DM

Un système automatisé de recueil et de traitement des tweets relatifs à la grippe, classés grâce à un algorithme, a permis de suivre l’épidémie en France. L’étude* exploratoire menée par Santé Publique France et publiée dans le Bulletin épidémiologique hebdomadaire (BEH) du 18 octobre 2018 révèle que le nombre de tweets suit la même tendance que le nombre de passages aux urgences et de consultations SOS Médecins pour la grippe. Cet outil complémentaire fournit notamment des données intéressantes sur l’état de santé ressenti par la population.

L’ »infomédiologie », une technique basée sur les technologies de l’information 

Les épidémiologistes s’intéressent depuis quelques années aux réseaux sociaux, qui représentent une source complémentaire de données. Une nouvelle approche scientifique est même née de ce nouvel usage : « l’infodémiologie ». 

« L’infodémiologie » peut être définie comme la science basée sur des technologies de l’information et des communications (TIC) dont l’objectif est de surveiller l’état de santé des populations et d’orienter les politiques de santé publique.

Twitter a d’ailleurs déjà commencé à démontrer qu’il pouvait être un outil pertinent de surveillance de pathologies infectieuses telles que la grippe, le choléra ou encore la dengue, comme le rappellent Pascal Vilain et Laurent Filleul dans le Bulletin épidémiologique hebdomadaire (BEH) publié le 18 octobre 2018. Ces derniers ont mené une étude exploratoire afin de savoir si les données échangées sur Twitter pouvaient être « utilisées comme un proxy pour la surveillance de l’épidémie saisonnière de grippe en France, et plus particulièrement à l’échelle régionale ».

Trier les tweets pour suivre la grippe

Dans le cadre de ces travaux, les tweets contenant les mots-clés « grippe », « grippaux » et « grippal », émis entre le 8 août 2016 et le 26 mars 2017, ont été recueillis.

Ensuite, des filtres automatisés ont permis de géolocaliser les tweets afin de s’assurer qu’ils venaient bien de France pour ensuite les classer par région. « Le défi majeur consistait à identifier, dans un gros volume de tweets, ceux relatifs à l’expression clinique de la grippe », écrivent les auteurs de l’étude dans le BEH. Les tweets émanant d’entreprise et d’institutions comportant les mots-clés sélectionnés devaient donc être écartés.

Pour filtrer les publications et construire un modèle d’apprentissage, un échantillon aléatoire de 1 500 tweets a été extrait de la base de données. Chacun de ces tweets a été inspecté manuellement et étiqueté comme valide ou invalide selon la probabilité qu’il indiquait ou non un état grippal.

Les données issues de Twitter ont ensuite été comparées à celles provenant des structures d’urgence hospitalières et des associations SOS Médecins afin de savoir si le nombre de tweets et le nombre de consultations étaient similaires.

Résultats

• Sur 238 244 tweets contenant les mots-clés retenus, 130 559 ont pu être localisés en France ; l’algorithme a classé 22 939 tweets comme valides, c’est-à-dire indiquant un état grippal ;
• le nombre hebdomadaire de tweets relatifs à la grippe suivait la même tendance que le nombre de consultations ;
• la durée du processus de prétraitement et d’analyse des données a été évaluée à moins d’une heure ;
• les données issues de Twitter étaient parfois plus précoces que celles issues des réseaux traditionnels.

Les avantages de Twitter par rapport aux méthodes de surveillance classiques

Les auteurs de l’étude estiment que ces résultats permettent « de montrer que les données issues de Twitter peuvent être utilisées comme un proxy pour la surveillance de l’épidémie de grippe en France ».

Mais, surtout, les épidémiologistes mettent en avant les avantages d’une telle stratégie. Tout d’abord, les données sont gratuites et disponibles en temps réel. En outre, elles apportent un éclairage différent : les tweets reflètent le ressenti sur l’état de santé alors que les données traditionnelles sont purement médicales.

« Par ailleurs, les mesures d’audience montrent que Twitter est utilisé en majorité par les 16-44 ans (67 %) : ces données permettent donc de décrire le ressenti d’une population de jeunes adultes qui ne sollicitent pas systématiquement le système de soins », soulignent les auteurs de l’étude.

Enfin, le réseau social s’est révélé un outil plus fin pour suivre les tendances de l’épidémie à l’échelle régionale.

Un test sur l’épidémie de grippe 2017-2018

Les auteurs estiment malgré tout que des améliorations doivent être apportées, notamment pour mesurer l’impact de l’échantillonnage.

De plus, des tweets codés valides manuellement ont été rejetés par le système automatique. Le système d’apprentissage a donc besoin d’être affiné

Quant aux « phénomène de propagation virale » typiques des réseaux sociaux, ils risquent de perturber l’interprétation des données. C’est pourquoi une étude complémentaire sur l’épidémie de grippe 2017-2018 permettra de vérifier les tendances observées.

Une étude du cabinet Price Waterhouse Cooper publiée le 5 septembre 2018 et intitulée « Blockchain is here, what’s your next move » (en lien ci-contre), montre l’enjeu de la technologie blockchain pour les entreprises du secteur de la santé, dans l’accès, la collecte, la diffusion et le partage des données.

Selon l’étude, la technologie blockchain ne profitera pas à toutes les entreprises du secteur de la santé, et celles qui ne sauront pas saisir cet enjeu seront rapidement dépassées par la concurrence plus réactive. Le déploiement de cette technologie soulèvent des questionnements sur le plan de la confiance, de la gouvernance et de l’expertise blockchain.

La majorité des projets blockchain santé sont au stade de la recherche et du développement. Mais les entreprises ont peu de temps devant elles pour s’adapter à ce nouveau contexte. 

Les principaux freins au déploiement de la blockchain

Ces freins trouvent leur source dans l’image de manque de confiance et de garanties que renvoie la technologie blockchain.

À la question « Quelle est pour vous le principal frein à l’adoption de la technologie blockchain dans votre entreprise pour les 3- 5 prochaines années ? » 

• 47% des sondés déclarent le manque de confiance auprès des utilisateurs ;

• 39 % évoquent des failles d’ordre réglementaire ;

• 37 % la capacité à mobiliser un réseau autour de cette technologie ;

• 36 % un problème d’interopérabilité entre les acteurs ;

• 33 % l’incapacité de la technologie à être déployée à grande échelle.

Un sondage international « 2018 Deloitte’s global survey » (en lien ci-contre), explique que la technologie blockchain permettrait de simplifier et d’automatiser des procédures coûteuses

Menée entre le 26 mars 2016 et le 5 avril 2018, ce sondage démontre que la gestion et la mise à jour des bases de données représentent chaque année plus d’1,7 milliard d’euros (deux milliards de dollars américaines) dédiés au fonctionnement et à l’entretien de data centers aux États-Unis. La blockchain permettrait de simplifier ce système.

• Les entreprises et organisations du secteur de la santé gèrent manuellement des données souvent sous-traitées par des intermédiaires ;
• la technologie blockchain représenterait un gain de temps pour les entreprises ;
• selon le sondage, les leaders d’opinion voient aujourd’hui la blockchain comme une solution tangible et pratique et non plus comme alternative théorique.

Pour les 1 000 sondés du panel Deloitte recouvrant plusieurs secteurs d’activités :

• 55 % des dirigeants de la e-santé sont convaincus que la blockchain deviendra une force disruptive du secteur de la santé ;
• 43 % des sondés placent la blockchain santé au sein de leurs priorités à venir ;
• 29 % d’entre eux pensent que les modalités techniques de la blockchain utilisée sont importantes mais pas prépondérantes pour le succès de cette transformation.

On note que les cadres du secteur de la santé sont moins enclins à identifier la blockchain comme une de leurs priorités. Toutefois, 60 % d’entre-eux reconnaissent qu’ils perdront un avantage compétitif majeur s’ils n’investissent pas dans les technologies blockchain.

Au cours du World Health Summit (Sommet mondial de la santé), qui s’est tenu à Berlin du 14 au 16 octobre 2018, ont été abordé les sujets tels que la gestion des pandémies, l’antibiorésistance ou encore la révolution numérique dans la santé.

C’est dans le cadre de cette dernière thématique que l’intérêt des nouvelles technologies au service de la lutte contre les médicaments falsifiés a été souligné, ce qui se traduit par l’introduction de dispositifs de sécurité et de traçabilité au sein du secteur :
• un QR code unique apposé sur chaque boîte de médicaments qui permettra un renforcement de la chaîne de distribution partagé au sein d’une base de données mutualisée ;
• l’harmonisation de la vente de médicaments en ligne par les pharmacies.

La session du WHS à propos des médicaments falsifiés visaient à esquisser les mesures pratiques pour réduire le risque de circulation de produits non conformes sur les marchés, les détecter et les éliminer.

10,5 % de médicaments en circulation ne sont pas conformes à la règlementation en vigueur

Selon les chiffres de l’Organisation mondiale de la santé (OMS), 10,5 % des médicaments en circulation ne respectent pas la législation en vigueur.

Pour remédier au problème de sécurité et les dangers associés pouvant porter atteinte à la vie des personnes, le Conseil européen a adopté en mai 2011 la Directive 2011/62/UE sur la sérialisation des médicaments soumis à prescription qui institue, en modification de la directive 2001/83/CE, « un code communautaire relatif aux médicaments à usage humain, en ce qui concerne la prévention de l’introduction dans la chaîne d’approvisionnement légale de médicaments falsifiés ».

Un code unique pour le suivi tout au long de la chaîne de distribution

La directive citée instaure donc le suivi de médicaments grâce au QR code apposé sur chaque boîte de médicaments qui renferme des informations liées à l’origine du produit et vise à pouvoir l’identifier tout au long de la chaîne de distribution.

La directive entre en application à partir du 9 févier 2019 sur l’ensemble de l’Union européenne. Tous les éléments associés au QR code unique seront enregistrés dans une base communautaire – EMVS pour European Medicine Verification System qui est le système européen de vérification des médicaments – à laquelle les pharmaciens de toute l’Union pourront se connecter afin de s’assurer de la qualité du médicament.

En pratique il s’agit d’un hub informatique connecté aux systèmes nationaux (National Medicine Verification System ou NMVS) permettant la vérification des identifiants uniques apposés sur chaque boîte de médicament lors de la dispensation.

Ainsi, une requête dans la base de données mutualisée suffira pour détecter un code falsifié ou un éventuel doublon de lecture pouvant faire suspecter la présence d’un médicament falsifié.

Encadrement et harmonisation de la vente de médicaments en ligne

Cette directive intègre également de nouvelles exigences auxquelles vont devoir répondre les pharmacies en ligne, et ce, afin de contrer la vente illégale de médicaments via internet.

Voici les conditions minimales auxquelles les pharmacies doivent répondre afin d’être autorisées à faire de la vente en ligne à distance :

• bénéficier d’une autorisation ou d’une habilitation à délivrer des médicaments au public, également à distance ;
• notifier aux autorités compétentes de l’État membre les informations relatives à la pharmacie en ligne (adresse du site internet, nom et adresse permanente du lieu d’activité à partir duquel les médicaments sont fournis, etc.) ;
• conformité des médicaments à la législation nationale de l’État membre de destination ;
• préciser sur le site Internet les coordonnées de l’autorité compétente ;
• ajouter un lien hypertexte vers le site de l’autorité compétente de l’État Membre ;
• apposer le logo ci-contre permettant aux patients d’authentifier les sites qui proposent légalement des médicaments en ligne.

Des chercheurs français de l’INRIA, de l’ICM (Institut du cerveau et de la moelle épinière) et du NeuroSpin associés à des chercheurs des Universités de Liège et Buenos Aires ont mis au point un algorithme de machine-learning pour développer un outil permettant de diagnostiquer les états de conscience. Les résultats de leur étude* publiée le 4 octobre 2018 dans la revue Brain montrent que des marqueurs de l’activité cérébrale extraits d’électroencéphalogrammes sont de bons marqueurs de l’état de conscience et qu’ils peuvent être identifiés de manière fiable, économique et automatique avec l’apprentissage automatique.

Distinguer l’état végétatif de l’état de conscience minimale représente un défi majeur pour les spécialistes des neurosciences. Or, ce diagnostic compliqué qui nécessite souvent le recours à des examens complémentaires de neuro-imagerie fonctionnelle n’est pas sans conséquence pour la prise en charge de ces patients qui ont connu une période de coma. Des outils ont certes été développés ces dernières années mais ils ne sont disponibles que dans quelques centres experts.

Le machine-learning au service des états de conscience 

Des chercheurs français de l’Inria, du Neurospin, de l’ICM (Institut du cerveau et de la moelle épinière) ainsi que des chercheurs de l’université de Buenos Aires/Sorbonne Université ont eu l’idée de développer une autre technique. En fait, des découvertes récentes suggèrent que de multiples marqueurs de l’activité cérébrale extraits de l’électroencéphalogramme (EEG) pourraient repérer les différents états de conscience du cerveau humain. En outre, il a été constaté que l’apprentissage automatique optimisait leur capacité à discriminer ces différents états de conscience dans la pratique clinique. Cependant, on ignore pour le moment à quel point ces marqueurs EEG sont fiables face à la variabilité du signal. Ce dernier dépend des configurations EEG, des protocoles EEG et des sous-populations de différents centres rencontrés dans la pratique.

28 biomarqueurs pour un algorithme

Les auteurs de l’étude publiée dans la revue Brain le 4 octobre ont donc analysé 327 enregistrements présentant des troubles de la conscience (148 étaient en état végétatif et 179 en état de conscience minimale) ainsi que 66 témoins sains. L’outil diagnostic appelé « DoC-Forest » (DoC pour Disorder of Consciousness et Forest du nom de l’algorithme utilisé) est construit à partir des données cliniques de l’Hôpital de la Pitié-Salpêtrière. Les chercheurs « ont compilé des biomarqueurs EEG de la conscience avec différents modalités de capteurs et d’enregistrement et ils les ont combinés grâce à un algorithme de machine-learning », indique l’Inria dans un communiqué de presse. Quelque 28 biomarqueurs ont été extraits. DoC-Forest a ensuite été testé dans différentes conditions, sur plusieurs jeux de données, afin de savoir si le diagnostic reste fiable dans n’importe quel centre dans le monde.

Des résultats robustes

L’algorithme s’est révélé performant et robuste. « Nous mettons en évidence le fait que le modèle multivarié, combinant plusieurs caractéristiques, est particulièrement robuste lorsque différentes configurations EEG sont utilisées pour entraîner le dispositif grâce au machine-learning, » a déclaré Denis Engemmann (Inria Saclay/CEA NeuroSpin), premier auteur de l’étude. La performance de l’outil s’est révélée identique qu’elle que soit la situation clinique (anoxie, AVC, traumatisme crânien). Cependant, les résultats étaient un peu inférieurs en cas de traumatisme crânien, suggérant une plus grande hétérogénéité dans ce groupe.

Un outil accessible au plus grand nombre

Les auteurs estiment qu’en utilisant un algorithme de classification robuste, il est possible de généraliser l’utilisation d’un tel outil. D’autant que des enregistrements de courte durée et quelques 16 électrodes suffisent à discriminer les différents états de conscience. « DoC-Forest » sera accessible à tous les patients internationalement. Les travaux futurs devront démontrer si le modèle proposé peut être généralisé à d’autres scénarios de perte de conscience, tels que le sommeil ou l’anesthésie.

 

Un système d’intelligence artificielle (IA) testé pour détecter la rétinopathie diabétique a donné des résultats mitigés lors de son utilisation en vie réelle dans le cadre de soins primaires. Ce constat a été apporté par une étude* menée par des chercheurs australiens et américains de la Harvard Medical School, qui met en évidence un taux de faux positifs élevé. Ces travaux ont été publiés le 28 septembre 2018 dans le Jama Network Open.

Rétinopathie diabétique : pionnier de l’intelligence artificielle

En avril 2018, la Food and Drug Administration (FDA) a autorisé pour la toute première fois une intelligence artificielle (IA) à formuler un diagnostic. Le système IDx-DR est commercialisé pour dépister la rétinopathie diabétique sans qu’aucun professionnel de santé n’intervienne. Il vise à éviter que les personnes souffrant de diabète passent au travers des mailles du filet.

En effet, la moitié d’entre eux ne consultent pas d’ophtalmologiste tous les ans, contrairement aux recommandations sanitaires.

Le dispositif a été autorisé suite à la publication d’un essai clinique montrant que l’intelligence artificielle réalisait le bon diagnostic 9 fois sur 10.

Un test de dépistage dans la vraie vie

Cependant, les essais cliniques ne reproduisent pas la vie réelle à l’identique. C’est ce que semble montrer une étude australienne menée auprès de 193 patients diabétiques venant consulter dans des structures de premiers recours.

Quelques 386 images rétiniennes ont été analysées à la fois par le système d’intelligence artificielle et par un ophtalmologiste. Les infirmières ont mis 10 à 15 minutes à obtenir des images pour les deux yeux et le système de l’IA a fourni des diagnostics en moins de 3 minutes.

Les résultats de cet essai ont été publiés le 28 septembre 2018 dans le Jama Network Open.

Des résultats en demi-teinte

• L’intelligence artificielle a identifié 17 patients comme souffrant d’une rétinopathie diabétique et qui devaient donc être référés vers un spécialiste ;
• 2 patients sur les 17 étaient réellement atteints par la maladie et les 15 autres étaient des faux positifs ;
• l’IA a correctement identifié 8 cas de rétinopathie modérée ;
• le taux de spécificité de l’IA est donc de 92 % ;
• la valeur prédictive positive n’était que de 12 % ;
• Moins de 10 % des patients ont eu besoin d’être vus par un ophtalmologiste.

Le problème des faux-positifs

Les auteurs de l’étude considèrent que le taux élevé de faux positifs était dû en partie à la mauvaise qualité d’image. Il s’expliquerait également par la faible incidence de la rétinopathie diabétique au sein de la population fréquentant les structures de soins de premier recours.

« Les validations antérieures des systèmes d’IA pour l’identification de la rétinopathie diabétique ont utilisé des bases de données d’images rétiniennes et les images ont été présélectionnées de telle sorte que l’incidence de la maladie était beaucoup plus élevée », ont précisé les chercheurs. Et lorsque l’incidence de la maladie est plus basse, la valeur prédictive positive l’est également.

« Le faible taux de rétinopathie diabétique que nous avons observé dans notre étude est la norme en soins primaires, ont-ils ajouté. Par conséquent, les faux positifs risquent de poser problème, à moins que la spécificité de notre système ou d’autres systèmes soit beaucoup plus grande. Compte tenu de cette limitation, nous pensons que les images de rétinopathie identifiées comme présentant une maladie par un système d’IA devraient être examinées par un ophtalmologiste avant qu’un renvoi ne soit effectué. »

Les espoirs de l’IA malgré tout…

Malgré cette limitation, les chercheurs estiment que l’intelligence artificielle peut potentiellement améliorer le dépistage de la rétinopathie diabétique. Environ 92% des patients ont immédiatement été informés qu’ils n’avaient pas de rétinopathie et, par conséquent, il n’a pas été nécessaire de les référer vers un spécialiste. , Le nombre de patients devant être examinés par un ophtalmologiste était inférieur à 10%. Ce dépistage ophtalmologique en temps réel dans les cabinets médicaux habituels des médecins de soins primaires présente de nombreux avantages pratiques, notamment la prise en charge complète des maladies chroniques en un seul et même lieu pour les patients diabétiques. Il existe également un potentiel d’amélioration du système d’IA.