Incubateurs

  • IA, IoT et cliniques virtuelles : avènement de l’ophtalmologie numérique (The Lancet)

    Au cours de la décennie 2010, l’ophtalmologie a été transformée par des nouvelles technologies telles que le deep learning (apprentissage profond) et l’internet des objets (IoT).

    C’est ce qu’indique un article publié le 4 décembre 2019 dans The Lancet Digital Health et intitulé « Artificial intelligence, the internet of things, and virtual clinics: ophthalmology at the digital translation forefront » (« Intelligence artificielle, internet des objets et cliniques virtuelles : l’ophtalmologie au premier plan de la révolution numérique »), qui décrit l’impact des nouvelles technologies sur la spécialité. 

    « L’OMS a publié au début de l’année 2019 un ensemble de guidelines visant à conseiller les chercheurs sur une exploitation des nouvelles technologies fondée sur des preuves et permettant d’améliorer l’état de santé des patients, rappellent les auteurs de l’article. Inspirés par cette initiative, nous revenons ici sur l’utilisation des nouvelles technologies en ophtalmologie, […] et en particulier celles qui sont déjà disponibles ou qui pourraient être utilisées en pratique courante dans un avenir proche. »

    L’article s’attarde sur l’intérêt des solutions d’intelligence artificielle (IA) et de deep learning puis d’IoT développées en ophtalmologie. Selon ses auteurs, ces technologies doivent :
    • permettre d’analyser rapidement d’importantes quantités de données d’imagerie afin de dépister au plus vite certaines pathologies oculaires et d’orienter au mieux les prises en charge ;
    • faciliter la communication entre les équipes et favoriser le développement de la téléophtalmologie dans un contexte de pénurie de spécialistes.

    Les auteurs de l’article indiquent par ailleurs qu’afin que l’ophtalmologie poursuive sa transformation technologique le mieux possible, cette dernière doit être motivée par des besoins de santé réels et soutenue par des politiques et stratégies de santé appropriées.

    IA, deep learning et dépistage en ophtalmologie

    Analyser rapidement de nombreuses images

    « L’apprentissage en profondeur a montré qu’il surpassait les techniques traditionnelles de reconnaissance d’image, de parole, de mouvement et de traitement du langage naturel », indiquent les auteurs.

    En médecine, où il s’agit surtout d’analyser des images, cette technologie devient peu à peu capable d’assister les praticiens, et en particulier les radiologues, dans l’établissement de leurs diagnostics : des algorithmes d’apprentissage profond ont détecté avec succès des foyers tuberculeux à partir de radiographies pulmonaires, des mélanomes malins à partir de photographies de peau ou des métastases ganglionnaires secondaires à des cancers du sein à partir de coupes de tissus.

    En ophtalmologie, spécialité de plus en plus productrice d’un très grand nombre de clichés tels que des photographies de fond d’œil et des images de tomographie par cohérence optique (scanner rétinien permettant d’observer des lésions liées à des pathologies telles que la rétinopathie diabétique, l’œdème maculaire diabétique, le glaucome, la dégénérescence maculaire liée à l’âge ou la cataracte), de plus en plus d’algorithmes de deep learning sont développés.

    L’IA pour dépister des complications de maladies cardio-métaboliques en ophtalmologie

    • Des IA pas encore à mêmes de dépister ou de caractériser des maladies cardio-métaboliques…

    Selon  plusieurs études, l’apprentissage en profondeur pourrait dans le futur prédire les facteurs de risque cardiovasculaires tels qu’une augmentation de la pression artérielle systémique ou d’un taux d’hémoglobine glyquée A1c (facteur de risque de diabète) à partir de photographies de fond d’œil. « Une part très peu élevée de ces algorithmes et systèmes de deep learning testés l’ont cependant été dans le cadre de recherches prospectives fiables », expliquent les auteurs, pour lesquels ces IA n’ont pas fait la preuve de leur efficacité dans le dépistage de maladies cardio-métaboliques à partir de clichés d’ophtalmologie.

    • … mais capables de détecter ou de suivre l’évolution de complications rétiniennes du diabète

    Si les algorithmes d’apprentissage profond ne semblent pas encore capables d’aider au diagnostic des maladies cardio-métaboliques à partir d’images de fond d’œil, ces derniers pourraient cependant aider au dépistage de complications ophtalmologiques de maladies cardio-métaboliques telles que le diabète.

    « L’utilisation du deep learning pour le dépistage de la rétinopathie diabétique, complication rétinienne du diabète, est la technologie la plus établie, la plus souvent rapportée dans la littérature, la mieux évaluée et la plus susceptible d’être intégrée à la pratique courante », indiquent les auteurs.

    La Food and Drug Administration (FDA) a ainsi approuvé pour la première fois en 2018, sur la base d’un essai clinique prospectif réalisé dans des établissements de soins oculaires américains, un appareil médical fondé sur l’IA et le deep learning. L’autorisation de mise sur le marché de cet appareil, qui permet de dépister et de surveiller l’évolution de la rétinopathie diabétique, aurait, d’après les auteurs, « ouvert la porte à l’introduction de la technologie basée sur l’IA et le deep learning en pratique courante ».

    Développer des aides à la décision clinique face à la multiplication des images

    « À la fin de l’année 2019, plus de 30 millions de tomographies par cohérence optique rétinienne étaient effectués chaque année aux États-Unis, produisant plus de clichés que tous les autres examens d’imagerie ophtalmique combinés », indiquent les auteurs de l’article. Face à la multiplication de ces images, ils affirment que le développement d’outils d’aide à la décision clinique fondés sur l’IA et le deep learning n’est pas un luxe technologique superficiel mais une solution qui permettrait potentiellement d’aider des ophtalmologistes très peu nombreux à gérer une quantité très importante de données.

    Le deep learning pour orienter au mieux les prises en charge

    • Orienter au mieux les patients aux urgences

    Le deep learning permettrait aux spécialistes de gagner d’autant plus de temps que de nouveaux algorithmes seraient capables, sur la base de clichés d’imagerie simples, de générer des « décisions de tri de référence » lors du tri des patients à leur entrée au sein d’un service d’urgences ophtalmologiques.

    • Prévoir l’évolution de la maladie pour adapter le traitement

    Dans le suivi du traitement de la DMLA néovasculaire, un modèle d’apprentissage automatique (machine learning) développé en 2019 pourrait prédire, à partir d’une acuité visuelle de départ, l’acuité visuelle des patients 3 mois et 12 mois après une première administration de ranibizumab (Lucentis). « Cette approche permettrait d’aider les cliniciens à prescrire, conseiller et gérer les attentes des patients de la manière la plus adaptée possible au cours de leur parcours thérapeutique », expliquent les auteurs.

    L’IoT pour une meilleure communication entre les équipes et centres de soins

    Communication et analyse de clichés à distance

    « Avec l’Internet des objets, tous les appareils connectés à Internet peuvent s’échanger des informations de manière purement automatisée sans avoir besoin d’interaction homme-homme ou homme-ordinateur », rappellent les auteurs de l’article. 

    L’internet des objets appliqué à l’ophtalmologie permettrait de relier plus facilement les données d’imagerie aux informations cliniques des patients. Cette technologie permettrait donc de lier les pôles de production des images aux services de soins d’ophtalmologie, que ces derniers se trouvent dans un même hôpital ou dans des établissements différents éventuellement très éloignés les uns des autres.

    Les images et données cliniques pourraient par ailleurs dans le futur être analysées à distance par des algorithmes d’IA.

    Apparition de cliniques d’ophtalmologie virtuelles

    « Le développement de cliniques virtuelles telles que les quelques cliniques numériques qui ont ouvert en 2019 aux États-Unis, en réduisant la nécessité d’un rendez-vous physique, pourrait résoudre le problème des longs délais d’attente », indiquent les auteurs. En fait, des cliniques d’ophtalmologie virtuelles, c’est-à-dire des plateformes de télémédecine spécialisées, pourraient se développer en ophtalmologie afin de désengorger les cabinets et centres de soins. Afin de proposer un service le plus fiable possible, ces plateformes pourraient recevoir des données d’imagerie enregistrées par des dispositifs connectés maniés par des professionnels (infirmiers, orthoptistes) formés.

    Évolution technologique future de l’ophtalmologie

    Répondre à des besoins cliniques plutôt que participer à une course technologique

    « Les innovations en matière de soins de santé, y compris l’IA et l’Internet des objets, doivent débuter par l’identification de besoins cliniques non satisfaits », insistent les auteurs.

    Facteurs déterminants pour une poursuite du développement technologique de l’ophtalmologie

    Le développement de nouvelles technologies ne peut pas seul conduire les ophtalmologistes à plus utiliser l’IA ou l’IoT.

    En plus de nouvelles solutions physiquement disponibles à l’efficacité et la sécurité d’utilisation prouvées, l’ophtalmologie numérique a besoin pour évoluer de stratégies de santé adaptées, de référentiels d’interopérabilité efficaces, d’infrastructures modernes, de législations appropriées et de professionnels formés.

  • Une IA d’analyse du langage naturel pour une meilleure utilisation des médicaments de la démence

    Une solution canadienne d’analyse automatique du langage naturel oral des personnes âgées a été conçue pour aider à diagnostiquer plus précocement les démences débutantes et ainsi permettre d’adapter le plus tôt possible les traitements des patients. Cette solution, développée par la société Winterlight Labs, autoriserait également des progrès dans la recherche de médicaments contre les démences.

    C’est ce qu’indique Hospital News, magazine professionnel canadien, dans un article publié fin décembre 2019 et intitulé From senior care to pharma, a new speech analyzer tool adresses gaps and meets needs (Des soins aux personnes âgées à l’industrie pharmaceutique, un nouvel outil d’analyse de parole comble des lacunes et répond aux besoins).

    Selon le média canadien, cette solution fondée sur l’intelligence artificielle ne permet pas seulement d’aider à diagnostiquer les démences débutantes dans l’objectif d’adapter les prises en charge des patients. En effet, elle intéresse également les chercheurs et l’industrie dans la mesure :
    • où elle permet de mieux comprendre ce type de maladies en proposant de nouveaux « marqueurs numériques » de la démence ;
    • où elle constitue un outil d’évaluation de l’efficacité des nouveaux traitements conçus par l’industrie pharmaceutique.

    Une solution basée sur une IA d’analyse de langage naturel

    L’analyseur de discours oral développé par la société Winterlight Labs est fondé sur une intelligence artificielle (IA) d’analyse de langage naturel.

    Chargée sur une tablette, cette solution permet de soumettre aux personnes âgées que l’on suspecte atteintes d’une démence précoce une série de photographies. Ces patients doivent alors décrire oralement ces images pendant 2 à 4 minutes. Les paroles de chaque patient sont enregistrées, puis l’IA en extrait environ 540 éléments linguistiques qu’elle analyse. De l’analyse de ces éléments, l’algorithme déduit un risque de présence d’une démence.

    Un teste auprès de 50 personnes vivant en Ontario

    Ce fonctionnement serait actuellement testé en partenariat avec VHA Home HealthCare, une association de santé canadienne, auprès de 50 personnes âgées vivant en Ontario.

    Aide au diagnostic et à la décision clinique

    Diagnostiquer les démences le plus tôt possible…

    L’objectif de Winterlight Labs est de proposer une solution d’aide au diagnostic précoce des démences, aujourd’hui difficile à établir.

    Selon une intervention du Dr Jean-Marc Michel aux 24èmes Journées annuelles de formation de l’Association pour la promotion des hôpitaux de jour pour personnes âgées (APHJPA), le diagnostic de démence est d’autant plus difficile à réaliser que des examens anatomopathologiques ne peuvent être réalisés : « Nous restons dans le domaine de la probabilité en ce qui concerne les états démentiels », indique-t-il. Par ailleurs, les patients pris en charge en gériatrie présentent souvent d’autres troubles cognitifs liés à un vieillissement normal qui peuvent masquer la démence.

    Par ailleurs l’ambition de l’entreprise est de développer une solution d’aide à la décision clinique qui, avec des pistes diagnostiques, rendrait également des indications concernant des prises en charge adaptées.

    … pour adapter précocement les traitements et l’environnement du patient

    L’enjeu est de permettre d’adapter le plus tôt possible la prise en charge médicamenteuse des patients présentant une démence débutante car quelques traitements symptomatiques sont capables de freiner l’évolution de la maladie à condition qu’ils soient administrés à temps.

    La solution semble par ailleurs intéressante dans la mesure où elle permettrait d’adapter au mieux l’environnement des patients. Des stratégies de prévention vis-à-vis de situations de crise à venir (événements médicaux déstabilisants, troubles du comportement, etc.) peuvent alors être mises en place, explique le Dr Michel.

    Prendre en charge précocement la maladie autoriserait par ailleurs les professionnels à former les proches des malades à devenir aidants – à se préparer aux futurs troubles du comportement de leur proche, à ne pas culpabiliser, à ne pas s’épuiser tout en proposant de l’aide, à réfléchir à l’intervention d’infirmiers ou d’ergothérapeutes au domicile, voire à une hospitalisation éventuelle.

    Intérêt pour la recherche et l’industrie pharmaceutique

    Selon Hospital news, la solution semble présenter un intérêt en recherche.

    D’abord, des sociétés telles que Janssen Pharmaceuticals ont noué des partenariats avec Winterlight Labs pour mener des recherches autour de la notion de marqueur numérique dans l’objectif de savoir si les éléments linguistiques analysés par l’algorithme intelligent peuvent être considérés comme des marqueurs numériques de démence. Le suivi de ces marqueurs numériques pourrait permettre de mieux comprendre l’évolution des démences aux stades précoces.

    Évaluer l’efficacité des traitements aux stades précoces des démences

    « L’analyseur de parole de la société est également utilisé dans plusieurs essais cliniques aux États-Unis pour examiner l’efficacité de nouvelles thérapies médicamenteuses », complète Hospital News.

  • Étude : l’IA à même de mesurer la glycémie et d’éviter les piqûres au bout du doigt (Sc. Reports)

    Une nouvelle technique développée par des chercheurs de l’université de Warwick (Angleterre) utilise les dernières découvertes de l’intelligence artificielle (IA) pour détecter les événements hypoglycémiques à partir des signaux d’ECG. La technologie s’est révélée fiable à 82 % et pourrait donc remplacer les tests invasifs que sont les piqûres au bout du doigt. Les résultats de cette étude* ont été publiés le 13 janvier 2020 dans la revue Scientific Reports.

    Une détection automatique des hypoglycémies grâce à un ECG basé sur IA

    Le suivi de la glycémie est essentiel pour les personnes souffrant de diabète, une hypoglycémie pouvant entraîner de la confusion, de l’irritabilité et des convulsions qui peuvent même se révéler fatales. Depuis quelques années, cette surveillance s’est nettement améliorée avec l’arrivée de dispositifs de mesure du glucose en continu. Cependant, ils représentent quelques inconvénients. Ils mesurent le glucose à l’aide d’un capteur invasif muni d’une petite aiguille. Et bien souvent, ils doivent être calibrés 2 fois par jour par le bais des piqûres à réaliser au bout du doigt.

    Un programme de deep learning repère automatiquement les épisodes d’hypoglycémie

    Des chercheurs de l’université de Warwick, en Angleterre, ont mis au point une nouvelle technologie de détection automatique des hypoglycémies grâce à l’intelligence artificielle (IA). Concrètement, des capteurs portables – non invasifs cette fois – pratiquent un ECG. Charge ensuite à un programme d’apprentissage en profondeur (deep learning) de repérer automatiquement les épisodes d’hypoglycémie. En effet, les battements cardiaques changent en fonction du taux de glucose et la forme d’onde de l’ECG se modifie elle aussi. Les chercheurs ont en outre mis au point une méthode permettant aux cliniciens de visualiser quelle partie du signal ECG est associée de façon significative à l’événement hypoglycémique chez chaque sujet, ce qui permet de surmonter le problème d’intelligibilité des méthodes d’apprentissage profond.

    Les résultats de ces travaux ont été publiés le 13 janvier 2020 dans la revue Scientific Reports.

    Résultats : l’IA aussi fiable que les moniteurs de glucose en continu

    • les événements hypoglycémiques sont repérés à partir des signaux ECG avec une sensibilité et une spécificité de l’ordre de 82 %
    • la fiabilité du système d’IA est similaire à celle des moniteurs de glucose en continu

    Un suivi personnalisé des personnes diabétiques

    « Notre approche permet un réglage personnalisé des algorithmes de détection et met l’accent sur la façon dont les événements hypoglycémiques affectent l’ECG chez les individus, commentent les auteurs de l’étude. Sur la base de ces informations, les cliniciens peuvent adapter la thérapie à chaque individu. ». Cette personnalisation du suivi est possible parce que le modèle d’intelligence artificielle a été entraîné avec les données propres à chaque malade. Cela pourrait expliquer pourquoi les études précédentes utilisant l’ECG pour détecter les événements hypoglycémiques ont échoué.

    Par ailleurs, les chercheurs de l’université de Warwick soulignent que le recours à l’ECG est pertinent car il peut être effectué à tout moment, même la nuit. Contrairement aux piqûres réalisées au bout du doigt. Pour les patients en âge pédiatrique, cette solution pourrait s’avérer particulièrement pertinente.

    Il s’agit cependant d’une étude pilote. Davantage de recherches cliniques sont nécessaires pour confirmer ces résultats dans des populations plus larges. « C’est pourquoi nous recherchons des partenaires », précisent les auteurs des travaux.

  • Étude : une IA diagnostique les tumeurs cérébrales pratiquement en temps réel (Nature Medicine)

    Un programme d’intelligence artificielle (IA), mis au point par des chercheurs américains des universités du Michigan et de New York, a réussi à diagnostiquer des tumeurs cérébrales en moins de 2 minutes 30 lors d’une opération, alors qu’il faut compter environ une demi-heure avec la méthode classique. Les résultats de cette étude* publiée le 6 janvier 2020 dans Nature Medicine montrent qu’un tel outil pourrait aider les chirurgiens à opérer de façon plus sûre et plus précise et qu’il pourrait pallier la pénurie d’experts dans le domaine.

    Repérer les tumeurs du cerveau pendant l’opération

    Être capable de poser un diagnostic pendant une opération est essentiel pour fournir des soins sûrs et efficaces. Le diagnostic peropératoire aide en fait à guider la main du neurochirurgien. Or, la méthode actuelle consistant à colorer à l’hématoxyline et à l’éosine des tissus traités est exigeant en temps, en ressources et en main-d’œuvre. De plus, l’interprétation des images histologiques peropératoires dépend d’une main-d’œuvre inégalement répartie, qui fait parfois défaut dans certains établissements de santé.

    Des chercheurs américains de l’Université du Michigan et de New York ont testé une autre méthode diagnostique : un technique d’imagerie optique associée à un algorithme d’intelligence artificielle (IA) reposant sur des réseaux de neurones profonds. Ces derniers ont été entraînés sur plus de 2,5 millions d’images de biopsies. Sa mission consiste à indiquer si les cellules prélevées sont cancéreuses et à de quelle type sont les tumeurs.

    Les résultats de cet essai ont été publiés le 6 janvier 2020 dans la revue Nature Medicine.

    Résultats : un diagnostic précis presque en temps réel

    L’IA est parvenue à :

    • poser le diagnostic de tumeurs cérébrales en salle d’opération en moins de 150 secondes (2 minutes 30), contre 20-30 minutes avec la technique traditionnelle ;
    • classer les tumeurs identifiées au sein des types de cancers du cerveau les plus fréquents ;
    • identifier les régions diagnostiques infiltrées par la tumeur dans les images.

    Dans une étude antérieure, incluant 278 personnes souffrant d’une tumeur au cerveau, les mêmes chercheurs avaient démontré que le diagnostic via l’intelligence artificielle n’était pas inférieur à l’interprétation pathologique des images histologiques conventionnelles puisque le diagnostic était correct dans 94,6 % contre 93,9 % pour l’analyse humaine traditionnelle.

    « Voir ce qui serait invisible autrement »

    « En tant que chirurgiens, nous sommes limités dans nos interventions par ce que nous pouvons voir ; cette technologie nous permet de voir ce qui serait autrement invisible, d’améliorer la vitesse et la précision dans la salle d’opération et de réduire le risque de mauvais diagnostic « , commente l’auteur principal de l’étude Daniel A. Orringer, professeur agrégé de neurochirurgie à l’école de médecine Grossman de l’université de New York.

    Cette technique élimine en effet le long processus d’envoi des tissus hors de la salle d’opération pour traitement et interprétation. « De façon étonnante, dans tous les cas où les pathologistes se sont trompés, notre algorithme a vu juste, et dans tous les cas où l’algorithme s’est trompé, les pathologistes ont vu juste », note le Pr Daniel A. Orringer. « Avec cette technologie d’imagerie, les opérations du cancer seront plus sûres et plus efficaces que jamais », prédit le spécialiste. Plus de 15 millions de personnes se voient diagnostiquer un cancer chaque année et plus de 80 % subissent en conséquence une chirurgie.

  • Rétro 2019 : top 10 des études révélant les limites de certaines technologies de santé

    En cette semaine de rentrée 2020, Health & Tech Intelligence revient sur les publications fortes de l’année passée. Après un focus sur les études les plus probantes ayant démontré l’efficacité de certaines technologies dans le domaine de la santé, retour aujourd’hui sur celles qui ont mis en avant les limites voire l’inefficacité de certaines solutions, en particulier les applications mobiles dédiées à la santé mentale.

    • Télé-santé :
    – essor de la télécontraception et surestimation de la sécurité des nouvelles pratiques.

    • IA et big data :
    – un algorithme prive de soins des Afro-Américains à cause d’un biais racial ;
    – les preuves du pouvoir diagnostic de l’IA restent fragiles.

    • Applications mobiles et chatbots :
    – la validité clinique des applis de santé mentale remise en cause dans 2 revues ;
    – 9 applis sur 10 dédiées au suicide ne sont pas conformes aux recommandations ;
    – les traqueurs d’activité encouragent l’activité physique mais pas durablement ;
    – les applis de sport entraînent une augmentation modeste de l’activité physique ;
    – beaucoup de marketing et de faux espoirs dans les applis mobiles dédiées au cancer ;
    – l’évaluation des applis souffre d’un manque de standardisation.

    Téléconsultation

    Essor de la télécontraception et surestimation de la sécurité des nouvelles pratiques

    L’Association des pharmaciens américains (AphA) estime que la télécontraception pourrait permettre de rétablir une certaine égalité d’accès aux médicaments contraceptifs tout en garantissant la sécurité des patientes.

    Cette affirmation de l’AphA, émise dans un communiqué daté du 1er novembre 2019, est en fait fondée sur les résultats d’une étude publiée en septembre 2019 dans le New England Journal of Medicine. Largement diffusée dans le monde anglo-saxon, cette recherche intitulée « A Study of Telecontraception » (« Une étude de la télécontraception ») montre par une méthodologie utilisant de fausses patientes :

    • que la télécontraception pourrait faciliter l’accès à la contraception pour toutes ;
    • que certains sites de télécontraception respecteraient mieux les recommandations de prescription que certaines cliniques américaines spécialisées dans les consultations physiques de contraception ;
    • que le service proposé par la plupart des sites internet est plutôt sûr.

    Lire la suite de l’article ici.

    IA et big data

    Un algorithme prive de soins des Afro-Américains à cause d’un biais racial (Science)

    Une équipe de chercheurs américains a découvert qu’un algorithme très utilisé par les médecins avait conduit à sous-estimer les besoins de soins de millions d’Afro-Américains. Ce biais racial reposait sur une analyse erronée des coûts de santé : moins une personne dépensait d’argent pour ses soins, moins elle était considérée comme à risque et ayant besoin de soins complémentaires. Les résultats de cette étude ont été publiés le 25 octobre 2019 dans la revue Science.

    Lire la suite de l’article ici.

    Les preuves du pouvoir diagnostic de l’IA restent fragiles (Lancet Digital Health)

    De plus en plus d’études indiquent que la précision diagnostique des algorithmes est équivalente ou supérieure à celle des humains. Cependant, elles comportent des biais, leurs résultats sont donc difficilement généralisables.

    Selon une étude publiée le 25 septembre 2019 dans la revue The Lancet Digital Health, sur 20 000 publications passées en revue, moins de 1 % reposaient sur une méthodologie solide.

    Lire la suite de l’article ici.

    Applications mobiles

    La validité clinique des applis de santé mentale remise en cause dans 2 revues (Nature, JAD)

    Deux études remettent en cause l’efficacité des applications mobiles de santé mentale. La première, parue le 2 décembre 2019 dans Nature Digital Medicine, estime que les preuves sont insuffisantes pour recommander les applis en tant qu’interventions psychologiques autonomes. La seconde étude, parue le 3 décembre dans le Journal of Affective Disorders (JAD), révèle que les travaux menés sur ces applis ne sont pas valides dans la mesure où la moitié des patients ont abandonné l’utilisation de la solution en cours d’essai.

    Lire la suite de l’article ici.

    9 applis sur 10 dédiées au suicide ne sont pas conformes aux recommandations (BMC Medicine)

    La plupart des applications mobiles (93 %) pour la prévention du suicide et la gestion de la dépression ne fournissent pas les 6 stratégies de prévention du suicide qui sont couramment recommandées dans les directives cliniques internationales. Les chercheurs de la Nanyang Technological University de Singapour (NTU Singapour) ont même constaté que plusieurs applications téléchargées plus d’un million de fois qui indiquaient des numéros de téléphone d’urgence incorrects ont été trouvés disponibles dans le monde. Les résultats de leur étude ont été publiés le 19 décembre 2019 dans la revue BMC Medicine.

    Lire la suite de l’article ici.

    Les traqueurs d’activité encouragent l’activité physique mais pas durablement (Jama)

    Une application de téléphone mobile conçue pour des femmes inactives s’est révélée efficace pour augmenter le niveau d’activité physique lorsqu’elle était associée à un suivi d’activité et à des conseils personnalisés. Cependant, l’étude en question, publiée le 24 mai 2019 dans le Jama Network Open et menée par des chercheurs de l’université de Californie, montre les limites de cette stratégie. L’outil ne permettait pas un changement de comportement durable. Au bout de 3 mois, le niveau d’activité physique diminuait de nouveau.

    Lire la suite de l’article ici.

    Les applis de sport entraînent une augmentation modeste de l’activité physique (Lancet)

    Une étude financée par la Stanford Data Science Initiative montre que des interventions de coaching sur smartphone, via des applications mobiles d’activité physique, permettent d’inciter les participants à bouger. Dans le cadre de ces travaux, le niveau d’activité physique a augmenté de 10 % grâce à ces incitations virtuelles. Les résultats de l’étude, publiée le 9 octobre 2019 dans le journal The Lancet Digital Health, sont certes modestes mais toute augmentation du niveau d’activité s’avère bénéfique selon les spécialistes.

    Lire la suite de l’article ici.

    Beaucoup de marketing et de faux espoirs dans les applis mobiles dédiées au cancer (BMJ Open)

    Des chercheurs écossais de l’université d’Aberdeen ont mené une revue exploratoire de la littérature sur les applications mobile dédiées au cancer. Ils en ont étudié 151 et ont constaté que la plupart d’entre elles sont développées par des organisations commerciales. Quant aux promesses d’autonomisation dans la lutte contre le cancer, elles sont tempérées par le fait que beaucoup d’allégations de santé sont exagérées. Les résultats de cette étude ont été publiés en septembre 2019 dans le BMJ Open.

    Lire la suite de l’article ici.

    L’évaluation des applis souffre d’un manque de standardisation (Nature Digital Medicine)

    Les applications de santé mentale les plus téléchargées sont celles qui mettent l’accent sur la relaxation, la pleine conscience et les compétences en matière de méditation. Ces résultats issus d’une étude publiée le 17 juin 2019 dans Nature Digital Medicine montrent par ailleurs que les outils de mesure de la qualité et de l’efficacité de ces outils ne sont pas du tout standardisés. Les chercheurs de l’université de Washington qui ont réalisé ces travaux insistent sur la nécessité de fournir aux consommateurs et aux cliniciens des conseils actualisés et validés scientifiquement.

    Lire la suite de l’article ici.

  • Étude : une IA de Google DeepMind surpasse les humains dans le dépistage du cancer du sein (Nature)

    Des chercheurs de Google DeepMind ont développé un système d’intelligence artificielle (IA) pour dépister le cancer du sein à un stade précoce à partir de mammographies. Les résultats de cette étude* publiée le 1er janvier 2020 dans la revue Nature montrent que l’IA est plus précise que l’œil des radiologues. Les taux de faux positifs et de faux négatifs ont été significativement réduits.

    Mammographies : 20 % des cas de cancers du sein ne seraient pas détectés

    Repérer une tumeur cancéreuse dans un sein, à un stade précoce, reste complexe. Et ce malgré le développement des programmes de dépistage généralisé et les progrès des appareils de mammographie. Selon l’American Cancer Society, 20 % des cas de cancers passeraient au travers des mailles du filet. Et même si en France la double lecture des images améliore le système, des recherches sont menées pour affiner encore le dépistage du cancer le plus fréquent chez la femme.

    Dans ce contexte, des chercheurs de Google Health ont développé un algorithme d’intelligence artificielle (IA) à partir de 25 856 images de mammographies réalisées en Grande-Bretagne et 3 097 aux États-Unis. Pour les interpréter, les 6 experts radiologues qui participaient à l’étude avaient accès aux antécédents des patientes alors que l’algorithme ne disposait que des mammographies.

    Les résultats de ces travaux, menés conjointement par les chercheurs de DeepMind, une filiale de Google spécialisée dans l’IA, le Cancer Research UK Imperial Centre, l’université américaine Northwestern et le Royal Surrey County Hospital au Royaume-Uni, ont été publiés le 1er janvier 2020 dans la revue Nature.

    Résultats : une réduction du taux de faux positifs et de faux négatifs

    Le système d’intelligence artificielle s’est révélé capable de surpasser les experts humains en matière de prédiction du cancer du sein.

    • Il a réduit de 5,7 % et 1,2 % (USA et UK) les faux positifs (quand le cancer est détecté à tort).
    • Il a réduite de 9,4 % et 2,7 % le taux de faux négatifs (quand le cancer n’a pas été détecté).
    • La charge de travail du 2ème lecteur de mammographies a été réduite de 88 %.

    Ces différences de résultats entre les États-Unis et la Grande-Bretagne s’expliquent par le fait que les Américains ne pratiquent pas la double lecture contrairement aux Britanniques. La diminution de la charge de travail suggère que l’IA pourrait être utilisée comme un deuxième avis. 

    Des signaux « subtils pour l’homme », visibles par l’IA

    Un tel système d’IA a le potentiel de « dépasser la capacité humaine à identifier des signaux subtils que l’œil et le cerveau humains ne sont pas en mesure de percevoir », commente Connie Lehman, chef du service d’imagerie mammaire de l’hôpital général du Massachusetts.

    Cependant, « d’autres essais, une validation clinique et des autorisations réglementaires sont nécessaires avant que cela puisse commencer à faire une différence pour les patients mais nous sommes déterminés à travailler avec nos partenaires pour atteindre cet objectif », indique dans un communiqué le Dr Dominic King, responsable britannique de Google Health et co-auteur de cette étude.

    Il faut noter que ce n’est pas la première fois que l’intelligence artificielle s’avère très prometteuse pour une meilleure détection par mammographie. En 2016, des chercheurs du centre d’imagerie Houston Methodist, aux États-Unis, ont développé un logiciel d’IA qui pourrait améliorer les lectures à 99 % de précision en analysant les valeurs des images radiographiques et le texte des rapports cliniques.

  • Unicancer lance le site Mes données de santé pour mieux informer de l’usage fait des datas patients

    Assurer « une meilleure transparence auprès des patients » concernant l’utilisation de leurs informations personnelles. C’est l’objectif du site Mes données de santé lancé par Unicancer, qui regroupe 18 centres de luttes contre le cancer (CLCC).

    Par le biais de la plateforme https://mesdonnees.unicancer.fr, les patients traités au sein du réseau du groupe ou inclus dans les essais cliniques promus par Unicancer ou un CLCC peuvent s’informer « sur l’utilisation des données personnelles collectées dans le cadre de leurs soins ou de leur participation à un essai clinique », explique Unicancer dans un communiqué publié le 7 janvier 2020.

    Ces patients sont déjà « informés de la possibilité d’utilisation des données les concernant et de leurs échantillons biologiques à des fins de recherches [mais] il n’est pas toujours possible d’anticiper toutes les possibilités de recherche, notamment lorsque de nouveaux organismes partenaires sont intégrés », complète le réseau hospitalier. Le site Mes données de santé permet ainsi de rendre accessible, « simplement et rapidement », des compléments d’information lorsque celle qui leur a été transmise à l’origine devient incomplète.

    La Cnil, dans sa méthodologie de référence dédiée aux recherches sur les données et les échantillons biologiques (MR-004), prévoit la possibilité pour les organismes de recherche de créer un support unique d’information accessible au patient pour que ce dernier puisse connaître les utilisations ultérieures de données le concernant.

  • Rétro 2019 : les études les plus probantes sur l’impact positif des technologies en santé

    En cette semaine de rentrée 2020, Health & Tech Intelligence revient sur les publications fortes de l’année passée. Aujourd’hui, retour sur les études les plus probantes ayant démontré l’efficacité de certaines technologies dans le domaine de la santé.

    • Intelligence artificielle (IA) et aide à la détection
    – un logiciel d’IA détecte mieux le cancer du poumon que les radiologues ;
    – quand l’IA détecte les premiers signes de maladie cardiaque ;
    – l’IA pourrait prédire décès et crises cardiaques avec une précision de 90 % ;
    – un ECG dopé à l’IA détecte des fibrillations auriculaires cachées ;
    – l’IA détecte des cellules pré-cancéreuses plus précisément que des experts humains ;
    – moins de risque de faux positifs dans le dépistage du cancer du poumon grâce à l’IA ;
    – l’IA à même de rendre plus précise la prédiction du risque de cancer du sein ;
    – l’analyse des radiologues associée à l’IA permet une identification à 90 % du cancer du sein ;
    – l’IA capable de faciliter le diagnostic de la leucémie en classifiant les cellules sanguines ;
    – soulager les symptômes du cancer en prévoyant leur survenue grâce à l’IA ;
    – …

    • Analyse des données et prédiction
    – le big data permet de prédire le risque de hernie après intervention ;
    – l’ensemble des données de santé mentale de la population danoise passée au crible pour établir les risques de comorbidité chez les personnes souffrant d’un trouble mental.

    • Objets connectés
    – une appli pour faciliter la découverte de nouveaux antibiotiques ;
    – une appli vidéo améliore l’observance du traitement de la tuberculose ;
    – une appli pour détecter les otites de l’enfant grâce au son ;
    – le cycle menstruel décrypté grâce aux données d’une appli ;
    – une appli dédiée à la fertilité aussi efficace que la pilule ;
    – une simple appli de réalité virtuelle réduit les symptômes de l’acrophobie ;
    – une appli de méditation personnalisée grâce à un algorithme améliore l’attention.

    • Les nouvelles technologies au service de la chirurgie
    – des images 3D en réalité virtuelle amélioreraient les résultats de la chirurgie ;
    – une rétine artificielle (Inserm & Pixium) prometteuse pour le traitement de la DMLA.

    À venir : le top 10 des études révélant les limites de certaines technologies de santé.

    IA et aide à la détection

    L’IA s’avère particulièrement exploitée dans le domaine de la cardiologie et de l’oncologie

    • Exemple en cardiologie : un logiciel d’IA détecte mieux le cancer du poumon que les radiologues (Nature Medicine)

    Une équipe de chercheurs de Google AI a développé un algorithme de deep learning (apprentissage profond) capable de dépister le cancer du poumon à partir d’un scanner, en totale autonomie. Entraîné sur les images de plus de 14 000 personnes, le logiciel a atteint un taux de réussite dans le dépistage de plus de 94 %. L’intelligence artificielle a ainsi dépassé les radiologues en détectant plus de cancers et en faisant moins de faux positifs. Les résultats de cette étude ont été publiés le 20 mai 2019 dans la revue Nature Medicine.

    Lire la suite de l’article ici.

    Autres études portant sur l’IA et l’aide à la détection en cardiologie :

    – quand l’IA détecte les premiers signes de maladie cardiaque (Congrès de radiologie, USA) ;
    – l’IA pourrait prédire décès et crises cardiaques avec une précision de 90 % (congrès) ;
    – un ECG dopé à l’IA détecte des fibrillations auriculaires cachées (The Lancet).

    • Exemple en oncologie : l’IA détecte des cellules pré-cancéreuses plus précisément que des experts humains (JNCI) 

    Un algorithme a été capable de détecter des cellules précancéreuses dans 91 % des cas contre 71 % après un examen réalisé par un professionnel de santé. Ce système d’intelligence artificielle, développé par des chercheurs américains du National Cancer Institute pourrait devenir un puissant outil de dépistage du cancer du col de l’utérus, en particulier dans des pays en développement. Les résultats de cette étude ont été publiés le 10 janvier 2019 dans le Journal of the National Cancer Institute (JNCI).

    Lire la suite de l’article ici.

    Autres études portant sur l’IA et l’aide à la détection en oncologie:

    – moins de risque de faux positifs dans le dépistage du cancer du poumon grâce à l’IA (Thorax) ;
    – l’IA à même de rendre plus précise la prédiction du risque de cancer du sein (Radiology) ;
    – l’analyse des radiologues associée à l’IA permet une identification à 90 % du cancer du sein ;
    – l’IA capable de faciliter le diagnostic de la leucémie en classifiant les cellules sanguines ;
    – soulager les symptômes du cancer en prévoyant leur survenue grâce à l’IA (Scientific Reports).

    Autres études démontrant l’efficacité de l’IA en termes d’aide à la détection :

    – l’IA pourrait dépister la maladie d’Alzheimer 6 ans plus tôt que les médecins (Radiology) ;
    – l’IA détecte la rétinopathie diabétique avant les premiers symptômes ;
    – l’IA permettrait de dépister tôt le syndrome d’alcoolisation fœtale (Frontiers in Neurology) ;
    – l’IA capable de diagnostiquer le stress post-traumatique avec la voix (Depression & Anxiety) ;

    – le machine learning évite des chirurgies mammaires inutiles (JCO Clinical Cancer informatics) ;
    – l’apprentissage automatique permet de détecter Alzheimer dans des images numérisées (Nature) ;
    – le machine learning capable de prédire l’espérance de vie des insuffisants cardiaques (ESC) ;
    – l’apprentissage automatique à même de faciliter le dépistage de la dépression (JMIR) ;

    – le deep learning développé par Owkin prédit l’évolution du mésothéliome (Nature Medicine) ;
    – le deep learning pourrait aider à trier les radiographies thoraciques urgentes (Radiology) ;

    Analyse des données et prédiction

    Le big data permet de prédire le risque de hernie après intervention (congrès de chirurgie)

    Sur la base des données de santé de près de 30 000 patients, des chercheurs américains de l’université de Pennsylvanie ont développé une application qui prédit la probabilité qu’un patient développe une hernie après une chirurgie abdominale. La compilation des data issues des dossiers électroniques permet de générer un score de risque pour chaque patient et en temps réel. L’application, qui a fait l’objet d’une étude, a été présentée le 12 avril 2019 au congrès annuel de l’American Surgical Association, qui se tenait à Dallas, au Texas.

    Lire la suite de l’article ici.

    L’ensemble des données de santé mentale de la population danoise passée au crible pour établir les risques de comorbidité chez les personnes souffrant d’un trouble mental (Jama Psychiatry)

    Des chercheurs danois de l’université d’Aarhus ont mené une étude de cohorte d’une taille inédite. Afin d’établir avec précision les risques de comorbidité chez les personnes souffrant d’un trouble mental, ils ont analysé des données provenant des quelque 6 millions de personnes vivant au Danemark. Cette étude de grande envergure, publiée le 16 janvier 2019 dans le Jama Psychiatry, révèle que le risque de développer une comorbidité persistait pendant 15 ans. Les chercheurs ont également développé une page web interactive offrant aux professionnels et au grand public un accès à ces données en fonction de l’âge, du sexe et du type de trouble mental.

    Lire la suite de l’article ici.

    Objets connectés

    Une appli pour faciliter la découverte de nouveaux antibiotiques (Nature Microbiology)

    Une équipe de l’université d’Illinois a mis au point une application web qui serait capable d’évaluer rapidement les composés médicamenteux s’accumulant dans les bactéries dites à « Gram négatif ». Ainsi, cet outil faciliterait le développement de nouveaux médicaments destinés à éliminer ces pathogènes dangereux. Les résultats de cette étude ont été publiés le 18 novembre 2019 dans Nature Microbiology.

    Lire la suite de l’article ici.

    Une appli vidéo améliore l’observance du traitement de la tuberculose (The Lancet)

    Le suivi des patients souffrant de tuberculose grâce à une application mobile serait plus efficace que la prise en charge habituelle, montre une étude randomisée et contrôlée réalisée par une équipe de l’University College London et publiée le 21 février 2019 dans The Lancet. Selon ces travaux, les patients équipés de cette appli qui permet d’enregistrer et d’envoyer par vidéo la prise de médicaments étaient plus observants que ceux du groupe contrôle. En outre, cette technique dite de TOV (traitement sous observation vidéo) s’est révélée beaucoup moins chronophage pour les équipes soignantes.

    Lire la suite de l’article ici.

    Une appli pour détecter les otites de l’enfant grâce au son (Science Translational Medicine)

    Des chercheurs de l’université de Washington ont créé une nouvelle application pour smartphone qui permet de détecter les otites de l’enfant. Les parents, munis d’un morceau de papier roulé en forme d’entonnoir, d’un microphone et d’un haut-parleur pour smartphone seront ainsi capables de repérer le liquide derrière le tympan grâce à une série de sons émis par l’appli. Selon leur étude, publiée le 15 mai 2019 dans la revue Science Translational Medicine, ce système détecte les otites dans 85 % des cas.

    Lire la suite de l’article ici.

    Applications mobiles et santé de la femme

    • le cycle menstruel décrypté grâce aux données d’une appli (Nature Digital Medicine) ;
    • une appli dédiée à la fertilité aussi efficace que la pilule (European Journal contraception).

    Applications mobiles et psychologie

    • une simple appli de réalité virtuelle réduit les symptômes de l’acrophobie (Jama Psychiatry) ;
    • une appli de méditation personnalisée grâce à un algorithme améliore l’attention (Nature).

    À noter : l’efficacité des applications mobiles en santé remises en cause dans plusieurs études

    H&TI a repéré plusieurs études mettant en doute l’efficacité voire le sérieux de certaines applications mobiles, en particulier dans le domaine de la santé mentale mais pas seulement :

    • 9 applis sur 10 dédiées au suicide ne sont pas conformes aux recommandations (BMC Medicine) ;
    • la validité clinique des applis de santé mentale remise en cause dans 2 revues (Nature, JAD) ;
    • des applis de lutte contre la dépression peu respectueuses de la confidentialité (Jama) ;
    • l’efficacité de la majorité des applis de santé mentale ne repose sur aucune preuve (Nature) ;
    • beaucoup de marketing et de faux espoirs dans les applis mobiles dédiées au cancer (BMJ Open) ;
    • les applis de fitness ont peu d’impact sur le niveau d’activité physique (JMIR).

    Les nouvelles technologies au service de la chirurgie

    Des images 3D en réalité virtuelle amélioreraient les résultats de la chirurgie (Jama)

    Une étude menée par l’UCLA a montré que l’utilisation de modèles de réalité virtuelle en 3D pour préparer les chirurgies de la tumeur du rein améliore de façon substantielle les résultats de l’intervention. Cette meilleure visualisation de l’anatomie du patient se traduit par des durées d’opération plus courtes, une perte de sang moins importante lors de la chirurgie et un séjour hospitalier plus court. Les résultats de cette étude ont été publiés le 18 septembre dans le Jama Network Open.

    Lire la suite de l’article ici.

    Une rétine artificielle (Inserm & Pixium) prometteuse pour le traitement de la DMLA (Nature)

    Des chercheurs français de l’Inserm développent un implant sous-rétinien avec la société Pixium Vision afin de lutter contre la cécité. Testé chez des primates, il s’est révélé capable de stimuler la rétine à un niveau de résolution élevée. Ces résultats, publiés le 2 décembre 2019 dans la revue Nature Biomedical Engineering, ouvrent la voie à l’évaluation clinique de la prothèse chez des patients atteints de dégénérescence maculaire atrophique sèche et liée à l’âge.

    Lire la suite de l’article ici.

  • Utiliser le DP pour un meilleur usage des médicaments en établissement de santé (rapport Anap)

    L’utilisation du dossier pharmaceutique (DP) dans les établissements de santé est à même de sécuriser l’utilisation des médicaments tout en promouvant l’exercice coordonné des professions de santé et une circulation fluidifiée des informations de santé entre la ville et l’hôpital. C’est ce qu’indique un avis d’expert sur l’usage du DP en établissement de santé publié par l’Agence nationale d’appui à la performance (Anap) au début du mois de décembre 2019, en complément de son précédent rapport concernant les enjeux de l’informatisation de la conciliation médicamenteuse.

    Ce rapport, destiné aux médecins et pharmaciens désireux de mieux « identifier l’intérêt que peut recouvrir l’usage du [dossier pharmaceutique] dans un établissement de santé », présente le rôle du dossier pharmaceutique dans les recherches nécessaires à la conduite de conciliations médicamenteuses. Il propose de considérer ce dossier comme « la seule source d’information permettant d’avoir l’historique des dispensations en ville d’un patient », soit comme un outil professionnel d’information sur les médicaments indispensable à la rédaction d’ordonnances parfaitement adaptées à chaque patient.

    Après avoir indiqué que ce dossier devient de plus en plus exhaustif et fiable au fil de son déploiement, l’Anap pointe cependant 2 limites pratiques qui freinent encore son utilisation : la nécessité de disposer de la carte Vitale du patient afin d’accéder au DP de ce dernier et l’historique très limité dans le temps que permet de tenir ce dossier.

    Afin de répondre aux questions de ceux qui souhaiteraient déployer le dossier pharmaceutique au sein de leur établissement, l’agence nationale dresse par ailleurs dans cet avis un aperçu de prérequis techniques et des démarches administratives nécessaires.

    Un dispositif efficient encore affaibli par quelques limites pratiques

    Un dispositif de plus en plus efficient et exhaustif

    « [Le dossier pharmaceutique (DP)] est potentiellement efficient et exhaustif », estime dans son rapport l’Anap, qui indique par ailleurs :

    • qu’à la fin de l’année 2017, plus de 99 % des officines étaient raccordées au DP ;
    • qu’à la fin de l’année 2018, plus de 37 592 917 DP étaient actifs.

    Car plus les patients et les professionnels de santé renseignent les médicaments consommés par les patients sur leur dossier pharmaceutique, plus ce dernier est exhaustif et peut constituer un socle de réflexion fiable pour la conciliation médicamenteuse.

    Afin d’illustrer l’efficience et l’intérêt du DP, l’Anap rappelle dans son rapport quelques résultats d’études menées dans des établissements de santé français depuis 2015 comme :

    • un travail mené à la polyclinique côte basque, à Saint-Jean-de-Luz, qui a montré que 17 % des patients sous traitement omettent de notifier à l’anesthésiste certains « médicaments à impact clinique grave », justifiant l’utilisation du dossier pharmaceutique pour sécuriser la consultation d’anesthésie ;
    • une recherche effectuée au CH d’Agen, d’après laquelle le DP serait la seule source d’informations disponibles concernant les médicaments pour 25% des patients se présentant aux urgences, encourageant l’utilisation du dossier pharmaceutique dans les services d’urgences ;
    • une étude réalisée au CH de Vienne, selon laquelle le temps moyen de création et d’alimentation du DP serait de 5 minutes (2 minutes pour une alimentation seule).

     2 problèmes : accès par carte Vitale et sauvegarde limitée à 4 mois

    « L’historique, limité à 4 mois, suffit pour connaître les traitements actuels des maladies chroniques (les plus gros conditionnements correspondent à trois mois de traitement), mais pas pour certains traitements occasionnels épisodiques (migraine, allergie, etc.) », est-il indiqué dans le rapport.

    Par ailleurs, l’accès au dossier pharmaceutique n’étant possible que si le patient consent à fournir sa carte Vitale, les médicaments prescrits à des patients dont le consentement n’a pas été donné ne peuvent être entrés dans son DP. Par ailleurs, les médicaments dispensés hors prescription, non remboursés, ne sont généralement pas non plus inscrits dans l’historique (le pharmacien ne demande souvent pas au patient sa carte Vitale lors de la délivrance de médicaments non prescrits).

    Évolutions attendues pour dépasser ces limites

    « Avec le décret du 9 mai 2017, quatre avancées majeures vont permettre d’assurer un dispositif sécurisé et plus facile d’utilisation », prévoit l’Anap.

    Parmi ces avancées, la dématérialisation de la carte Vitale devrait permettre une meilleure circulation des informations contenues par les dossiers pharmaceutiques au sein des établissements de santé. « Au moment de l’admission ou pré-admission, la carte Vitale est enregistrée au niveau du bureau des admissions pendant une période de 15 jours. Les professionnels peuvent alors utiliser l’empreinte de cette carte Vitale à distance pour accéder au DP », décrit l’agence nationale.

    Aspect technique du déploiement du DP en établissement de santé

    Sécurité des données

    L’Anap met en avant dans son rapport 3 points clés garantissant la sécurité des données de santé enregistrées sur le dossier pharmaceutique :

    • le stockage des données chez un hébergeur agréé de données de santé ;
    • le chiffrage des données ;
    • l’utilisation d’un « numéro unique (NDP) calculé à partir des traits de la carte Vitale ».

    Prérequis techniques

    2 prérequis techniques simples sont également rappelés dans le rapport. Pour que le DP soit déployé dans un établissement de santé, celui-ci doit seulement disposer :

    • d’une connexion à internet ;
    • d’un lecteur de cartes fonctionnel.

    Pour plus d’interopérabilité, « les données sont fournies dans un format directement utilisable par les outils du circuit du médicament », note l’Anap.

    Connexion au DP

    Selon le rapport, il existe 2 façons de se connecter au dossier pharmaceutique :

    • par le système d’information hospitalier (SIH) intégré aux logiciels métier Pharma (éditeur : Computer Engeneering) ou Genois (éditeur : SIB) ;
    • via le logiciel FAST fourni par le Cnop.

    Démarches administratives

    L’Anap détaille une démarche de raccordement du DP à une PUI en 5 étapes :

    • demande de la PUI auprès de la direction ou de la commission médicale de l’établissement ;
    • accord de la direction et envoi un courrier de candidature au Cnop pour signature d’une convention entre l’établissement et le Cnop. « Il faut compter 500 euros de mise en service puis verser une redevance annuelle, variable selon la taille de l’établissement (entre 1200 et 2400 euros) », prévient l’agence ;
    • commande des cartes CPS auprès de l’Agence du numérique en santé (ex Asip) ;
    • réception par la PUI d’un kit de démarrage comprenant une brochure destinée aux patients, un guide pratique du DP et guide pratique FAST destiné au service informatique ;
    • réception par le service informatique d’un guide d’installation.

  • Étude : prédire des scores de douleurs grâce au machine learning et à des dispositifs mobiles (JMIR)

    Il est possible, via des algorithmes de machine learning (apprentissage automatique) alimentés en données par des applications mobiles, de prédire avec une précision importante l’intensité des douleurs ressenties par des patients atteints de maladies chroniques. C’est ce que montre une étude* publiée le 2 décembre 2019 dans le Journal of Medical Internet Research (JMIR).

    Ce travail décrit comment divers dispositifs mobiles peuvent être utilisés et connectés entre eux de façon à prédire l’intensité de la douleur ressentie par les patients lors des crises liées à une maladie chronique, ici la drépanocytose, et ce dans l’objectif d’optimiser la prise en charge médicamenteuse des symptômes douloureux fortement invalidants. Lors de ce travail, 20 patients ont été recrutés et munis :
    • du bracelet Microsoft Band 2 capable de mesurer en temps réel des paramètres physiologiques associés à la douleur ;
    • et de l’application TRU-Pain à même de centraliser les données produites par le bracelet et de les traiter.
    Un algorithme de machine learning a été entraîné au moyen de ces données et des scores de douleurs déclarés par les patients éventuellement aidés d’un infirmier à prédire les scores d’intensité de douleur à partir des variations de mesure des paramètres physiologiques relevés par le bracelet et enregistrés sur l’application.

    Si le dispositif mis en place a permis de prédire avec une certaine précision les scores de douleur ressentie par les patients, il doit encore être testé sur une cohorte plus importante de patients et mieux inclure les données concernant les médicaments anesthésiques administrés aux patients afin de pouvoir réellement réaliser son objectif : permettre une optimisation de la prise en charge de la douleur lors des crises douloureuses connues par les patients souffrant de certaines maladies chroniques.

    Des applis mobiles pour une meilleure gestion des douleurs liées aux maladies chroniques

    De nombreuses maladies chroniques s’accompagnent de crises douloureuses intenses qui diminuent fortement la qualité de vie des patients et nécessitent parfois des hospitalisations répétées. C’est par exemple le cas de maladies rhumatologiques très invalidantes telles que la polyarthrite rhumatoïde, la spondylarthrite ankylosante, etc.

    Pour ces patients atteints de maladies chroniques, il serait intéressant de disposer de dispositifs mobiles capables d’aider à caractériser la crise douloureuse, et en particulier l’intensité des douleurs afin de permettre une prise en charge anesthésique optimale. C’est que la douleur étant subjective, les patients et prescripteurs expriment des difficultés à décrire ou comprendre l’intensité de la douleur ressentie et à déterminer le traitement idéal et les stratégies de gestion de la douleur les plus adaptées : la difficulté réside principalement dans la compréhension du degré de douleur du patient et de sa réponse à la gestion de la douleur. 

    Les auteurs de cette étude ont choisi comme maladie chronique associée à de régulières et importantes crises douloureuses la drépanocytose. « La douleur ressentie par les patients SCD est souvent chronique avec des crises vaso-occlusives aiguës qui sont imprévisibles et conduisent à des visites fréquentes au service d’urgence (ED) et à l’hôpital de jour pour la prise en charge.  La gestion de la douleur aiguë est palliative, avec une hydratation et un contrôle de la douleur via des anti-inflammatoires non stéroïdiens (AINS) », précisent les chercheurs.

    Afin de caractériser les crises douloureuses connues par les patients atteints de drépanocytose, les auteurs de ces travaux ont utilisé comme dispositif mobile une application mobile, TRU-Pain, et une solution d’enregistrement passif de données physiologiques telles que la fréquence cardiaque, Microsoft Band 2. Le dispositif mis en place a permis, par la déclaration de l’intensité des douleurs décrite par les patients aux professionnels de la santé à l’aide d’une échelle EVA, d’entraîner un algorithme d’apprentissage automatique qui visait à prédire, à partir de la mesure des constantes physiologiques, l’intensité de la douleur ressentie par le patient. L’objectif de l’étude était donc de tester la capacité d’un algorithme de machine learning (apprentissage automatique) à prédire des scores de douleur afin d’améliorer la prise en charge des symptômes douloureux.

    Recrutement de 20 patients

    20 patients hospitalisés en hôpital de jour pour des douleurs liées à la drépanocytose ont été inclus dans l’étude.

    « Après consentement, un appareil portable Microsoft Band 2 a été placé sur le poignet du patient afin de monitorer 8 paramètres physiologiques tels que la fréquence cardiaque, la température et la conductibilité de la peau », décrivent les auteurs. « Les patients ont également reçu un iPad avec l’application TRU-Pain afin d’enregistrer les scores de douleur et d’autres symptômes (humeur, etc.) en conjonction avec les scores de douleur déclarés par les infirmières en utilisant une échelle analogique visuelle (EVA) de 0 (aucune douleur) à 10 (pire douleur possible) ». 

    Des résultats prometteurs encore à reproduire

    Une prédiction des scores de douleur réussie…

     « Notre meilleur modèle a prédit la douleur avec une précision de 0,429 sur une échelle de notation à 11 points (0 à 10) et de 0,681 sur une échelle de notation à 4 points (aucune douleur, douleur légère, douleur modérée et douleur sévère) », annoncent les auteurs.

    D’après les chercheurs, cette étude montre donc qu’il est possible d’utiliser des données physiologiques recueillies sur un appareil portable et traitées par un algorithme d’apprentissage automatique afin de prédire avec précision les scores de douleur subjectifs. Ce travail s’inscrit par ailleurs dans la continuité d’autres recherches qui tentent d’établir des phénotypes numériques pour la douleur, phénotypes censés faciliter, après leur identification, la prédiction des scores de douleur et une prise en charge optimale (rapide et efficace) des symptômes douloureux.

    … sur une cohorte de patients trop réduite                                                 

    « Des travaux supplémentaires sont nécessaires pour continuer à développer des modèles avec une précision croissante dans la prédiction de la douleur en milieu hospitalier et en ambulatoire », indiquent les auteurs.

    C’est que l’étude présente plusieurs limites :

    • d’abord, l’échantillon de patients sur lequel a été mené l’étude présente une taille très réduite : des études futures devraient tester la pertinence du modèle sur une cohorte de patient plus importante ;
    • certains paramètres utilisés comme marqueurs de douleur, comme une variation de la fréquence cardiaque, peuvent être influencés par des événements autres que la douleur : les paramètres physiologiques mesurés doivent être interprétés dans le contexte clinique de l’histoire et de l’examen du patient ;
    • la sévérité de la maladie du patient (selon des indicateurs tels que le nombre d’hospitalisations) devrait être prise en compte par le modèle ;
    • les chercheurs ont postulé que les scores de douleur documentés par l’infirmière et les scores de douleur rapportés par les patients dans l’application n’étaient pas différents, or la pratique clinique montre que de nombreux patients surestiment ou au contraire sous-estiment la douleur ressentie : une étude plus approfondie est nécessaire pour déterminer si les scores renseignés par les infirmières et ceux rapportés par les patients peuvent être considérés comme similaires.

    Enfin, l’application de prédiction des scores de douleur visant à optimiser le traitement anesthésique administré aux patients, l’effet des médicaments absorbés devrait être mieux pris en compte : afin d’évaluer si le traitement proposé est adapté – s’il permet de diminuer l’intensité de la douleur de façon satisfaisante -, la différence entre la mesure des paramètres avant et après l’administration de médicaments pourrait être quantifiée par l’application de façon à prédire, à terme, le traitement le plus adapté pour le patient.