ses visiteurs vers la plateforme Santélien.

    Complémentaire des outils socles du « Ségur du numérique » – le dossier médical partagé (DMP) et la messagerie sécurisée de santé (MSSanté) -, Santélien est gratuitement mis à la disposition de tous les professionnels des secteurs sanitaires, médico-social et social. Il est déjà utilisé par plus de 80 communautés de santé en Île-de-France (hôpitaux, cliniques, communautés professionnelles territoriales de santé, maisons de santé pluridisciplinaires, dispositifs d’appui à la coordination, services soins infirmiers à domicile, EHPAD, services sociaux…). Ce nouvel outil est déjà au service de plusieurs centaines de professionnels de santé (médecins, infirmiers, masseurs-kinésithérapeutes, sage-femmes, pharmaciens, aides-soignants…), et coordonnateurs et travailleurs sociaux pour le volet médico-social.

     

  • Asie : déploiement d’un système avancé d’IA pour l’endoscopie digestive

    Des limites persistantes dans l’efficacité de l’endoscopie

    Chaque année, environ 75 millions d’endoscopies gastro-intestinales, comprenant principalement les gastroscopies et les coloscopies, sont réalisées dans le monde. Ce chiffre est en constante augmentation, en raison de l’augmentation des pathologies intestinales, notamment : les cancers gastro-intestinaux, le reflux gastro-œsophagien (RGO) et les maladies inflammatoires chroniques de l’intestin (MICI).

    Malgré son rôle essentiel dans le diagnostic de ces affections, l’endoscopie présente encore des limites majeures en 2024 qui compromettent son efficacité, en particulier pour la détection précoce des cancers gastro-intestinaux :

    • une sensibilité et spécificité insuffisantes, notamment pour les stades précoces des cancers, où un diagnostic rapide est crucial ;
    • une précision limitée des biopsies compromettant ainsi la fiabilité du diagnostic ;
    • ainsi qu’une dépendance à l’expérience des praticiens dans l’interprétation des images et la gestion des données.

    Une avancée technologique pour révolutionner la pratique

    Pour répondre à ces défis, Ainex a mis au point des algorithmes d’intelligence artificielle et d’apprentissage automatique spécifiquement conçus pour l’endoscopie gastro-intestinale. Ces technologies permettent une analyse en temps réel des images produites pendant les procédures endoscopiques, offrant ainsi aux médecins un accès instantané aux informations nécessaires pour affiner leurs diagnostics. Le système ENAD (endoscopy as AI-powered device), développé par Ainex, présente plusieurs avantages majeurs :

    • une vitesse de traitement accélérée :avec l’analyse des images multipliée par 10 à 20 fois par rapport à l’analyse manuelle ;
    • une réduction des faux positifs à moins de 5 %, ce qui permet de diminuer significativement le nombre de biopsies inutiles et les risques associés ;
    • et une précision améliorée dans la détection des lésions . Cette précision atteint 90 % à 95 % pour la détection des polypes et des lésions précancéreuses lors des coloscopies, avec une amélioration de 3 à 5 % par rapport à l’interprétation humaine seule.

    Un déploiement international en Corée du Sud et à Singapour :

    Le système IA d’Ainex est utilisé dans plus de 30 hôpitaux en Corée du Sud. Après des essais cliniques menés à l’Hôpital national universitaire de Singapour pour valider son efficacité et sa précision, Ainex s’apprête à lancer son système sur le marché singapourien.

     

  • Cancer du poumon : une plateforme multiomique avec IA améliore le profilage des patients

    Les composants de la plateforme Renovarocube

    Lors du dernier congrès de la Société européenne d’oncologie médicale (ESMO), Renovarocube, filiale du groupe américain Renovaro, a présenté ses avancées récentes concernant sa technologie multi-omique, intégrée à l’IA, pour le profilage du cancer du poumon.

    Cette entreprise néerlandaise, spécialisée dans les sciences des données moléculaires, développe une plateforme d’IA dédiée à la détection précise des cancers et de leurs récurrences, ainsi qu’au suivi des thérapies ciblées, basé sur l’analyse génomique.

    La plateforme combine trois éléments majeurs :

    • une IA avancée pour l’analyse de données multi-omiques complexes ;
    • la technologie de séquençage de nouvelle génération Oxford Nanopore, permettant de capturer sans les fragmenter les copies d’ADN libre circulant dans le plasma sanguin ;
    • la multi-omique, intégrant des données provenant de plusieurs disciplines biologiques telles que la génomique, la protéomique et la transcriptomique.

    Des performances prometteuses

    La première étude, présentée à l’ESMO, a démontré que le modèle d’apprentissage profond de RenovaroCube est capable d’identifier les schémas d’altération de l’ADN avec une précision et une sensibilité supérieures à 90 %, en utilisant seulement 10 nanogrammes d’ADN circulant. Cela représente une réduction de 50 % de la quantité d’ADN nécessaire par rapport aux technologies de séquençage conventionnelles.

    La seconde étude a révélé que cette plateforme multi-omique, intégrant une IA, corrèle avec une grande précision les schémas de méthylation de l’ADN à l’évolution de la tumeur. Cela renforce sa capacité à fournir un suivi précis de la progression des cancers et des réponses aux traitements.

    Un outil prometteur pour la détection et le suivi du cancer :

    Ces résultats montrent que cet outil innovant permet une détection efficace, réduisant ainsi le recours aux biopsies invasives tout en améliorant la précision du suivi des patients. Ils constituent des avancées clés vers la mise sur le marché de cette plateforme.

     

  • Etude : une IA couplée à une vidéo pourrait dépister diabète et HTA sans test invasif (AHA)

    DT2 et HTA : combattre le sous-diagnostic

    Un adulte sur trois est concerné par l’hypertension artérielle mais seule la moitié le sait. Une ignorance qui peut se révéler dramatique car l’HTA est la première cause évitable d’AVC. Quant au diabète de type 2, 28% des patients sont diagnostiqués au stade des complications donnant lieu à l’hospitalisation. Dans les deux cas, le diagnostic précoce fait donc défaut. Trouver des méthodes plus simples et moins invasives que les examens actuels pourraient par conséquent représenter un intérêt.

    C’est pourquoi des chercheurs de l’université de Tokyo ont mené une étude préliminaire visant à évaluer l’intérêt de l’IA dans le dépistage du diabète et de l’HTA. Concrètement, ils ont collecté des données entre août 2022 et mai 2024 dans les services de cardiologie de l’Hôpital universitaire de Tokyo auprès de 215 adultes (âge moyen de 64 ans). Parmi elles, 62 étaient diagnostiquées hypertendues, 88 avaient des valeurs normales selon les normes japonaises (moins de 115/75 mm Hg), et 65 avaient des valeurs entre ces deux plages. De plus, 44 personnes étaient diagnostiquées diabétiques ou avaient un niveau d’HbA1c de 6,5 % ou plus.

    Quand l’IA décrypte les caractéristiques du flux sanguin

    Les chercheurs ont ensuite développé un algorithme d’IA breveté, qui a été combiné avec une vidéo rapide de 5 à 30 secondes de la peau du visage et de la paume de la main. En effet, l’hypertension et le diabète modifient de manière subtile le flux sanguin dans le visage et les mains. Les chercheurs ont ainsi pu tester l’efficacité d’une caméra vidéo à haute vitesse pour enregistrer des images du visage et de la paume des mains à une vitesse de 150 images par seconde. Grâce à des données de longueur d’onde permettant de détecter les ondes de pouls, l’équipe a ensuite utilisé son algorithme pour détecter l’hypertension et le diabète à partir des caractéristiques du flux sanguin capturées sur les vidéos.

    Résultats : l’IA précise à plus de 90%

    • Comparé aux valeurs de pression artérielle mesurées par un moniteur de pression continu, la combinaison vidéo/algorithme s’est révélée précise à 94 % pour détecter une hypertension de stade 1 ( 130/80 mm Hg ou plus selon les directives de l’American Heart Association).
    • La combinaison vidéo/algorithme a également montré une précision de 86 % pour détecter une pression artérielle au-dessus de la normale avec une vidéo de 30 secondes, et de 81 % avec une vidéo de 5 secondes.
    • Comparée aux résultats du test d’hémoglobine A1c pour le diabète, l’IA associée à la vidéo a permis d’identifier des diabétiques avec une précision de 75 %.

    « J’ai été surprise par l’applicabilité de l’algorithme de flux sanguin pour détecter le diabète », », a déclaré Ryoko Uchida, chercheuse en cardiologie avancée à l’Université de Tokyo. La co-autrice de l’étude estime donc que « cette méthode pourrait un jour permettre aux gens de surveiller leur santé chez eux et conduire à une détection précoce de l’hypertension et du diabète chez les personnes qui évitent les examens médicaux et les tests sanguins. »

    Un dispositif intégré dans le smartphone ?

    Cependant, il s’agit d’une étude préliminaire. Le dispositif de surveillance de la pression utilisé dans cette étude, bien que certifié par la FDA, n’a pas suivi des protocoles de validation appropriés pour garantir son exactitude. Afin d’obtenir une approbation de la FDA, les chercheurs prévoient d’améliorer leur algorithme afin qu’il prenne en compte les arythmies ou les battements cardiaques irréguliers. Et à l’avenir, la caméra pourrait être remplacée par un capteur abordable utilisant uniquement les longueurs d’onde essentielles et ne nécessitant que quelques secondes pour collecter les données. « Il pourrait alors être intégré dans des smartphones (ou même accroché à un miroir où quelqu’un pourrait s’asseoir quelques instants), être produit en masse et rester peu coûteux », », a indiqué Ryoko Uchida.

    *AI-powered tool may offer quick, no-contact blood pressure and diabetes screening

    American Heart Association Scientific Sessions 2024, Abstract MDP1049

  • Efficacité économique d’un dépistage hiérarchisé de la cataracte basé sur l’IA en Chine

    27 millions de chinois affectés par la cataracte

    La cataracte est la principale cause de déficience visuelle mondiale, exacerbée par le vieillissement de la population chinoise, où 478 millions de personnes ont plus de 50 ans. Actuellement, 27 millions souffrent de cataracte, représentant plus de 50 % des cas de cécité dans le pays. D’ici 2050, le nombre de cas de cécité due à la cataracte pourrait atteindre 20 millions.

    Une équipe multidisciplinaire du Centre Ophtalmique Zhongshan (COZ) de l’Université Sun Yat-Sen, en Chine, a évalué l’efficacité économique d’un modèle de dépistage hiérarchique de la cataracte, intégrant des technologies numériques avancées.

    Les limitations des méthodes traditionnelles

    Les méthodes de dépistage conventionnelles sont laborieuses et nécessitent des équipements spécialisés, rendant l’accès difficile en milieu rural. Bien que la télémédecine améliore l’accès, sa couverture demeure insuffisante en Chine. De plus, le diagnostic par intelligence artificielle (IA) ne couvre pas l’ensemble des soins nécessaires.

    Un modèle innovant pour un dépistage inclusif

    Les chercheurs du COZ ont conçu un modèle de dépistage numérique hiérarchisé (DH) pour améliorer l’accessibilité et l’équité des soins oculaires, en combinant trois niveaux :

    • Un dépistage à domicile assisté par IA via des smartphones,
    • Un diagnostic communautaire basé sur l’IA,
    • Une orientation vers des cliniques spécialisées.

    Méthodologie et résultats

    Cette étude a évalué l’efficacité économique de ce modèle par rapport aux options traditionnelles, utilisant un modèle de Markov sur une cohorte simulée de 100 000 résidents âgés de 50 ans et plus. Les résultats publiés dans Nature Communications indiquent que :

    • Le modèle hiérarchisé est plus rentable, évitant 341 années de cécité en milieu urbain et 1 326 en milieu rural par rapport à la télémédecine.
    • Ce dépistage annuel s’avère également le plus économique en termes de coût par année de cécité évitée et d’années de vie ajustées en fonction de la qualité, particulièrement en milieu rural, où le besoin est pressant.

  • Une IA associée à un test rapide de troponine pour diagnostiquer le risque d’infarctus au lit du patient

    Troponine cardiaque : trois limites du diagnostic centralisé

    Un consortium de chercheurs hospitaliers allemands, américains et australiens démontre l’efficacité d’un algorithme d’intelligence artificielle pour prédire le risque individuel d’infarctus du myocarde. Actuellement, le diagnostic de l’infarctus repose principalement sur la mesure de la troponine cardiaque à haute sensibilité (hs-cTn) en laboratoire central. Cette méthode présente toutefois trois limites majeures :

    • Un délai d’attente prolongé pour l’obtention des résultats de laboratoire.
    • Des seuils de troponine standardisés ne prenant pas en compte les variations cliniques individuelles.
    • Une efficacité limitée pour les patients se présentant tôt, soit moins de trois heures après l’apparition des symptômes.

    99,96 % : L’algorithme ARTEMIS améliore le diagnostic de l’infarctus du myocarde

    Les chercheurs ont utilisé l’algorithme d’apprentissage automatique personnalisé ARTEMIS POC (Point of Care). Cet outil, combiné à une mesure de hs-cTn sur un dispositif de diagnostic rapide, intègre et pondère diverses variables cliniques et biologiques. Une étude rétrospective observationnelle a été menée sous la coordination du Centre Universitaire des Maladies Cardiaques et Vasculaires de Hambourg.

    L’étude a inclus 2 560 patients admis aux urgences pour suspicion d’infarctus du myocarde et a analysé rétrospectivement les données des cohortes SEIGE (États-Unis) et SAMIE (Australie). Les résultats, publiés dans The Lancet Digital Health, montrent que l’algorithme ARTEMIS, en se basant sur une seule mesure de hs-cTn, offre :

    • Une valeur prédictive négative de 99,96 %.
    • Une sensibilité de 99,68 %.
    • Une valeur prédictive négative et une sensibilité de 100 % pour l’infarctus du myocarde de type 1 uniquement.

    Une avancée dans l’exclusion rapide des patients à faible risque d’infarctus

    L’étude révèle que l’algorithme ARTEMIS-POC a identifié 35,1 % des patients éligibles à une exclusion directe, un chiffre qui dépasse de plus du double les recommandations de la Société européenne de cardiologie et du Collège américain de cardiologie, tout en maintenant un niveau de sécurité élevé. Cette intelligence artificielle devrait permettre :

    • Une accélération de la sortie sécurisée des patients à faible risque des urgences.
    • Une application dans des contextes de soins ambulatoires, précliniques ou géographiques isolés.
    • Un potentiel de réduction du temps d’exclusion à quelques minutes, même pour les patients se présentant précocement.

     

  • Des modèles de financement pour créer la Valeur en Santé

    Santé publique et responsabilité sociale : un équilibre délicat

    Comment assurer la qualité des soins et mesurer objectivement la satisfaction des patients ? Et surtout, comment s’accorder sur des méthodes de mesure communes à tous les acteurs pour évaluer la perception du service rendu ? Les responsabilités des pouvoirs publics en matière de santé publique et d’accès à des soins de qualité ne se limitent pas à l’amélioration de l’état de santé global. Elles incluent également la protection des populations les plus vulnérables, tant sur le plan médical que social. Cet équilibre impose une gestion minutieuse des ressources, dans un environnement où les besoins en santé, tout comme les coûts, ne cessent de croître. Face à ces défis, il est crucial d’adopter des modèles de financement capables de refléter les principes de justice sociale et de répondre aux spécificités des différents acteurs du système de santé.

    Vers des modèles de financement alternatifs

    Les modèles de paiement traditionnels, tels que le paiement à l’acte ou la capitation, dominent encore largement. Le paiement à l’acte, bien qu’il encourage la productivité, génère une inflation des actes médicaux, souvent au détriment de leur pertinence. À l’inverse, la capitation, qui offre un montant fixe par patient, peut entraîner une sous-utilisation des soins, pénalisant les patients nécessitant un suivi accru. Ces failles ont conduit au développement de modèles de paiement alternatifs, regroupés sous le concept de Value-Based Payment (VBP), qui visent à allier qualité des soins et efficacité économique.

    Le Paiement Basé sur la Valeur : conjuguer stabilité et performance

    Le VBP repose sur une double composante : un paiement de base substantiel qui assure une stabilité financière aux prestataires, et un volet variable lié à la performance. Ce dernier récompense des indicateurs mesurables tels que la satisfaction des patients ou le contrôle des maladies chroniques. Ce modèle offre un équilibre précieux, en alignant les incitations financières sur des objectifs cliniques mesurables sans négliger les aspects de soins difficiles à quantifier.

    L’innovation pour réduire les dépenses évitables

    L’un des objectifs majeurs du VBP est de réduire les dépenses évitables. Cela inclut les hospitalisations dues à des exacerbations évitables ou les examens superflus. Pour y parvenir, les prestataires doivent réorganiser leur mode de fonctionnement, en intégrant des innovations comme la télésurveillance ou des programmes d’éducation thérapeutique. Ces efforts permettent non seulement de diminuer les coûts, mais aussi d’améliorer significativement la qualité de vie des patients.

    Harold Miller : Center for Healthcare Quality and Payment Reform https://chqpr.org/

    Partage des risques et ajustement pour une équité renforcée

    Les modèles VBP introduisent une notion essentielle : le partage des risques financiers entre payeurs et prestataires. Cette approche, qui peut débuter par un partage des bénéfices avant d’évoluer vers une prise en charge bilatérale des pertes, incite à une gestion plus responsable des ressources. Par ailleurs, un ajustement des paiements en fonction des profils de risque des patients est indispensable pour prévenir la sélection adverse et garantir une prise en charge équitable.

    Des exemples inspirants : Articles 51, UGAP et 3M

    Des initiatives comme les Articles 51 en France, qui expérimentent des financements innovants, ou le partenariat UGAP-3M pour la télésurveillance, illustrent l’efficacité des modèles alternatifs. Ces programmes permettent de tester des approches intégrées et de mieux coordonner les soins, tout en mesurant leur impact sur les résultats et les coûts. À l’échelle internationale, des modèles comme les Accountable Care Organizations (ACOs) aux États-Unis ou le programme Gesundes Kinzigtal en Allemagne démontrent également la viabilité de ces approches.

    Vers une transformation durable

    Les modèles de paiement alternatifs ne se contentent pas d’optimiser les coûts : ils redéfinissent la manière de concevoir et de délivrer les soins. En alignant les incitations financières avec des objectifs de qualité, ils instaurent un cercle vertueux pour l’ensemble des parties prenantes. Pour soutenir cette transformation, des initiatives telles que celles menées par l’Institut Français de la Valeur en Santé offrent un accompagnement stratégique essentiel, contribuant à bâtir un système de santé durable et centré sur la valeur.

    References

    • Cattel, D., Eijkenaar, F., & Schut, F. T. (2020). Value-based provider payment: Towards a theoretically preferred design. Health Economics, Policy and Law, 15(1), 94–112. doi:10.1017/S1744133118000397.
    • Miller, H. D. (2018). 4 Steps to Successful Value-Based Payment. Center for Healthcare Quality and Payment Reform. Disponible sur : www.CHQPR.org
    • Ministère de la Santé et de la Prévention. (2018). Article 51 de la LFSS 2018 : Innovations organisationnelles pour la transformation du système de santé. Disponible sur : sante.gouv.fr.
    • Union des Groupements d’Achats Publics (UGAP). (2024). Sécurité humaine et télésurveillance. Disponible sur : ugap.fr.

     

  • Corée du Sud : IA et IoT au service de la santé des seniors

    Une stratégie numérique pour optimiser la prise en charge de la santé des seniors

    Les dépenses médicales pour les seniors représentent déjà plus de 43 % des coûts de santé totaux du pays, avec des dépenses par personne trois fois supérieures à celles des autres groupes d’âge. Pour répondre à ce défi, le gouvernement sud-coréen a lancé en 2020 un projet de soins basé sur l’intelligence artificielle (IA) et l’internet des objets (IoT). Ce projet vise à :

    • Effectuer une surveillance proactive des maladies chroniques
    • Réduire les coûts grâce à un suivi de santé à distance
    • Améliorer l’autonomie et la qualité de vie des seniors

    Un système alliant IoT, applications de santé et IA :

    Le dispositif repose sur :

    • des équipements connectés : tensiomètres, capteurs biométriques portables glucomètres intelligents, montres connectées et systèmes de détection de chutes ;
    • des fonctionnalités de commande vocale par intelligence artificielle (IA) ;
    • et des applications de suivi de la santé.

    Une amélioration notable de la santé pour 45 000 seniors

    Les résultats de ce projet, publiés dans le journal Healthcare par l’Institut coréen de promotion de la santé, montrent des impacts significatifs sur les 45 000 seniors ayant utilisé ce service. Parmi les 9 566 participants suivis plus de cinq mois, les chercheurs ont observé :

    • une amélioration des indicateurs de santé, avec une baisse moyenne de la pression artérielle de 0,69 mm Hg et une réduction de 0,14 kg/m² de l’indice de masse corporelle ;
    • des progrès dans les habitudes de vie, notamment une augmentation de l’activité physique modérée et de la marche ;
    • ainsi qu’une diminution des scores de fragilité, qui mesurent la résistance des seniors aux stress physiques et médicaux, dans les dimensions physiques, sociales et cognitives.

    Ce programme démontre ainsi le potentiel de l’IA et de l’IoT pour renforcer l’autonomie et la santé des seniors dans un contexte de vieillissement rapide.

     

     

    * Present and Future of AI-IoT-Based Healthcare Services for Senior Citizens in Local Communities: A Review of a South Korean Government Digital Healthcare Initiatives.

    Kim, D.-J.; Lee, Y.-S.; Jeon, E.-R.; Kim, K.J.

    Healthcare 2024, 12, 281. https://doi.org/10.3390/healthcare12020281