DM

Une équipe de chercheurs de la Faculté de médecine de l’Université de Boston a utilisé le machine learning (apprentissage automatique) pour analyser les données issues de Twitter portant sur l’activité physique. Ils ont constaté que les réseaux sociaux pouvaient fournir une vision précise du niveau d’activité physique au sein d’une population mais aussi des types d’exercices privilégiés et des niveaux d’intensité. Les résultats de cette étude* publiée le 14 juillet 2019 dans le BMJ Open Sport & Exercise Medicine suggère que la surveillance de l’activité physique à l’aide des réseaux sociaux pourrait être utile afin d’analyser les tendances spatiales et temporelles ainsi que pour compléter les méthodes traditionnelles de surveillance de l’activité physique.

Surveiller les niveaux d’activité physique pour lutter contre la sédentarité

Lutter contre la sédentarité est un des objectifs majeurs de santé publique dans bon nombre de pays industrialisés. Les États membres de l’OMS ont convenu d’élaborer et de mettre en œuvre des politiques visant à réduire les taux d’inactivité physique de 10 % d’ici 2025. L’engagement a donc été pris puisque la sédentarité est un facteur de risque modifiable. Cependant, pour atteindre cet objectif, il faut surveiller la prévalence de l’activité physique dans les populations. C’est une étape cruciale pour pouvoir ensuite cibler les interventions sur les groupes à risque et les régions à prévalence élevée.

L’estimation de la prévalence de l’inactivité physique grâce à des enquêtes traditionnelles est coûteuse, ne fournit pas des informations actualisées, et peut être sujette à des biais de remémoration. Les smartphones, bracelets d’activité physique et autres applis de fitness fournissent des informations plus précises sur le mouvement mais les réseaux sociaux permettent d’aller plus loin. Les informations textuelles descriptives donnent accès à des informations sur les activités favorites, l’intensité de l’exercice, le tout sur un très grand nombre d’individus.

Plus d’un million de tweets analysés grâce à l’IA

Des chercheurs de la faculté de médecine de l’Université de Boston ont donc mené une étude en utilisant les données de Twitter. Leur but était d’évaluer les différences entre les types d’activités déclarées par les utilisateurs et l’intensité de ces activités, mesurée en calories dépensées en 30 minutes d’activité. Deuxièmement, ils ont comparé ces données avec les estimations de l’inactivité physique provenant des centres américains de contrôle et de prévention des maladies (CDC).

Ils ont obtenu des données de Twitter d’avril 2015 à mars 2016. Elles comprenaient 1 382 284 tweets d’activité physique géolocalisés de 481 146 utilisateurs (55,7 % d’hommes et 44,3 % de femmes) dans plus de 2 900 comtés des États-Unis. Ils ont ensuite appliqué l’apprentissage automatique et la modélisation statistique pour faire ressortir les différences selon le sexe et la région dans les exercices préférés. Un algorithme de correspondance des mots-clés a été utilisé pour identifier les tweets avec un contenu pertinent. Pour les sports d’équipe, par exemple, seuls les tweets contenant les mots ‘jouer’ et ‘joué’ en conjonction avec l’activité ont été conservés. L’intensité de l’exercice a été calculée en fonction du nombre de calories brûlées pendant 30 minutes d’une activité physique donnée par un adulte américain de poids moyen.

Les résultats de cette étude ont été publiés le 14 juillet 2019 dans le BMJ Open Sport & Exercise Medicine.

Résultats : des disparités régionales à prendre en compte

• La marche était l’activité physique la plus populaire mais les autres activités variaient selon le sexe et la région.
• Les femmes de l’Ouest ont pratiqué des exercices plus intensifs que dans toute autre région.
• Les hommes et les femmes ayant participé à l’étude ont mentionné avoir exercé des activités physiques approximativement équivalentes.
• Le crossfit était l’activité n°1 chez les hommes et c’était le yoga chez les femmes.
• Les hommes ont fait des exercices légèrement plus intensifs que les femmes mais la différence en termes de calories dépensées était faible.

Cette toute première étude visant à évaluer l’efficacité de l’utilisation de Twitter pour surveiller l’activité physique des hommes et des femmes met en lumière des différences entre le sexe et les régions.

Par ailleurs, les états qui signalent des niveaux d’activité physique plus élevés sur Twitter ont tendance à avoir une prévalence d’inactivité physique plus faible selon les estimations de l’enquête des CDC.

Les chercheurs ont tenu à souligner qu’ils avaient noté « une forte relation négative entre le volume de tweets et l’inactivité, et une forte association positive entre les recherches Google pour la perte de poids et l’inactivité ».

Twitter, un outil pour les décideurs politiques

En outre, les écarts entre les sexes et les régions indiquent que les interventions en matière d’activité physique basées sur les réseaux sociaux ne devraient pas être appliquées uniformément à travers les États-Unis. Surveiller la prévalence de l’activité physique à l’aide des réseaux sociaux et d’autres sources numériques permet de faire des estimations rapides et détaillées, et donc d’intervenir de manière précoce.

Cependant, « les données de Twitter doivent être combinés avec d’autres sources numériques, car les utilisateurs de Twitter sont plus susceptibles de signaler des activités physiques impliquant une interaction sociale », estiment les auteurs de l’étude. « Dans la plupart des cas, les communautés à faible revenu ont tendance à ne pas avoir accès à des ressources qui favorisent un mode de vie sain, a déclaré Elaine O. Nsoesie, auteure principale de l’étude. En comprenant les différences dans la manière dont les gens exercent leurs activités dans différentes communautés, nous pouvons concevoir des interventions qui ciblent les besoins spécifiques de ces communautés. »

PaccMan, INtERAcT et PIMKL : ce sont les 3 solutions d’apprentissage automatique contre le cancer que présentent les chercheurs Matteo Manica (sciences cognitives) et Joris Cadow (data science) dans un article publié le 22 juillet 2019 sur le blog de recherche d’IBM. Ces initiatives seront détaillées lors de la 18e Conférence européenne sur la biologie informatique (ECCB) et de la 27e Conférence sur les systèmes intelligents de biologie moléculaire (ISMB), deux événements qui se tiennent simultanément à Bâle (Suisse) du 21 au 25 juillet 2019. Les chercheurs soulignent qu’elles ont été conçues dans l’objectif de « mieux comprendre les principaux moteurs et mécanismes moléculaires » des cancers ainsi que « les différences de composition tumorale observées » pour les différents types de cancer.

• Avec PaccMann, « l‘apprentissage en profondeur peut aider à prévoir et à expliquer l’efficacité des médicaments », expliquent les 2 experts. La solution, dont l’acronyme signifie « Prévision de la sensibilité des composés anticancéreux par réseaux de neurones multimodaux basés sur l’attention », utilise « des données provenant de sources disparates pour aider à prédire comment les cellules d’un tissu cancéreux réagiront à un médicament donné ». Les chercheurs estiment qu’identifier à un stade précoce les composés qui s’avéreront les plus efficaces permettrait de réduire les coûts liés à la recherche de nouveaux médicaments, alors qu’actuellement « développer et faire approuver un seul médicament anticancéreux peut coûter des centaines de millions de dollars », indiquent-ils.

• L’outil INtERAcT (pour « Inférence de réseaux d’interaction à partir de représentations vectorielles de mots ») est capable d’automatiser l’extraction de connaissances à partir de publications scientifiques. « Une énorme quantité de connaissances sur les interactions protéiques est enfouie sous forme de textes non structurés, d’images et de graphiques » dans les quelque 17 000 articles  publiés annuellement sur le cancer, un chiffre très supérieur aux capacités de lecture de tout scientifique, expliquent les 2 spécialistes. INtERAcT permet de quantifier les interactions entre protéines à partir d’un grand nombre de publications biomédicales sans qu’aucune édition ou annotation manuelle de ces textes ne soit nécessaire.

• Le programme PIMKL (pour « Apprentissage multi-noyau induit par trajectoire ») vise pour sa part à prévoir la progression du cancer à partir de données moléculaires extraites d’échantillons de tissus malades et à classifier les patients en conséquence afin d’améliorer la personnalisation des thérapies. IBM a déployé PIMKL sur son cloud, de sorte que les chercheurs peuvent accéder au service web ou utiliser le code source, et exploiter leurs propres données pour mener des expériences.

Le CHU de Bordeaux et la Direction générale de la santé (DGS) vont bénéficier d’un accompagnement « technique et stratégique » pour mettre en place des projets basés sur l’utilisation de l’intelligence artificielle (IA). Ils ont été sélectionnés à l’issue d’un appel à manifestation d’intérêt (AMI) visant à permettre aux administrations de « tester sur le terrain, par des applications concrètes, le potentiel de l’IA », indiquent les services du Premier ministre et le ministère de l’Action et des Comptes publics dans un communiqué publié le 17 juillet 2019.

• Le CHU de Bordeaux a retenu l’attention pour un projet centré sur l’élaboration d’un système permettant de réaliser des recherches sémantiques dans le DPI.
• La DGS a été choisie pour un projet axé sur le développement d’un outil d’optimisation du traitement des signalements d’événements sanitaires indésirables.

Cet AMI est doté de 3,5 millions d’euros pour l’accompagnement technique et métier et de 500 000 euros pour l’accompagnement scientifique.

Il a été lancé par la Direction interministérielle du numérique et du système d’information et de communication (Dinsic), rattachée aux services du Premier ministre, et par la Direction interministérielle de la transformation publique (DITP), rattachée au ministère de l’Action et des Comptes publics. Il s’inscrit dans le cadre du programme d’investissements d’avenir (PIA).

48 candidatures issues d’une quarantaine d’administrations ont été reçues. 15 projets ont été sélectionnés, contre 6 pour le premier AMI lancé en 2018 sur la même thématique. L’ensemble des porteurs de projet seront accompagnés pendant un an par des experts en data et en IA à partir de septembre 2019, et ce jusqu’à la conception d’un prototype fonctionnel.

2 projets centrés sur la santé

CHU de Bordeaux : un système pour réaliser des recherches sémantiques dans le DPI

Le CHU de Bordeaux a été retenu pour un projet d’utilisation de l’intelligence artificielle (IA) qui permet d’effectuer des recherches sémantiques dans le dossier patient information (DPI) afin de « retrouver les bonnes informations au bon moment », explique la Dinsic.

L’objectif est de faire gagner du temps au personnel soignant dans la recherche d’informations sur le patient.

DGS : un outil d’optimisation du traitement des signalements d’événements sanitaires indésirables

La DGS a, elle, été sélectionnée pour un projet d’utilisation de l’IA visant à optimiser le traitement de signalements d’événements sanitaires indésirables émis sur le portail Signalement-sante.gouv.fr.

Le système classe de manière automatique les signalements, extrait « les concepts métier pertinentes » et repère les anomalies dans ces signalements.

L’objectif est de faciliter le travail des évaluateurs et de réduire les délais de retour aux structures ayant déposé un signalement.

Les 13 autres lauréats de l’AMI

9 projets, en dehors du CHU de Bordeaux et de la DGS, bénéficieront de l’accompagnement technique et métier :

• Institut de radioprotection et de sûreté nucléaire : développer un système d’alerte automatique pour l’aide à la surveillance des travailleurs exposés aux rayonnements ionisants ;
• Direction générale des collectivités locales : développement de l’IA dans le contrôle de légalité dématérialisé ;
• Direction générale de la gendarmerie nationale : améliorer le système de pré-plainte en ligne ;
• Direction générale des douanes et des droits indirects : identifier les fausses déclarations en douane grâce au text mining ;
• Institut national de la statistique et des études économiques : améliorer l’identification de l’établissement employeur dans le recensement de la population ;
• Chambres des métiers et de l’artisanat de Nouvelle Aquitaine : développer un outil d’aide à l’implantation des entreprises artisanales ;
• Institut national de l’environnement industriel et des risques : identifier les molécules contaminant l’environnement et profiler les sources de pollutions ;
• Direction générale des entreprises – Service de l’information stratégique et de la sécurité économiques : développer une solution de veille et d’exploitation d’informations pour améliorer la sécurité économique ;
• Conseil d’État : identifier automatiquement les séries de contentieux faisant appel à une décision commune.

4 projets bénéficieront de l’accompagnement scientifique :

• Direction générale de la concurrence, de la consommation et de la répression des fraudes : détecter les clauses et pratiques abusives dans les contrats, devis et factures ;
• Institut national de l’information géographique et forestière : faciliter le calcul du positionnement des points de référence terrestre à partir des données satellites ;
• Cour de cassation : identifier les divergences de jurisprudence ;
• Service hydrographique et océanographique de la marine : améliorer la cartographie du littoral.

Le CHU de Toulouse parmi les lauréats du 1er AMI

Un prototype fonctionnel attendu en octobre 2019

Les lauréats du premier appel à manifestations d’intérêt ouvert pour accompagner les structures publiques dans le recours à l’IA avaient été révélés en novembre 2018.

Parmi eux figure le CHU de Toulouse, retenu pour un projet d’utilisation de l’IA ayant pour objectif de faciliter le diagnostic et d’optimiser la préparation des réunions de concertation pluridisciplinaire (RCP) post-opératoires dans le cas du cancer du poumon.

Un prototype fonctionnel devrait être finalisé en octobre 2019, indiquent la Dinsic et la DITP.

Des chercheurs américains de la Rutgers University ont créé un dispositif qui permet de déterminer si des patients répondent positivement à un traitement ciblé de chimiothérapie. Le dispositif portable, qui a recours à l’intelligence artificielle (IA) et à des biocapteurs, parvient à compter les cellules cancéreuses vivantes lorsqu’elles passent au travers des électrodes, et ce avec 95,9 % de précision. Les résultats de ces travaux* ont été publiés le 15 juillet 2019 dans Mycrosystem & Nanoengineering, une revue du groupe Nature.

L’intelligence artificielle pour personnaliser les traitements

Le traitement standard des cancers repose sur la chimiothérapie qui détruit les cellules tumorales mais aussi des cellules saines, ce qui provoque des effets secondaires tels que la perte de cheveux et des problèmes gastro-intestinaux. Depuis quelques années, des thérapies ciblées se développent ; elles ont pour objectif de bloquer la croissance ou la propagation de la tumeur, en interférant avec des anomalies moléculaires ou avec des mécanismes qui sont à l’origine du développement ou de la dissémination des cellules cancéreuses.

« Leur action consiste à bloquer la transmission de certaines informations au sein des cellules qui les conduisent à se diviser et à proliférer de façon anarchique », précise l’Institut national du cancer. Une approche ciblée, dans laquelle seules les cellules tumorales sont éliminées, augmente l’efficacité et minimise les effets secondaires. Reste à savoir quel patient individuellement répondra à l’une de ces thérapies ciblées, qui sont par ailleurs très coûteuses.

La sensibilité cellulaire au médicament peut être évaluée en analysant qualitativement les marqueurs de surface sur les cellules tumorales. Les cellules sensibles au médicament subiront une apoptose (mort cellulaire), tandis que les cellules insensibles au médicament resteront en vie. Les dispositifs actuellement disponibles dans le commerce pour l’analyse automatisée de la viabilité cellulaire sont basés sur la coloration, ce qui limite fondamentalement la caractérisation ultérieure de ces cellules ainsi que l’analyse moléculaire en aval. De plus, cette méthode nécessite 0,5 à 1 mL de volume d’échantillon et plusieurs tests sont nécessaires pour mesurer différents marqueurs indiquant la mort cellulaire, le mécanisme de la mort cellulaire et la quantité de cellules vivantes.

Repérer les cellules tumorales vivantes avec des biocapteurs

Dans l’étude menée par des chercheurs de la Rutgers University, ces derniers ont conçu une nouvelle méthode permettant d’évaluer rapidement l’efficacité des médicaments dans le traitement ciblé du cancer, dans laquelle des agents antinéoplasiques sont conjugués à des anticorps ciblant des marqueurs sur des cellules tumorales.

La matriptase est surexprimée dans diverses cellules cancéreuses épithéliales, notamment le lymphome à cellules B, le myélome multiple et les carcinomes épithéliaux. Compte tenu de l’importance de cette protéase dans le comportement des tumeurs et de son expression sur une grande variété de types de cellules tumorales, l’administration ciblée de médicaments anticancéreux sur ce site tumoral est très prometteuse pour améliorer l’efficacité des médicaments et minimiser la toxicité vis-à-vis des cellules non cancéreuses.

Les chercheurs, des spécialistes du département de génie électrique et informatique, ont donc fabriqué un dispositif combinant intelligence artificielle et biocapteurs. Ils ont utilisé des échantillons de cellules cancéreuses avec différentes concentrations d’un médicament anticancéreux ciblé. Le dispositif détecte si une cellule est vivante en fonction du changement de ses propriétés électriques.

L’étape suivante a consisté à effectuer des tests sur des échantillons de tumeurs provenant de patients. L’algorithme a été entraîné sur des données extraites de cellules 100 % vivantes et 100 % mortes. Pour évaluer sa robustesse et sa précision, ils l’ont ensuite testé en utilisant 3 échantillons de tests de cellules tumorales différents, avec des pourcentages de viabilité différents (90 % de vies vivantes, 50 % de vies vivantes et 82 % de vies vivantes).

Résultats : précis à 96 %

• Le dispositif portable, qui utilise l’intelligence artificielle et les biocapteurs, compte avec 95,9 % de précision les cellules cancéreuses vivantes lorsqu’elles passent à travers les électrodes ;
• Le dispositif fournit des résultats immédiats.
• Le volume d’échantillon nécessaire est de seulement 20 μL.

Rapide et peu coûteux

 » Comparée aux techniques optiques d’analyse de la viabilité cellulaire sans étiquette, notre nouvelle méthode permet d’analyser rapidement la viabilité cellulaire à un coût minimal », ont déclaré les auteurs de l’étude. Ils envisagent donc d’utiliser cet appareil en tant qu’outil diagnostic sur le lieu de traitement pour évaluer la réponse du patient – repérer ceux qui sont sensibles et ceux qui sont résistants aux médicaments de chimiothérapie – et personnaliser les traitements.

« Des nouvelles technologies telles que celle-ci peuvent avoir un impact positif sur le traitement standard et générer des économies de coûts pour les prestataires de soins de santé et les patients », a déclaré l’un des co-auteurs. Ce dispositif pourrait aussi être pertinent pour le criblage de cellules obtenues à partir d’une biopsie.

 

Les Français sont inquiets vis-à-vis de la protection de leurs données personnelles. Selon un sondage Opinionway réalisée pour la société Dolmen technologies et intitulé Les Français et les scandales liés aux données personnelles, ils sont une large majorité à estimer qu’elles doivent être mieux protégées (93%), qu’elles sont précieuses (92 %) et qu’elles ont un prix (78 %).

54 % des sondés indiquent être les plus à même de protéger leurs données, révèle l’enquête, publiée en juillet 2019. Les citoyens interrogés se disent majoritairement insatisfaits des mesures prises par les pouvoirs publics pour protéger leurs informations personnelles sur internet. Au-delà d’amendes réellement dissuasives, l’apparition de nouveaux scandales liés à l’utilisation de données personnelles pourrait être empêchée par de meilleures technologies de protection des données personnelles pensent 34 % des répondants.

Des résultats à mettre en parallèle avec l’enquête Opinionway publiée en juin, qui relève une confiance croissante des Français en ce qui concerne leurs données de santé et les nouvelles technologies, ainsi qu’avec le sondage de ICA montrant qu’un manque de confiance dans l’exploitation des informations personnelles n’est pas incompatible avec un développement des usages de solutions basée sur la collecte et l’analyse de data, notamment dans le domaine de la santé.

Des Français inquiets de la protection de leurs données…

Selon le sondage Opinionway réalisé Dolmen technologies, publié en juillet, les Français se préoccupent de l’utilisation de leurs données personnelles. Ils sont tout de même 29 % à considérer que ces informations ne leur appartiennent pas.

En parallèle, ils se considèrent eux-mêmes comme les plus capables de protéger leurs données (54 %), loin devant les pouvoirs publics, cités par 32 % des répondants et les fournisseurs d’accès (cités par 25 % des personnes interrogées). Les assureurs arrivent en queue de peloton (7 %) avec les enseignes de la distribution (2 %).

… insatisfaits face aux pouvoirs publics…

Plus de la moitié des Français sondés ne sont pas satisfaits des mesures prises par les pouvoirs publics pour protéger les données personnelles sur internet. A cela, s’ajoute les 11 % ayant répondu ne pas avoir entendu parler de telles mesures.

Face aux récents scandales liés à l’utilisation de données personnelles, les premières réactions envisagées par les sondés sont de sensibiliser leurs proches (65 %) ou de boycotter les applications et les sites concernées (54 %) mais aussi de mieux lire les politiques de confidentialité (50 %).

… appelant une réponse coercitive et technologique…

Dans les faits, Les Français interrogés ont surtout perdus confiance dans l’honnêteté des acteurs d’internet. Pour eux, l’apparition de nouveaux scandales liés à l’utilisation de données personnelles pourrait être empêchée d’abord par des amendes réellement dissuasives (mesure citée par 52 %) mais aussi en utilisant de meilleures technologies de protection des données personnelles (34 %) et en réalisant un boycott des applications et des sites concernés (26 %).

Pour un cinquième des répondants, le RGPD est aussi une réponse (18 %) ainsi que le démantèlement des géants du net (14 %). Enfin, 9 % considèrent que la marchandisation (achat / vente) des données personnelles seraient un atout dans ce cadre.

…Et pourtant confiants pour leurs données de santé

Ces données sont à mettre en parallèle avec une autre enquête Opinion Way publié en juin centrée sur les données de santé, qui montre une confiance croissante en ce qui concerne leurs données de santé et les nouvelles technologies. 86 % seraient prêts à rendre leurs données personnelles accessibles à leur médecin généraliste, 68 % accepteraient de consulter un médecin ayant recours à des outils d’aide au diagnostic basée sur l’intelligence artificielle.

De plus, le public est ouvert aux consultations numériques essentiellement dans 3 domaines : pour le renouvellement d’une ordonnance (80 %), pour  l’obtention d’un certificat médical (78 %) et dans le cadre d’une orientation dans le parcours de soin (75 %).

Des patients chroniques connectés…

Un manque de confiance n’est cependant pas incompatible avec les usages, notamment dans le domaine de la santé. En effet, une autre enquête parue en février 2019, montrent que plus de 97 % des patients chroniques utilisent des technologies numériques dans le cadre d’une recherche d’information, de la gestion ou du suivi de leur maladie chronique. De plus, internet contribuerait le plus à améliorer la vie des personnes avec une maladie chronique notamment grâce à une meilleure compréhension du traitement pour 65 % des sondés et du parcours de soins pour 6 3 % des personnes interrogées mais aussi à une sortie de l’isolement et à un meilleur vécu de la maladie pour 60 % des répondants ainsi qu’un renforcement du dialogue avec le médecin pour 53,1 %.

Cette étude montrent également une sous-utilisation des applications mobiles et des objets connectés. Une sous-utilisation qui est davantage liée à une moindre perception des bénéfices espérés qu’à une défiance.

…et conscients des enjeux de sécurité

Le collectif [im]Patients, Chroniques & Associés appellent d’ailleurs lui aussi à plus de garantie de sécurité de ces données, à un contrôle de leur circulation pour protéger les personnes et leurs proches mais aussi à une réflexion sur les bénéfices engendrés par le traitement de ces données. « Il est aussi essentiel que les applications et objets connectés soient encadrés et coconstruits avec l’industrie du numérique par une charte encadrant les processus d’élaboration, d’évaluation, de qualité par l’ensemble des acteurs concernés : les personnes, les soignants, les institutionnels et industriels », plaide Frédéric Lert, président de l’organisation (communiqué).

Dans la continuité de la Paris Healthcare Week (PHW), Cyrille Politi, responsable « transition numérique » à la FHF, et Béatrice Falise-Mirat, directrice scientifique de Care Insight, sont intervenus autour de l’intelligence artificielle (IA) dans le cadre d’un H&TI webinar. 

L’IA a été l’une des thématiques phares de la PHW 2019. Les établissements hospitaliers se lancent dans le domaine, en particulier en imagerie et pour accompagner le diagnostic, au service de l’efficience thérapeutique, de la performance hospitalière, de l’expérience patients et de la recherche clinique. La data et l’intelligence artificielle sont déjà au cœur des sujets de l’industrie, des dispositifs médicaux et pharmaceutique, et ce sur les différentes facettes de leur métier (R&D, production, marketing/ventes et évaluation). 

Vous retrouverez dans ce webinar (vidéo ci-dessous) les travaux menés à ce sujet. 

Cette session a été l’occasion de présenter la « mission IA » de la FHF mise en place en collaboration avec le Syntec Numérique et le secteur de la recherche. L’objectif est de concevoir et de proposer aux établissements une matrice permettant d’évaluer leur niveau de maturité en analyse des données et en intelligence artificielle, et, à terme, de réaliser un observatoire « data et IA » des établissements.

La présentation PDF du webinar est téléchargeable via ce lien.

Un algorithme d’apprentissage automatique (machine learning) développé par des chercheurs du laboratoire national américain Lawrence Berkeley a passé au crible d’anciennes études scientifiques pour établir des connexions entre elles. Résultat : ce système d’intelligence artificielle a été capable de prédire les futures découvertes sur la base de ces anciens documents. Les auteurs de ces travaux*, publiés le 3 juillet 2019 dans la revue Nature, estiment que cette technique pourrait notamment aider à trouver de nouveaux médicaments.

La littérature scientifique : une richesse insuffisamment explorée

La très grande majorité des connaissances scientifiques sont publiées sous forme de texte. Par conséquent, l’analyse globale d’un très grand nombre d’études visant à établir des recoupements entre elles n’est pas aisée. Aucun chercheur n’est capable d’embrasser l’ensemble de la littérature scientifique produite dans un domaine pendant plusieurs années.

Des chercheurs du laboratoire national américain Lawrence Berkeley ont donc voulu tester l’utilité du deep learning (apprentissage profond) pour extraire des pépites dans cette masse de données. « Dans chaque domaine de recherche, il existe 100 ans de littérature de recherche, et chaque semaine, des dizaines d’études supplémentaires sont publiées, déclare Anubhav Jain, l’un des auteurs de l’étude. Un chercheur ne peut accéder qu’à une fraction de cela. Nous avons pensé que nous pourrions tirer des enseignements de cette connaissance collective de manière non supervisée – sans avoir besoin d’être guidés par les ressources humaines. »

3,3 millions de résumés d’articles épluchés

Concrètement, l’équipe de chercheurs a recueilli 3,3 millions de résumés d’articles centrés sur la science des matériaux publiés et les a intégrés dans un algorithme appelé Word2vec. Ainsi doté d’un vocabulaire d’environ 500 000 mots, il les a codés puis il a analysé les relations entre eux, en représentant chacun d’entre eux par un vecteur.

« En formant un réseau de neurones sur un mot, vous obtenez des représentations de mots pouvant réellement transmettre des connaissances, commente Anubhav Jain. [Et] notre algorithme peut lire n’importe quel article sur la science des matériaux, ce qui lui permet d’établir des liens qu’aucun scientifique ne pouvait établir. Parfois il réalise simplement le travail qu’un chercheur ferait, d’autres fois, il établit ces associations interdisciplinaires, qui nous permettent d’explorer de nouvelles pistes scientifiques. »

Les auteurs de l’étude ont testé leur algorithme Word2vec pour savoir s’il était capable de prédire les nouveaux matériaux thermoélectriques, autrement dit ceux capables de convertir la chaleur en électricité, alors même que le concept n’existait pas dans les publications.

Les résultats de ces travaux ont été publiés le 3 juillet 2019 dans la revue Nature. 

Résultats : l’avenir se lit dans des études passées

Les 10 matériaux sélectionnés par l’algorithme avaient tous un potentiel estimé au-dessus de la moyenne des matériaux thermoélectriques connus. « Cela suggère que les connaissances latentes sur les découvertes futures sont en grande partie intégrées dans les publications antérieures », écrivent les auteurs.

Ensuite, ces derniers ont testé si l’algorithme pouvait réaliser des expériences « dans le passé » en retirant tous les articles récents. Ils sont parvenus à prédire la découverte d’un des meilleurs matériaux thermoélectriques modernes, 4 ans avant sa première publication en 2012.

L’exploration textuelle au profit de la recherche médicale

« Honnêtement, je ne m’attendais pas à ce que l’algorithme soit aussi prédictif des résultats futurs, indique Anubhav Jain. Je pensais que l’algorithme pourrait peut-être décrire ce que les gens avaient fait auparavant mais pas créer ces différentes connexions. J’ai été assez surpris de voir non seulement les prédictions mais également le raisonnement derrière celles-ci. »

À noter que l’utilisation du deep learning pour plonger dans la littérature scientifique et réaliser une exploration textuelle approfondie n’est pas réservée à la science des matériaux. Cet algorithme n’est pas supervisé et il établit ses propres connexions. « Vous pouvez donc l’utiliser pour des travaux tels que la recherche médicale ou la découverte de médicaments, précisent les auteurs. L’information est là-bas. Nous n’avons tout simplement pas encore établi ces liens car vous ne pouvez pas lire tous les articles. »

Artificial Insight (groupe Fealinx) a lancé début 2019 une plateforme d’algorithmes d’intelligence artificielle à destination du monde médical. Créée en 2018, la société a pour ambition de faciliter l’accès des médecins aux dernières avancées technologiques pour le diagnostic médical de précision, explique Bruno Virieux, son directeur général adjoint (DGA).

Dans un entretien accordé à Health & Tech Intelligence, il explique en détail la vision de l’entreprise, qui conçoit, développe et commercialise des algorithmes d’intelligence artificielle pour le secteur de la santé. Les clients d’Artificial Insight sont plus précisément l’industrie pharmaceutique et les acteurs du soin, tels que les hôpitaux, les cliniques et les cabinets de radiologie de ville.

L’offre de la société passe par la mise à disposition d’une plateforme cloud, l’Artificial Insight Store, qui propose des outils d’aide à la décision pour les médecins et d’autres clients (industriels). Le catalogue est composé d’algorithmes développés par la société elle-même et par des fournisseurs externes sélectionnés, comme Pixyl (neurologie) et Casis (cardiologie). L’accès aux algorithmes est facile, basé sur un vocabulaire simple, réalisé en un seul clic, indique Bruno Virieux : « On sollicite un algorithme clairement défini et on lance l’application comme on le ferait pour une appli sur un smartphone ».

Le groupe Fealinx a un passé de 20 ans dans le numérique et de 10 ans dans la santé. Il repose sur une équipe de 75 personnes, essentiellement des développeurs, des data scientists et des datas managers. Impliqué dans la recherche collaborative et l’innovation, Artificial Insight est membre des différents pôles de compétitivité liés à ses lieux d’implantation (Lyonbiopôle, Medicen Paris Région et Atlanpole).

Une offre structurée autour de grandes pathologies :

L’activité santé s’est structurée autour de grands projets portés par 4 grandes aires cliniques (grandes thématiques de santé publique) :

• des solutions disponibles en ligne :
  • la neurologie, les pathologies neurodégénératives ;
  • le cardio-vasculaire ;
• des solutions en développement et à venir :
  • l’oncologie ;
  • l’orthopédie (avec un focus sur les pathologies du genou, qui représentent 50 millions de patients potentiels en Europe, des pathologies de plus en plus fréquentes du fait du vieillissement de la population, du surpoids, de la traumatologie, des sports à risques et de fait un marché intéressant pour les industriels…).

Au début, l’activité a été portée par des études cliniques avec de grands académiques (AP-HP, CHU de Bordeaux…) et des industriels comme Sanofi et Servier. Ces projets ont la particularité de s’inclure dans un univers compétitif et collaboratif en un même temps.

Artificial Insight (Fealinx) est impliqué dans différents grands projets de recherche collaboratifs, type RHU et PSPC.

En ce qui concerne les RHU, deux projets viennent d’être gagnés (4ième vague des RHU) :

• le projet Shiva, mené par le Pr Sophie Debette et l’université de Bordeaux, qui a pour objectif de prévenir et stopper le déclin cognitif et la démence (liés aux maladies des petites artères cérébrales). Une approche multi « omiques »* mobilise les compétences de Artificial insight ;
• le programme Psycare du Pr Marie-Odile Krebs, du centre hospitalier Sainte-Anne, pour une psychiatrie préventive et personnalisée (avec un focus sur la schizophrénie). Un des objectifs sur lequel Artificial Insight est mobilisé est l’utilisation de signaux faibles (réseaux sociaux) pour identifier des facteurs de risques.

Présentation de l’Artificial Insight Store :

Modèle économique : les industriels font vivre la structure pour l’instant

Actuellement, les industriels font vivre la structure mais les applications s’intégrant dans la routine clinique sont appelées à devenir un marché important, note Bruno Virieux.

Une activité grands industriels

Les prestations pour les grands industriels s’inscrivent dans le cadre d’études cliniques, l’utilisation de cohortes et la mise à disposition d’algorithmes. Ces acteurs sont issus :

• de l’industrie pharmaceutique, comme Sanofi et Servier ;
• de l’industrie du DM, comme Tornier-Wright (fabriquant de prothèses avec un besoin de grosses capacités d’images pour les post traitements et la segmentation, maillage d’éléments finis pour « adapter » au patient la prothèse existante).

À propos des algorithmes co-développés avec de grands industriels (projets collaboratifs), il est envisagé de tester un modèle de plateforme en copropriété permettant la mise en vente de la solution, indique le directeur général adjoint d’Artificial Insight.

Un marché en devenir : les professionnels de santé

En ce qui concerne l’offre spécifique pour les professionnels de santé, le marché est en train de se constituer et est identifié comme porteur d’avenir. Des discussions sont en cours à ce sujet à la DGOS (forfait innovation), précise Bruno Virieux.

Il ajoute que le modèle financier est basé sur la vente de l’algorithme à la pièce (pay per use) : un médecin-un algorithme-un usage. Actuellement, il n’est pas proposé d’abonnement, complète-t-il. Le prix varie de quelques euros à 50 euros par utilisation de l’algorithme.

Certains hôpitaux de taille petite et moyenne, en tension en ce qui concerne les équipes médicales et disposant d’une capacité à financer de nouvelles technologies, sont très intéressés par cette offre qui s’avère attractive pour leurs professionnels, note le responsable de la société.

Vers une uniformisation des pratiques ?

L’objectif est de pouvoir, pour un patient donné, lier au sein des solutions portées par l’IA :

• l’identification de la pathologie ;
• le diagnostic ;
• les préconisations ;
• la conduite à tenir.

Ce marché et ces solutions vont se généraliser, avec comme conséquences une perspective d’uniformisation des pratiques. Cela doit conduire à de nouvelles offres de l’industrie pharmaceutique : l’algorithme compagnon (identification de la maladie), les solutions de suivi du patient et des phases de rémission.

Les freins sont actuellement financiers (remboursement) et psychologiques, indique Bruno Virieux.

Zoom : le projet Pacific

Le projet Pacific est un projet financé dans le cadre d’un PSPC adressant l’insuffisance cardiaque à fraction d’éjection conservée, une pathologie concernant 1 million de français et coûtant un milliard d’euros par an à la sécurité sociale.

L’insuffisance cardiaque à fraction d’éjection conservée correspond à un ensemble de maladies mal connues ou mal identifiées. L’IA non supervisée à mettre en œuvre pourra identifier des sous-groupes de patients qui relèvent de pathologies différentes. Cela permet de comprendre l’origine de la maladie et de proposer des traitements adaptés, et donc à l’industrie pharmaceutique de repositionner ses molécules.

2 ans et demi de travaux ont été nécessaires pour la conception du projet qui rassemble des acteurs académiques (AP-HP, Inserm, Université Paris-Sorbonne…), et des industriels (Sanofi, Servier, Bioserenity, Casis, Fealinx (Artificial Insight) et Firalis). Artificial Insight est en charge des deux lots adressant le data management et la data science.

les résultats attendus reposent sur des solutions pertinentes pour les patients, avec de nouveaux produits à proposer pour l’industrie pharmaceutique comme des algorithmes compagnons pour définir les sous-groupes des patients.

Avec d’autres industriels de la pharma, des approches similaires et des discussions sont en cours sur l’immunothérapie.

Les données :

L’enjeu repose sur les données. Plateforme by design, un système complexe de gestion de données (very large base et non pas big data), Artificial Insight utilise des données hétérogènes :

• des données omiques ;
• d’imagerie médicale ;
• des questionnaires ;
• des données tabulaires CSV (chiffres) ;
• quelques données d’objets (DM) connectés, comme celles remontées par les t-shirts de Bioserenity.

L’ensemble repose sur une palette d’ontologies qui s’enrichit au fur et à mesure, précise Bruno Virieux.

Le tout est basé sur des technologies en mode « graphe » : pas de base de données traditionnelle mais une organisation en chaîne ou en graphe. Dans ce contexte, l’interconnexion des données peut être étendu à l’infini et répondre aux attentes les plus complexes.

Il est à noter qu’un data scientist passe 80 % de son temps à s’assurer de la qualité des données.