DM

  • l’Inserm fédérera 20 pays autour d’une plateforme de coopération pour promouvoir la vaccination

    Une action conjointe européenne pour la vaccination (European Joint Acction on Vaccination, EU-JAV) coordonnée par l’Inserm avec le soutien du ministère des Solidarités et de la Santé a été lancée le 4 septembre 2018.

    En effet, dans un contexte de recrudescence des maladies infectieuses telles que la rougeole, 20 pays représentés par leurs ministère de la Santé, des instituts de santé publique, des organismes de recherche et des université se mobilisent contre la ré-émergence des maladies évitables grâce aux vaccins. Les pays en questions sont la France, la Belgique, la Bosnie-Herzégovine, la Bulgarie, la Croatie, le Danemark, l’Espagne, la Finlande, la Grèce, l’Italie, la Lettonie, la Lituanie, Malte, la Norvège, les Pays-Bas, la Roumanie, la Serbie, la Slovaquie, la Slovénie et la Suède.

    Cette action est soutenue par des organisations internationales et européennes telles que l’OMS, l’OCDE, le Centre européen de contrôle des maladies (ECDC), l’Agence européenne du médicament (EMA), des représentants des professionnels de santé, de la société civile et des industries productrices de vaccins. Elle bénéficiera pendant 3 ans d’un financement de 5,8 millions d’euros, dont 3,5 provenant du Programme de santé de l’Union européenne.

    Concrètement, il s’agit « en capitalisant sur les initiatives déjà existantes, […] de créer une plateforme commune entre États membres ou non de l’Union européenne pour renforcer les mécanismes de coopération », explique l’Inserm dans un communiqué. 
    Cette plateforme visera en particulier à mettre à disposition :
    • des outils de partage de données numériques afin d’optimiser la veille épidémiologique et l’appréciation juste de la couverture vaccinale des populations ; 
    • des méthodes d’évaluation de l’efficacité et de la tolérance des vaccins avant leur mise sur le marché ;
    • un état des lieux régulièrement actualisé sur les stocks et les besoins en vaccins contre les pénuries ;
    • des solutions de dialogue entre les parties prenantes pour établir des priorités et harmoniser les stratégies de R&D et partager les expériences de pays « où la confiance demeure élevée ou a pu être rétablie ».

  • Étude : l’IA permettrait d’évaluer a priori la réponse des patients à l’immunothérapie

    Une étude* publiée en août 2018 dans The Lancet Oncology, revue scientifique anglophone spécialisée en oncologie, a montré la capacité d’une intelligence artificielle (IA) à analyser des clichés d’imagerie médicale de façon à en extraire des informations biologiques et cliniques permettant de prédire la réponse des patients à l’immunothérapie.

    Des médecins et des chercheurs issus de l’Institut Gustave Roussy, de Centrale Supelec et de TheraPanacea (entité de Centrale Supélec spécialisée dans les applications de l’IA à l’oncologie-radiothérapie et à la médecine de précision), de l’Inserm et de l’Université Paris Sud ont élaboré une signature radiomique permettant de déterminer le niveau d’infiltration d’une tumeur par les cellules du système immunitaire (lymphocytes), corrélé à l’efficacité de l’immunothérapie chez un patient : plus une tumeur est envahie par des lymphocytes, plus l’immunothérapie est susceptible d’être efficace.

    Dans le futur, au lieu d’avoir à réaliser systématiquement des actes invasifs tels que des biopsies avant d’initier un traitement par immunothérapie, les médecins pourront certainement utiliser des dispositifs non invasifs d’imagerie assistée par l’IA afin d’évaluer a priori la réponse des patients à l’immunothérapie, d’augmenter la survie des patients et d’améliorer le rapport coût/efficacité de la prise en charge.

    Contexte, hypothèses et objectifs de l’étude

    L’étude est centrée sur l’immunothérapie anti-PD-1/PD-L1 qui vise, via une interaction avec les récepteurs PD-1 ou PD-L1 présents sur les cellules du systèmes immunitaires (lymphocytes) ou sur les cellules tumorales, à activer les lymphocytes alors à même d’attaquer la tumeur.

    Or, cette immunothérapie permettant de restaurer les fonctions immunitaires anti-tumorales n’est efficace que chez 15 à 30 % des patients dits répondeurs, et jusqu’à présent, il n’existait aucun marqueur permettant d’identifier a priori quel patient répondra à cette immunothérapie et quel patient n’y répondra pas.

    Aussi, sachant que plus l’environnement d’une tumeur est riche en lymphocytes, plus la probabilité que l’immunothérapie soit efficace augmente, l’objectif de cette étude était d’estimer, au moyen de techniques d’imagerie et de l’élaboration d’une signature et d’un score radiomiques, la quantité de lymphocytes présents dans l’environnement tumoral et de corréler cette donnée à la réponse clinique des patients.

    Matériel et méthodes

    Dans une étude rétrospective, qui s’appuie sur des données archivées, « la signature radiomique a été apprise, entrainée et validée sur 500 patients présentant une tumeur solide (toutes localisations) issus de quatre cohortes indépendantes« , explique un communiqué de l’Institut Gustave Roussy. « Elle a été validée au niveau génomique, histologique et clinique, ce qui la rend particulièrement robuste ».

    En effet, les chercheurs ont commencé par exploiter des données (scanners et données génomiques tumorales) des patients inclus dans l’étude MOSCATO1, qui avait permis de dresser le portrait génomique tumoral de chaque participant dans le but d’évaluer l’efficacité de la médecine de précision. Puis, dans une démarche de machine learning (apprentissage automatique), les chercheurs ont enseigné à un algorithme à extraire et à exploiter les informations pertinentes des scanners de ces patients.

    Ainsi, l’algorithme a appris uniquement sur la base d’images à prédire ce que la génomique aurait révélé de l’environnement immunitaire de la tumeur et a établi une signature et un score radiomiques. 

    « Cette signature a été testée et validée dans d’autres cohortes, dont celle du TCGA (The Cancer Genome Atlas), démontrant ainsi que l’imagerie pouvait prédire un phénomène biologique, à savoir évaluer l’infiltration immunitaire d’une tumeur », précise un communiqué émanant de l’Institut Gustave Roussy.

    Enfin, pour confirmer la pertinence de cette signature en situation réelle et la corréler à l’estimation a priori de l’efficacité d’une immunothérapie, le score radiomique de 5 patients a été déterminé à partir de scanners réalisés avant l’administration de l’immunothérapie anti-PD1/PD-L1.

    Résultats

    « Les chercheurs ont montré que les patients chez qui l’immunothérapie fonctionnait après 3 et 6 mois présentaient un score radiomique plus élevé, tout comme ceux qui avaient une meilleure survie », affirme le communiqué : plus l’algorithme a reconnu la présence de cellules immunitaires dans l’environnement de la tumeur, plus le score radiomique était élevé et plus l’efficacité de l’immunothérapie était probable.

    Perspectives

    Deux types de travaux demeurent à poursuivre.

    Tout d’abord, « une prochaine étude clinique consistera à évaluer la signature de manière rétrospective et prospective, à augmenter le nombre de patients et [à] les segmenter par type de cancers pour affiner la signature ».

    Il s’agira aussi de tester l’utilisation d’algorithmes d’apprentissage automatique et d’intelligence artificielle plus sophistiqués afin d’intégrer pour chaque patient des données d’imagerie, de biologie moléculaire et d’anatomo-pathologie (analyse des tissus).

  • Roche Diabetes Care France recrute pour une étude clinique multisite de son CGM

    Roche Diabetes Care France a lancé fin août 2018 sur son site internet un appel à participation à une étude clinique portant sur le capteur de  son dispositif de mesure du glucose en continu (CGM) implantable développé en collaboration avec Senseonics.

    L’étude a débuté au mois de février 2018 dans 15 centres en France et vise à démontrer les bénéfices cliniques de ce capteur, son impact sur l’équilibre glycémique et sur la qualité de vie des patients. Les résultats sont attendus pour 2019 et serviront à appuyer le dossier de demande de remboursement.

    Selon la société, le dispositif du nom de Eversense est actuellement commercialisé par Roche dans une quinzaine de pays dont l’Angleterre, la Suisse, l’Allemagne, les Pays Bas, la Belgique, l’Italie, etc.

    15 centres et 324 patients mobilisés pour l’étude

    Roche Diabetes Care France est à la recherche de patients adultes, diabétiques de type 1 et de type 2, traités par insulinothérapie intensive et pratiquant l’autosurveillance glycémique pluriquotidienne ou étant sous mesure du glucose interstitiel avec FreeStyle Libre. Ils doivent en outre disposer d’un téléphone compatible avec l’application mobile.

    Les 15 centres d’investigation sont dispersés sur l’ensemble du territoire français : CHU de Montpellier, CHU de Toulouse, Nancy Brabois, Paris Lariboisière, CHU de Lille, Paris Cochin, Marseille, CHU de Lyon Sud, Grenoble, Mainvilliers, CHU de Nantes, Caen, CHU Amiens, CHU de Strasbourg et Poitiers.

    Les patients recrutés s’engageront pour un suivi d’une durée de 6 mois, avec 6 visites au centre hospitalier investigateur correspondant.

    Ces travaux s’inscrivent dans le sillon de premières études menées aux États-Unis et en Europe (Precise study I et II) qui sont aujourd’hui terminées.

    Le capteur du dispositif CGM en cours de test

    Le système Eversense est un dispositif de mesure du glucose en continu (CGM) composé de 3 éléments :

    • un capteur ;
    • un transmetteur ;
    • une application mobile (smartphone ou tablette).

    Dans l’étude en cours, c’est le capteur qui sera testé. D’autres études sont prévues afin de tester le dispositif complet.

    Les trois éléments mis ensemble permettent de mesurer le taux de glucose interstitiel en continu. Son fonctionnement :

    • le capteur est implanté dans le bras du patient pour une durée pouvant aller jusqu’à 180 jours (6 mois). Il est composé d’un polymère émettant une lumière fluorescente d’intensité variable selon la concentration de glucose dans le milieu interstitiel ;
    • un transmetteur, amovible et rechargeable, placé sur la peau au niveau du bras, au-dessus du capteur, recueille les données transmises par ce dernier. Il calcule la concentration en glucose et, par vibration, alerte le patient en cas d’hypoglycémie ou d’hyperglycémie ;
    • la valeur établie par le transmetteur est communiquée à une application mobile installée sur le téléphone portable du patient (smartphone ou tablette), ce qui rend les données de la personne suivie accessibles instantanément.

  • Etude : l’IA prédit mieux le risque de décès par maladie coronarienne que des experts (Plos One)

    Un modèle d’apprentissage automatique mis au point par des scientifiques du Francis Crick Institute de Londres peut prédire avec plus de précision le risque de décès des patients souffrant de maladies coronariennes. L’étude* publiée dans Plos One le 31 août 218 met aussi en évidence que l’intelligence artificielle est capable d’identifier des marqueurs biologiques prédictifs de mortalité que les cardiologues n’utilisent pas.

    Les modèles statistiques classiques face à l’IA

    Les dossiers électroniques de santé (EHR) constituent une mine d’informations. Ils contiennent des données sur les antécédents médicaux des patients, sur les symptômes, les résultats d’examens, les prescriptions, etc.

    Cependant, ces données ne sont pas collectées de manière systématique et de nombreuses informations manquent à l’appel. Certains cliniciens ne consignent pas des données dans le dossier parce qu’ils les jugent non pertinentes; le patient peut aussi s’opposer à leur stockage. Par conséquent, l’utilisation de ces données nécessite souvent beaucoup de manipulations et de calculs afin d’éviter les biais, et à terme les éventuelles erreurs de diagnostic.

    C’est pourquoi les modèles statistiques classiques, avec une sélection a priori des variables prédictives par des experts présentent un certain nombre de lacunes potentielles. Ils sont notamment très consommateurs de temps et les médecins ne peuvent souvent pas utiliser toutes les données. En revanche, les systèmes d’apprentissage automatique permettent d’intégrer un très grand nombre de variables, sans exiger autant d’hypothèses sur la relation entre des variables particulières et des résultats intéressants.

    586 variables contre 27

    Des chercheurs du Francis Crick Institute de Londres ont donc voulu comparer les performances des modèles statistiques traditionnels créés par des experts à des modèles reposant sur l’intelligence artificielle dans la détection du risque de décès par maladies coronariennes. Ils ont donc utilisé les données issues des dossiers électroniques de santé de 80 000 patients. Leurs algorithmes se sont entraînés et ont recherché les variables les plus pertinentes parmi un ensemble de 600. Au final, 586 variables par patient ont été sélectionnées. Le modèle pronostique construit par les experts reposait quant à lui sur 27 variables. Les résultats de leur étude ont été publiés le 31 août 2018 dans PLOS One.

    Résultats 

    • Le modèle d’apprentissage automatique était légèrement plus précis sur le plan statistique (0,801 contre 0,793 pour les médecins physiques).
    • La sélection automatique des données a nécessité moins de temps de saisie.
    • L’intelligence artificielle peut être utilisée dans des contextes où les facteurs de risque ne sont pas connus.

    Cette étude prouve non seulement que les modèles basés sur l’intelligence artificielle sont supérieurs aux systèmes statistiques traditionnels mais l’autre grand enseignement est que l’IA identifie de nouvelles variables auxquelles les médecins n’avaient pas pensé. « Parallèlement à des facteurs de risque tels que l’âge et si le patient fume, nos modèles ont identifié la consultation à domicile du médecin généraliste comme un bon prédicteur de la mortalité des patients », a expliqué Andrew Steele, premier auteur et chercheur au Crick Institute. Les cardiologues estiment que les visites à domicile sont importantes dans la biologie des maladies cardiaques, mais peut-être une bonne indication que le patient est trop malade pour se rendre chez le médecin et une variable utile pour aider le modèle à faire des prédictions précises. »

    Les inconvénients de l’IA

    Cependant, les techniques basées sur les données et l’apprentissage automatique présentent plusieurs inconvénients. Tout d’abord, le degré d’automatisation de ces méthodes n’est pas encore complet. En outre, il peut être difficile d’interpréter les résultats finaux. Les techniques de modélisation statistique classiques conservent donc des avantages.

    Les auteurs de l’étude ont néanmoins la conviction que « l’apprentissage automatique est un outil extrêmement puissant en médecine et a la capacité de révolutionner la manière dont nous prendrons en charge les patients au cours des prochaines années ».

  • Appel à projets innovants centrés sur l’ambulatoire, le parcours de soins et l’information patient

    ASSPRO Conseil et le cabinet Branchet, acteur spécialisé dans la responsabilité civile professionnelle médicale des praticiens de plateaux techniques lourds, lancent un appel à projets de solutions innovantes contribuant à l’amélioration de la pratique médicale et à la réduction des risques. Cet appel à candidatures, ouvert jusqu’au 13 septembre 2018, s’adresse à tous les acteurs de la e-santé : sociétés spécialisées dans les dispositifs médicaux, les services numériques ou les applications logicielles, etc.

    Cette démarche vise notamment à accompagner les praticiens libéraux chirurgiens et anesthésistes réanimateurs face au virage numérique, en identifiant des services et outils « originaux » et « impactants ». Elle est organisée en 4 catégories : 
    • un prix ASSPRO « Ambulatoire et parcours de soins » concernera des outils à même d’améliorer le suivi du patient ;
    • un prix Fondapro « Patient éclairé » jugera de la pertinence de projets visant à favoriser l’information et la compréhension du patient ;
    • un prix ASSPRO scientifique « Qualité de vie des praticiens » récompensera des projets orientés vers la gestion du stress, l’optimisation du temps, etc.
    • un prix Branchet « Les pépites de l’innovation 2018 » fera l’objet d’un dernier concours.

    La remise des prix aura lieu le 16 novembre 2018 au cours du Digital Day. Cet événement sera rythmé par des pitchs d’entrepreneurs porteurs de projets ainsi que par table ronde centrée sur le rôle et les besoins des assureurs face aux défis des nouvelles technologies.

    L’inscription peut être réalisée via le lien ci-contre.

    Critères d’éligibilité

    Sont éligibles aux prix ASSPRO « Ambulatoire et parcours de soins », Fondapro » Patient éclairé » et ASSPRO scientifique « Qualité de vie des praticiens », les produits ou services destinés aux chirurgiens, aux anesthésistes-réanimateurs ou à leurs équipes fonctionnels au moment du concours et portés par des PME innovantes de moins de 50 salariés de 5 ans d’ancienneté au moins.

    Sont éligibles au prix Branchet « Les pépites de l’innovation 2018 » les produits ou services destinés aux chirurgiens, aux anesthésistes-réanimateurs ou à leurs équipes opérationnel en phase d’expérimentation : les porteurs de projet doivent être en mesure de présenter un prototype fonctionnel.

    Critères de sélection

    • Adéquation aux objectifs du concours ;
    • ambition et pertinence de l’innovation ;
    • valeur d’usage et adéquation au besoin ;
    • ambition sur le marché et potentiel économique ;
    • niveau de maturité ;
    • stratégie de communication.

    Calendrier de sélection 

    • 13 septembre 2018 : clôture des soumissions
    • 1er octobre 2018 : nomination des finalistes
    • 12 octobre 2018 : oral des nommés
    • 16 novembre 2018 : remise des prix

    Bénéfices d’une participation pour le porteur de projet 

    Les organisateurs veulent que le Digital Day constitue un « accélérateur de diffusion » pour les candidats.

    En effet, cet appel à candidatures représente une opportunité d’exposer sa solution devant un jury de professionnels des domaines médical et digital.

    En outre, les organisateurs mettent à destination des lauréats :

    • un « dispositif marketing de promotion [online et offline] vers des usagers [représentant le] cœur de cible » de la solution, soit les chirurgiens et les anesthésistes-réanimateurs ;
    • une assistance pour faciliter l’implémentation des solutions dans les systèmes d’exploitation des praticien ;
    • une réduction sur le contrat de responsabilité civile et professionnelle des praticiens clients du cabinet Branchet s’engageant à utiliser les solutions lauréates dans leur pratique quotidienne afin d’en stimuler la vente ;
    • un environnement de test permettant l’optimisation des fonctionnalités des solutions.

  • Monitoring des objets connectés : comment s’assurer de la fiabilité des données (Conférence Prédical)

    Comment donner du sens aux données collectées via les objets connectés, notamment dans le cas d’un suivi à domicile de personnes âgées ? Tel était l’objet de la conférence assurée par Prédical, spécialisé dans l’analyse des big data, le jeudi 30 août 2018 au sein des locaux (Paris) du pôle de compétitivité Cap Digital.

    Intitulée Monitoring des objets connectés : quel recul peut-on avoir sur les données ?, elle a mis en avant en trois temps l’importance d’un suivi (monitoring) continu des données collectées via les dispositifs installés au domicile des utilisateurs :
    • genèse de l’importance du monitoring des objets connectés (par Stéphane Besseau, directeur général de Prédical) : il existe un problème de responsabilité au niveau du support client. Qui, parmi tous les acteurs impliqués dans le fonctionnement d’un dispositif connecté (fabricants, opérateurs de service, opérateurs de données…), gère les bugs et le service client ? ;
    • quel type de monitoring instaurer et comment le mettre en place pour assurer un suivi efficace et s’assurer que les données reçues soient exploitables (par Olivier Audry, directeur technique à Prédical) ? ;
    • data mining : quel recul peut-on avoir sur les données ? (par Mathilde Mougeot, spécialiste data mining à l’ENSIEE) : l’objectif est d’établir des algorithmes et des méthodologies pour dégager des tendances à partir des données reçues, en s’assurant que ces dernières soient fiables.

    Health & Tech Intelligence revient sur les points forts de la conférence.

    Contexte : quels sont les acteurs impliqués ? (Stéphane Besseau)

    Dans la première partie de la conférence, Stéphane Besseau, directeur général et co-fondateur (avec Stéphane Moriaud) de Prédical est revenu sur la genèse de l’importance du monitoring des objets connectés.

    Pour comprendre l’enjeu du problème, il a exposé le fonctionnement des dispositifs connectés et plus précisément la chaîne de production des données qui en découle, afin d’identifier les acteurs prenant part au processus dans le cadre du partenariat établi par Prédical avec le fabricant d’équipements domotiques Legrand (produits Intervox). Sont impliqués :

    • Legrand – équipements Intervox : fournit les dispositifs connectés et stocke les données (data base) ;
    • Matooma : carte réseau ;
    • Sierra : l’infrastructure Matooma est connectée à l’opérateur télécoms Sierra ;
    • OVH : serveurs ;
    • Prédical : installe les capteurs au sein du logement de l’utilisateur et traite les données.

    Problème central : qui est responsable en cas de défaillance ?

    Plusieurs opérateurs sont ainsi mobilisés dans le fonctionnement des objets connectés installés au domicile des utilisateurs, mais cette pluralité des acteurs soulève des questions.  « Il y a une complexité au niveau de la responsabilité, note Stéphane Besseau : qui est responsable de la chaîne de données ? Qui doit monitorer le serveur ? Est-ce l’opérateur de données ? Est-ce l’opérateur de service ? »

    Se pose aussi le problème de « l’environnement connecté VS la réalité ». Quand l’outil domotique est testé dans une environnement contrôlé (living lab), tout fonctionne correctement, mais dès qu’il est appliqué à l’environnement de la personne, de nouvelles problématiques émergent : la configuration du logement varie en fonction de chaque utilisateur (emplacement du mobilier, usage de chaque pièce) et les capteurs peuvent être mal installés si c’est l’utilisateur qui s’en charge.

    « Les données collectées ne sont alors pas fiables et les informations reçues erronées. Il y a donc un vrai sujet au niveau de la rétention client (proportion de clients qui reste). Le dispositif peut très bien fonctionner à échelle expérimentale, mais il doit continuer à fonctionner à grande échelle. »

    Stéphane Besseau insiste sur l’importance d’une bonne installation du dispositif. « [Elle] est cruciale et doit être évaluée afin de pouvoir identifier un parcours type des utilisateurs. Nous avons remarqué que, la plupart du temps, les clients acceptaient cette phase de mise en place. Ils se sentent rassurés de constater qu’il y a une équipe en charge du contrôle de la technologie, s’assurant que l’ensemble de l’équipement était bien installé et fonctionnait correctement. Il est essentiel d’assurer ensuite un monitoring d’usage pour intervenir rapidement en cas de bug. »

    Quels types de solutions mettre en place ?

    L’importance du monitoring des données (Olivier Audry)

    Pour s’assurer du bon fonctionnement de l’objet connecté, il existe différents types de monitoring, explique Oliver Audry, directeur technique à Prédical, précisant que les équipes en charge du monitoring (deux personnes à Prédical) doivent répondre aux 6 questions suivantes :

    • Est-ce que le capteur est fonctionnel ? « Nous nous assurons que nous recevons bien des données issues de l’objet connecté en question. » ;
    • Est ce que le capteur remonte des informations sur son état et sur son environnement lui-même ? « Quel est l’état de la pile ? Quelle est la puissance de réception du signal ? « 
    • Comment savoir si les données reçues sont consistantes ? « Le format des données est-il celui que l’on attend (il doit être binaire, par exemple, s’il s’agit de savoir quand la personne entre (one : 1) ou sort (off : 2) d’une pièce) « ;
    • Comment savoir si les données reçues sont fiables ? « Les différentes données arrivent-elles dans le temps imparti (par exemple toutes les heures pour les capteurs installés sur les portes des différentes pièces du logement) ? » ;
    • Comment savoir si les traitements d’enrichissement de données fonctionnent ? « Les données correspondent-elles à ce qu’on attend (cohérence des résultats observés) ? » ;
    • Comment étendre le monitoring pour déceler rapidement un dysfonctionnement ? « Pourquoi l’utilisateur a-t-il déconnecté l’objet ? Qu’est-ce qui l’a ennuyé ? L’idée, ici, est de suivre le comportement de l’utilisateur en cas d’arrêt de l’utilisation du service » pour minimiser le taux de rétention client.

    Olivier Audry insiste sur l’importance des données de monitoring car elles permettent :

    • d’anticiper un changement de piles, par exemple ;
    • de détecter un capteur dont le comportement change (A-t-il été déplacé ? Est-il tombé ? A-t-il été occulté ?) ;
    • de détecter un problème localisé au niveau du réseau GSM : par exemple, il se peut qu’une panne générale d’un réseau soit survenue sur toute une région et que le problème ne provienne pas du dispositif en lui-même.

    « Cela fait quinze ans que je travaille dans le monitoring et, selon moi, cela fonctionne comme la sécurité en informatique : les problèmes ne se résolvent pas tout seuls, résume le spécialiste. Il faut mesurer, anticiper et maîtriser le service, être proactif. Le monitoring nécessite une installation sur mesure et un suivi continu, au jour le jour. La valeur du monitoring est trop souvent mésestimée. »

    Data mining : l’utilité des statistiques pour avoir un recul sur les données reçues (Mathilde Mougeot)

    Créée en 2011, l’Agence pour les mathématiques en interaction avec l’entreprise et la société (AMIES) met en relation des universitaires et des entreprises, en particulier des start-ups, pour aider ces dernières à résoudre un problème précis. Ce problème est transformé en question (statistiques ou machine learning) par l’équipe de l’AMIES pour ensuite développer une réponse sous forme d’algorithme.

    Mathilde Mougeot intervient dans ce cadre auprès de Prédical dans l’optique de créer des algorithmes et des méthodologies permettant de faire ressortir des valeurs pertinentes à partir des données collectées via les objets connectés .

    « Dans un environnement contrôlé, il n’y a pas de problème. Nous considérons que les données reçues peuvent être fiables. En revanche, dans un environnement réel, nous n’avons pas de recul et des variables sont possibles donc les données peuvent être erronées, expose-t-elle. L’idée est ainsi de créer un modèle prédictif via une analyse statistique des données. Nous devons nous appuyer sur la régularité observée au niveau des données reçues via l’objet connecté pour voir si l’on peut en déduire un comportement régulier de l’utilisateur, à partir duquel on essaie d’établir un diagnostic. À partir de la chaîne de données observée, nous essayons de dégager un modèle dit « adaptatif », chaque personne ayant son propre mode de fonctionnement. »

    L’équipe de Mathilde Mougeot a ainsi mis en place 3 types d’indicateurs :

    • les indicateurs de vie quotidienne : analyse les périodes d’activités (heure de lever, heure de coucher) et d’inactivités de l’utilisateur mais aussi les absences (déconnexion de l’objet) ;
    • les indicateurs de comportements : analyse la chaîne de données en se basant sur l’historique des données reçues sur une période donnée (un comportement régulier peut alors potentiellement être observé) ;
    • les indicateurs de stabilité du mode de vie : analyse si les données reçues sont cohérentes sur le long terme.

    L’experte explique que lorsque les anciens capteurs étaient utilisés (avant l’équipement Legrand-Intervox), des anomalies avaient été repérées : les données reçues pouvaient par exemple indiquer que l’utilisateur était actif 24 heures sur 24, ce qui est incohérent. « Il peut être difficile de repérer un bug, mais il est essentiel de le détecter rapidement et d’agir vite pour éviter les problèmes car il est question ici du suivi de personnes âgées, donc leur santé est en jeu. »

    « Il est important d’avoir un recul sur la donnée utilisée afin d’établir un diagnostic pertinent », conclut Mathilde Mougeot.

    En conclusion : veiller à la fiabilité du service

    • « Dans le domaine de la domotique, de nombreuses personnes pensent que les dispositifs sont à la portée de tout le monde, or, ce n’est pas le cas, prévient Stéphane Besseau. Ce non-dit favorise les ventes initiales, mais freine les ventes futures. C’est pourquoi il est essentiel que l’équipement soit installé par des professionnels et non par l’utilisateur seul. »
    • Les opérateurs de service « doivent surveiller la chaîne de production de la donnée pour rendre leur service fiable quels que soient les environnements ».
    • Il est important de suivre l’usage des services pour assurer un bon support client et ainsi minimiser le taux de rétention client.

  • Étude : les résultats du 1er outil de dépistage de la rétinopathie par IA questionnés par des experts

    En avril 2018, la Food and Drug Administration (FDA) a autorisé la mise sur le marché du premier dispositif médical de dépistage de la rétinopathie diabétique reposant sur l’intelligence artificielle (IA).

    L’étude* sur laquelle la FDA s’est basée a été publiée le 28 août dans Nature’s Digital Medicine. Malgré de très bons taux de spécificité et de sensibilité, des spécialistes émettent des doutes, dans un éditorial**, sur la puissance de cette étude.

    L’intelligence artificielle pour prévenir la cécité

    Aux États-Unis, plus de 24 000 personnes perdent la vue chaque année à cause de la rétinopathie diabétique (chiffres mentionnés dans l’étude). Une détection précoce de cette pathologie permet pourtant de réduire le risque de cécité de 90 % mais plus de la moitié des diabétiques ne consultent pas régulièrement un ophtalmologiste.

    Un système de dépistage de la rétinopathie diabétique reposant sur l’intelligence artificielle (IA) et ne nécessitant pas la présence d’un spécialiste pour interpréter les résultats des examens a donc été mis en place. Le système IDx-DR a pour rôle d’identifier de manière totalement autonome les patients diabétiques qui ont une rétinopathie nécessitant une évaluation ultérieure par un spécialiste. 

    Un diagnostic en quelques minutes

    Concrètement, une caméra rétinienne réalise des fonds d’œil et les télécharge ensuite sur le cloud. Grâce à un logiciel informatique s’appuyant sur des algorithmes d’IA, les images sont analysées et, quelques minutes plus tard, un médecin généraliste reçoit un résultat indiquant soit que le patient souffre d’une rétinopathie diabétique nécessitant de le transférer vers un spécialiste, soit qu’il n’y a aucune situation pathologique et qu’il faut juste procéder à nouveau à cet examen dans un an. La simplicité du processus permet que le dispositif soit utilisé par des médecins généralistes.

    En avril 2018, la FDA a autorisé la commercialisation de ce dispositif médical, le premier à diagnostiquer la rétinopathie diabétique grâce à l’intelligence artificielle. L’étude sur laquelle l’agence américaine s’est basée vient d’être publiée dans la revue Nature’s Digital Medicine.

    Sur les 900 patients inclus dans l’étude, 819 ont bénéficié d’un double diagnostic : l’un a été effectué par les spécialistes du Fundus Photograph Reading Center (FRPC) selon la procédure traditionnelle et l’autre grâce au dispositif IDx-DR.

    Résultats

    • 198 patients ont eu un diagnostic de rétinopathie diabétique dépassant le stade « léger » en utilisant le »gold standard », contre 173 avec l’IA.
    • Le dispositif médical basé sur l’intelligence artificielle a donc une sensibilité de 87 %.
    • Pour 621 patients, aucun diagnostic de rétinopathie n’a été posé via le FRPC, contre 556 pour l’IA.
    • Le dispositif médical validé par la FDA a donc une spécificité de 90 %.

    Les auteurs de cette étude espèrent que ce « système d’intelligence artificielle permettra de poser le diagnostic précoce d’autres pathologies oculaires telles que le glaucome et la dégénérescence maculaire liée à l’âge (DMLA) ». « Nous travaillons déjà sur les algorithmes, a déclaré le Dr Michael Abramoff, fondateur et président de la société IDx et principal auteur de ces travaux. Le but est d’obtenir ces diagnostics de spécialistes dans des centres de soins de premier recours et la vente au détail du dispositif. »

    Une étude qui manque de puissance…

    Alors que ces résultats sont apparus suffisamment solides à la FDA pour donner son accord de commercialisation, des chercheurs ont fait entendre une voix discordante dans un éditorial** paru lui aussi dans Nature’s Digital Medicine.

    Ces spécialistes issus de prestigieuses institutions, telles que le National Institute for Health Research et le Scripps Translational Science Institute, estiment tout d’abord que l’échantillon était trop faible pour une étude diagnostique.

    En outre, le fait que 40 patients aient été exclus de l’analyse pourrait, selon eux, fausser les résultats finaux.

    Des études complémentaires sont donc nécessaires. « Reste par ailleurs à savoir comment le dispositif approuvé sera accepté dans la pratique. Les cliniques de soins primaires intègreront-elles le dépistage de la rétine dans leur pratique ? Ce n’est pas vraiment un système autonome, car quelqu’un doit acquérir l’image – qui va le faire ? « , s’interrogent les experts.

    … mais un « travail crucial »

    Malgré ces réticences, les éditorialistes « applaudissent les auteurs de l’étude pour ce travail crucial ».

    « Bien que l’apprentissage en profondeur ne soit pas une panacée, il présente un énorme potentiel dans de nombreux domaines cliniques où des données de grande dimension sont associées à une classification simple et pour lesquelles les ensembles de données sont potentiellement stables sur de longues périodes. À ce titre, il incombera aux professionnels de la santé de se familiariser avec cette technologie et d’autres technologies d’IA dans les années à venir afin de s’assurer que ces techniques soient utilisées de manière appropriée. Cette étude représente un premier pas important dans cette direction », ont-ils conclu.

  • « Vers une délégation du consentement à l’intelligence artificielle ? », Paris le 4 octobre 2018

    Dans le cadre du séminaire « Intelligence artificielle, robotique et santé », une conférence qui se tiendra le 4 octobre 2018 à la faculté de médecine Paris-Descartes portera sur la question de la délégation du consentement à l’intelligence artificielle.

    Cet événement, qui constituera la 7ème séance de ce séminaire pluridisciplinaire et pluri-institutionnel, est organisé par la Chaire de philosophie à l’hôpital – déployée au sein du GHT Paris « Psychiatrie et neurosciences » – en collaboration avec le Laboratoire d’informatique pour la mécanique et les sciences de l’ingénieur (Limsi, entité dépendante du CNRS et de la Sorbonne Université), l’Institut des hautes études de l’innovation et de l’entrepreneuriat (IHEIE) et le département de simulation en santé de Paris-Descartes ILumens.

    La conférence, qui débutera à 18 heures, sera animée par David Gruson, membre du comité de direction de la Chaire santé de Sciences Po Paris et de l’initiative Ethik-IA.

    L’inscription à cet événement peut être réalisée via le lien ci-contre.

  • Été 2018 : la France classée 16ème à l’indice mondial de l’innovation 2018

    Health & Tech Intelligence revient sur l’actualité de l’été 2018.

    Publié conjointement en juillet 2018 par l’Organisation mondiale de la propriété intellectuelle (OMPI), l’Université Cornell et l’Institut européen d’administration des affaires (INSEAD), l’indice mondial de l’innovation 2018 classe la France au 16ème rang des pays les plus innovants du monde.

    Ainsi, derrière l’Allemagne et devant la Chine, la France se place en 2018 au-dessus de la moyenne des pays européens, entre ses propres classements de 2016 et de 2017, où elle s’était respectivement placée en 18ème et 15ème position du palmarès, alors que la Suisse, suivie de la Suède, du Royaume-Uni, de Singapour et des États-Unis, demeure en tête du classement pour la 7ème année consécutive.

    L’établissement de ce palmarès a nécessité, pour les 126 pays classés, l’étude de 80 critères tels que le nombre de demandes de titres de propriété intellectuelle déposées pour la création d’applications mobiles, le montant des dépenses en matière d’éducation, le nombre de publications scientifiques et techniques, etc.
    Ces 80 critères peuvent être rapportés à 7 grands domaines à même de refléter la capacité d’un pays à soutenir l’innovation :
    • les institutions ;
    • le capital humain et la recherche ;
    • l’infrastructure ;
    • le perfectionnement du marché ;
    • le perfectionnement des entreprises ;
    • la connaissance et les résultats technologiques ;
    • la créativité.

    Dans chacun de ces domaines pris en compte par l’indicateur, la France se place dans le top 25. Elle est en particulier 10ème du point de vue des infrastructures qu’elle met à disposition de la population et 11ème en ce qui concerne son capital humain et ses recherches : d’après l’indice, la qualité de ses publications scientifique est la 4ème meilleure au monde.

    En outre, au niveau du classement des pôles mondiaux les plus innovants, la région parisienne se positionne au 9ème rang.

  • Été 2018 : les députés veulent imposer l’utilisation du système d’information SI Labo pour les UMR

    Health & Tech Intelligence revient sur l’actualité de l’été 2018.

    Dans le cadre des conclusions des travaux de la Mission d’évaluation et de contrôle sur l’évaluation du financement public de la recherche dans les universités, enregistrées à la présidence de l’Assemblée nationale le 25 juillet 2018, les députés ont émis six propositions « pour un déploiement efficace du SI Labo », dont celle de rendre obligatoire son utilisation par toutes les Unités mixtes de recherche (UMR).

    Les 5 autres propositions énoncées par les parlementaires sont les suivantes :
    • « permettre (…) l’accès à des données consolidées par secteur thématique de recherche ainsi que la comparaison des laboratoires de ces secteurs selon les moyens dont ils disposent ou selon leur nombre de publications » ;
    • « engager rapidement l’ensemble des organismes et des établissements (…) dans la conception et la participation au SI Labo (…) » ;
    • « confier au ministère la responsabilité de faire un point d’étape et d’échange avec les établissements sur l’avancement du projet SI Labo et son appréciation par les établissements (…) » ;
    • « nommer un chef de projet transversal et ministériel pour renforcer la supervision et le suivi du développement du projet SI Labo » ;
    • « distinguer le financement du projet SI Labo au sein des documents budgétaires, dans chacun des programmes et pour les différents opérateurs et établissements ».

    Le budget 2017-2020 prévu pour l’ensemble du SI Labo est de 30 millions d’euros, indique par ailleurs le rapport. « Cependant, les rapporteurs s’inquiètent des risques de dérapage du coût ».

    Qu’est ce que le SI Labo ?

    Le SI Labo fait partie du système d’information Recherche (SI Recherche), qui doit réunir tous les systèmes d’information des entités (structures, organismes, établissements, agences, tutelles) centrées sur le domaine de la recherche.

    Présenté aux acteurs du secteur par le ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation fin 2017, il vise à « consolider et à mettre à disposition des différents niveaux de pilotage un ensemble de données d’activité et de gestion jusqu’ici éparses et non disponibles dans leur ensemble », précisent les auteurs du rapport (lien ci-contre).

    Permettre l’interopérabilité des opérations informatiques des instances de recherche

    Le SI Labo va donc centraliser et rendre possible l’interopérabilité des opérations informatiques au niveau de l’instance de recherche mais aussi permettre le partage de ces données avec les systèmes d’information des tutelles au niveau du SI Recherche.

    Les équipes de recherche ne devront ainsi plus renseigner plusieurs fois les mêmes informations et il sera plus facile d’agréger les données « pour permettre le pilotage à tous les niveaux souhaités ». Le ministère indique que le SI Labo sera mis à la disposition de toutes les structures de recherche qui le souhaiteront.

    6 propositions émises « pour un déploiement efficace du SI Labo »

    La mission d’évaluation, coprésidée par la députée LREM de l’Essonne Amélie de Montchalin et le député LR du Bas-Rhin Patrick Hetzel, a pour but d’établir les bases d’une restructuration du système de recherche français.

    Dans la deuxième partie du rapport, intitulée « La nécessité d’œuvrer pour une plus grande cohérence des données et de piloter la recherche avec davantage de souplesse et de réactivité », les députés ont détaillé les spécificités du programme national commun SI Labo dont le but est « de bâtir un système uniformisé et efficace de gestion et de suivi des financements de la recherche ».

    Les auteurs du rapport expliquent que le SI Labo est « l’opportunité de disposer d’un outil permettant, en apportant une vision claire de la participation des différentes tutelles au quotidien d’une UMR, d’améliorer le dialogue de gestion entre ces tutelles au service de la stratégie de l’UMR d’une part, et entre les tutelles et l’État d’autre part ». Ils notent cependant que « plusieurs obstacles » pourraient nuire à son efficacité.

    Les 6 propositions émises par les députés pour assurer son bon déploiement

    • Le SI Labo a pour objectif de mettre en place des applications partagées au niveau des laboratoires :
      • les systèmes d’information actuellement utilisées par les UMR, qui fonctionnent en silo, ne permettent pas un dialogue de gestion efficace entre les tutelles ;
      • le SI Labo devrait permettre de consolider les données au sein d’une UMR pour en garantir « un meilleur pilotage stratégique ».

    Proposition 1 : « rendre obligatoire, à terme, l’utilisation du SI Labo (ou celle de connecteurs permettant l’interopérabilité) pour l’ensemble des opérateurs financés sur fonds publics participant à des UMR » ;

    • Le SI Labo doit être accompagné d’une harmonisation des pratiques pour qu’il soit utilisé à son plein potentiel ;
    • « Le projet est encore inabouti sur certains points et s’appuie insuffisamment sur les acteurs de terrain » :
      • « l’absence d’application décisionnelle et de perspective pluriannuelle à ce stade est préjudiciable » ;

    Proposition 2 : « permettre, via l’application décisionnelle, l’accès à des données consolidées par secteur thématique de recherche ainsi que la comparaison des laboratoires de ces secteurs selon les moyens dont ils disposent ou selon leur nombre de publications ».

    Proposition 3 : « engager rapidement l’ensemble des organismes et établissements, sous impulsion ministérielle, dans la conception et la participation au SI Labo, en prévoyant les financements nécessaires à la transformation (ou à l’interopérabilité) de leurs SI et des calendriers de déploiement ajustés aux contraintes de chaque organisme et établissement ».

    Proposition 4 : « confier au ministère la responsabilité de faire un point d’étape et d’échange avec les établissements sur l’avancement du projet SI Labo et son appréciation par les établissements, notamment en abordant de manière prospective les éventuels obstacles à son déploiement et son exploitation par les équipes des UMR et des établissements ».

      • « afin d’assurer un déploiement rapide et effectif, l’élaboration du SI Labo doit davantage associer tous les acteurs » ;
      • « les risques de dérapage du calendrier sont importants » ;

    Proposition 5 : « nommer d’urgence un chef de projet transversal et ministériel pour renforcer la supervision et le suivi du développement du projet SI Labo ».

      • « la prévision de financement est à préciser ».

    « Le budget prévu pour l’ensemble du SI Labo est de 30 millions d’euros entre 2017 et 2020, précise le rapport. Cependant, les rapporteurs s’inquiètent des risques de dérapage du coût ».

    « Par exemple, la prévision du financement de la brique décisionnelle semble n’être qu’indicative étant donné l’état d’avancement du projet. Par ailleurs, le financement de ce projet structurant n’apparaît qu’insuffisamment dans les documents budgétaires. »

    Proposition 6 : « distinguer le financement du projet SI Labo au sein des documents budgétaires, dans chacun des programmes et pour les différents opérateurs et établissements ».