Incubateurs

Le CHRU de Nancy va s’équiper d’Intellivue Guardian, une solution de surveillance basée sur l’intelligence artificielle (IA) développée par Philips, pour permettre la détection précoce des signes de détérioration chez les patients hospitalisés en unités de soins conventionnels. 

Ce dispositif est le premier projet du partenariat en IA conclut en novembre 2018 entre le centre hospitalier et l’entreprise néerlandaise. Cette alliance « s’inscrit dans la durée avec de nombreux projets d’innovation à venir », indique David Corcos, président de Philips France, dans un communiqué diffusé le 14 juin 2019 par le CHRU. Un premier déploiement est prévu au mois de juillet 2019 au sein de l’unité de post-urgences polyvalente (39 lits) de l’établissement.

Identifier au bon moment les patients à risques

Avec IntelliVue Guardian, Philips propose un système permettant aux professionnels de santé d’identifier au bon moment les patients à risques pour leurs garantir une intervention rapide.

La solution est composée :

• d’une suite de logiciels avec un algorithme prédictif anticipant les éléments à risques chez le patients ;
• d’objets connectés pour simplifier la surveillance des signes vitaux ;
• de scores d’alertes ;
• d’un système de notification permettant d’avertir les médecins le plus rapidement possible.

« Diagen reproduit le raisonnement qu’aurait un généticien s’il disposait d’énormément de temps. » C’est ce qu’affirme François Artiguenave, directeur général de Traaser, jeune société membre du Génopôle d’Evry, spécialiste de l’analyse génétique par intelligence artificielle (IA), au sujet de son produit phare. La société a annoncé le 4 juin 2019 le lancement d’une validation clinique du logiciel expert Diagen, réalisée avec l’hôpital parisien Tenon (AP-HP), qui expérimentera cette solution d’analyse génétique dans le domaine des maladies rénales.

Dans un entretien accordé à Health & Tech Intelligence, François Artiguenave détaille l’apport de l’aide au diagnostic par l’IA en matière d’analyse génétique, précisant que Diagen contribue à réduire les délais d’attente de résultats d’un an à quelques semaines. Il revient par ailleurs sur les raisons qui ont poussé son équipe à faire le choix de la néphrologie et donc de l’hôpital Tenon, dont le service de néphrologie est l’un des plus réputés en France, pour la validation clinique du système. Il annonce par ailleurs que Traaser participera à partir de la fin de l’année à un essai clinique avec Transgene, une société d’immunothérapie qui produit des vaccins contre le cancer.

En quoi consiste précisément le logiciel Diagen ?

Diagen est un système expert qui assiste le médecin pour formuler des hypothèses de diagnostic. En s’appuyant sur des signes cliniques du patient relevés par le médecin, il facilite le travail du laboratoire d’analyse génétique en filtrant et en interprétant les résultats provenant du séquençage d’ADN par rapport aux informations et interrogations qu’a procurées le médecin. Le principe consiste à lire la molécule ADN composant le génome, à y repérer des gènes et à y trouver des variations génétiques.

La difficulté de l’interprétation du génome, c’est qu’il y a énormément d’informations, il faut traiter des millions de bases, voire des milliards, et des dizaines de milliers de gènes. Il faut pouvoir se demander pour chacun s’il peut être corrélé à la maladie, si une altération de ce gène-là peut entraîner la maladie, et, si oui, dans quelle mesure. 

Quel est le but recherché ?

Avec Diagen, non seulement on améliore la qualité du diagnostic, mais surtout on accélère le processus, le réduisant à quelques semaines, alors que quand les cliniciens font des demandes d’analyse, le temps d’attente des résultats peut aller jusqu’à un an. L’étape d’interprétation est très complexe et très longue, les demandes d’analyse sont en nette augmentation et les généticiens, peu nombreux, sont surchargés, c’est pourquoi il y a un engorgement des demandes. Diagen contribue à réduire significativement les délais.

Votre solution pourrait-elle, à terme, remplacer l’expert humain ?

L’objectif n’est pas de se passer de l’expert mais de lui donner un moyen d’avoir des résultats plus précis, plus justes et plus rapidement. Diagen reproduit le raisonnement qu’aurait un généticien si ce dernier disposait d’énormément de temps, grâce à des règles logiques de décision qu’on a automatisées, qui reposent sur des logiques métier. L’outil présente les résultats qu’il juge les plus pertinents, et c’est l’expert qui décide à la fin si c’est pertinent ou pas, et qui engage sa responsabilité sur le diagnostic.   

Pourquoi avez-vous décidé de collaborer avec l’hôpital Tenon pour votre validation clinique ?

Nous avons d’abord fait le choix de la néphrologie. La génétique s’intéresse traditionnellement aux maladies rares, au cancer, à certaines pathologies neurodégénératives, aux maladies métaboliques… Ce n’est que récemment qu’on s’est rendu compte de l’importance de la génétique en néphrologie : 30 à 40 % des problèmes d’insuffisance rénale peuvent être expliqués par les gènes, de sorte qu’aujourd’hui le monde de la néphrologie est très demandeur de profilage génétique. D’autre part c’était un domaine où l’offre était insuffisante.

C’est pour cela qu’on a fait le choix de l’hôpital Tenon, car son service de néphrologie, l’un des plus réputés en France, nous a semblé un partenaire idéal pour ces travaux. Nous travaillons également avec cet établissement sur des systèmes de mesure de compatibilité génétique des greffes, car les facteurs de rejet sont avant tout génétiques. Avoir accès au génome d’un donneur permet de mesurer les risques de rejet, et l’hôpital Tenon est assez fort dans ce domaine. 

Avez-vous prévu d’établir d’autres partenariats dans les mois ou années à venir ?

Nous participerons également à partir de fin 2019 a un essai clinique avec Transgene, une société d’immunothérapie qui produit des vaccins contre le cancer. Nos solutions d’intelligence artificielle fournissent un profilage moléculaire de la tumeur qui permet d’avoir une analyse prédictive.

La technologie Diagen est employée pour prédire la réactivité à l’immunothérapie, proposer des thérapies alternatives s’il y en a, en quelque sorte faire un triage des patients. Ces analyses servent à orienter la fabrication des vaccins : ces derniers sont fabriqués à façon en fonction du génome de la tumeur. La question est de savoir quels sont les bons épitopes (déterminants antigéniques) à cibler pour fabriquer le vaccin.

« Apodis diminue les ruptures d’approvisionnement [des pharmacies] liées à des problèmes dans le réseau de distribution ce qui représente près de 60 % des cas », explique Baudouin Petitpré, directeur général d’Apodis Pharma. La société, fondée en 2016 par deux pharmaciens d’officine, a développé un logiciel qui synchronise en temps réel les données recueillies dans les officines françaises pour fluidifier et améliorer la distribution de médicaments afin de mieux comprendre l’état des stocks en officine. La plateforme permet aux pharmaciens de mettre à la disposition des laboratoires concernées leurs informations de stock, de vente et de commandes de leurs produits pour qu’ils puissent améliorer l’approvisionnement jusqu’au bout de la chaîne.

Lors d’une interview accordée à Health & Tech Intelligence, Baudouin Petitpré explique les particularités de la plateforme et application mobile, précisant qu’Apodis espère réduire de 20 à 30 % les ruptures d’approvisionnement. Totalement gratuit pour les pharmaciens, le logiciel est actuellement utilisé par environ 1 200 officines, indique-t-il. L’entreprise est en discussion avec des laboratoires pour lui vendre son service.

Questions à Baudoin Petitpré, directeur général d’Apodis

Comment est née la plateforme Apodis Pharma ?

Baudoin Petitpré : La solution digitale Apodis Pharma a été créée par plusieurs pharmaciens titulaires d’officine. Le principe est simple : les pharmaciens disposent de données qui permettent d’améliorer et d’accélérer l’information. L’idée est d’exploiter ces données sécurisées et anonymisées avec l’objectif principal d’améliorer la qualité de la prise en charge des patients et l’observance des traitements.

Quand il est question de rupture de médicaments, il y a 2 options : soit il s’agit d’une rupture de stock (problème de production), soit d’une rupture d’approvisionnement. Quel type de rupture aidez-vous à gérer ?

Le premier sujet traité par notre plateforme concerne les ruptures d’approvisionnement et la pénurie de médicaments, enjeux majeur qui soucie actuellement tous les acteurs de santé jusqu’au ministère de la Santé.

Apodis Pharma diminue les ruptures d’approvisionnement liées à des problèmes dans le réseau de distribution ce qui représente près de 60 % des cas. Le défi est colossal : les 22 000 pharmacies du territoire doivent commander quotidiennement parmi 200 000 références de plus de 150 laboratoires.

Pour cela, il existe 200 grossistes répartiteurs répartis dans toute la France qui livrent plusieurs fois par jour les pharmacies. Il arrive parfois que la chaîne de distribution soit rompue sur une région pour quelques médicaments. Apodis Pharma permet de détecter et d’anticiper ces problèmes afin de diminuer leurs fréquences.

Comment fonctionne précisément votre logiciel ?

Notre logiciel analyse simultanément et en temps réel les commandes des pharmacies auprès des grossistes répartiteurs, les stocks présents en officine ainsi que les rotations journalières des médicaments.

Les algorithmes développés par Apodis Pharma permettent de détecter instantanément les pharmacies et les patients qui rencontrent une rupture d’approvisionnement. Les laboratoires et les grossistes répartiteurs disposent d’une plateforme d’interaction qui permet de proposer au pharmacien une solution d’urgence qu’il reçoit directement sur son smartphone via l’application mobile dédiée.

Pour bénéficier du service, le pharmacien s’inscrit gratuitement en quelques clics sur le site Apodispharma.com.

Quel est votre business modèle ?

Apodis Pharma est une solution SaaS accessible pour les industriels par abonnement.

La plateforme dispose-t-elle d’autres fonctionnalités que la gestion de rupture d’approvisionnement ?

Nous aidons les officines à gérer les ruptures mais le pharmacien peut aussi, par exemple, analyser ses statistiques, comme son panier moyen ou ses tops laboratoires, sur la plateforme. Nous leur faisons aussi des offres de réassort et d’achat.

Parmi tous ces services, le pharmacien dispose d’un espace pour gérer ses ruptures. Pour l’instant, ce dernier n’est disponible que sur la version web mais nous sommes en train de le mettre en place sur l’application mobile.

En résumé, nous nous attaquons à 3 volets. Notre solution contient une partie logistique, une partie réglementaire (création par exemple d’un plan de gestion pénurie pour les MITM, demandé par l’ANSM) et une partie commerciale (formation par exemple du pharmacien à la prescription de médicaments).

Comment se fait-il que le type de plateforme développé par Apodis n’existe pas encore sur le marché ?

Il s’agit d’une innovation technologique forte qui a nécessité des investissements très importants. Apodis Pharma est la seule solution qui collecte et traite les données en temps réel, elle est compatible et interopérable avec toutes les pharmacies françaises.

Fonctionnement d’Apodis

Déontologie

• Données sécurisées à partir des derniers standards de cybersécurité ;
• conformité avec le RGPD ;
• respect de la propriété intellectuelle et du droit d’interopérabilité.

Rupture d’approvisionnement : contexte

Médicaments : une distribution encadrée à affiner

Les 21 611 officines de pharmacie* achètent les médicaments qu’elles dispensent :

• soit auprès des 7 grossistes répartiteurs** avec 183 établissements régionaux (au moins 2/3 des référencements) ;
• soit directement auprès des 260 fabricants du marché français.

De nombreuses ruptures de stock pourraient être évitables en apportant de la fluidité, de la transparence et de l’information tout au long de la chaîne de distribution. C’est ce que cherche à apporter Apodis par le biais de sa plateforme.

« Si nous bloquons trop dans nos pays l’innovation en pilotage par les données de santé, il est à craindre que les professionnels et patients français se tournent rapidement vers des solutions conçues hors du périmètre du RGPD et dont le caractère éthique ne pourra pas être nécessairement garanti a priori. C’est pourquoi, si la révolution du pilotage pour les données est chargée d’enjeux juridiques, sa diffusion doit aussi s’envisager sur le terrain du management. » Cette analyse est l’une des réflexions développées dans l’ouvrage La révolution du pilotage des données de santé. Enjeux juridiques, éthiques et managériaux*, écrit conjointement par les experts Élodie Chapel, David Gruson, Delphine Jaafar, Pierre Loulergue, Judith Mehl, Florent Parmentier et Anaïs Person (LEH Édition, collection « Décideur santé »).

Dans ce livre, publié en mai 2019, un chapitre est entièrement consacré aux impacts du data management pour la couverture du risque en santé. La bascule vers un mode de pilotage par les données de santé, vers le data management, « constitue un changement profond et durable au sein de notre système de santé », notent les auteurs, ajoutant que cette transformation se déploie dans un cadre juridique nouveau, après la transposition du RGPD et l’identification de nouveau principes juridiques. « Le contexte de la préparation de la révision de la loi bioéthique fait, en outre, émerger le besoin d’une régulation positive des enjeux éthiques associés à ces évolutions« , expliquent-ils.
L’ouvrage explore les nombreuses dimensions du management en santé, décrit comme un « continent nouveau » en train d’émerger : sécurité sanitaire et régulation du système, gestion prévisionnelle des ressources humaines et des compétences, adaptations des modes de financement vers une reconnaissance des parcours des patients, modalités de valorisation du pilotage par les données, etc. « L’objectif est de donner aux décideurs, professionnels de santé mais aussi à chacun de nos concitoyens, les clés de compréhension de ce mouvement majeur et irréversible« , synthétisent les auteurs de l’ouvrage.

Ces derniers reviennent par ailleurs au sein de ce livre sur les enjeux internationaux et présentent des illustrations d’outils pratiques et de programmes de pilotage par les données déjà engagés.

Health & Tech Intelligence, qui a pu consulter l’ouvrage, présente la synthèse des éléments clés mis en avant par les 7 experts, chapitre par chapitre.

Pilotage par les données de santé : contexte

« La diffusion du pilotage par les données de santé constitue une transformation absolument majeure suscitant des évolutions très sensibles de notre système de santé et faisant déjà l’objet, en France et dans l’Union européenne, d’un niveau élevé d’encadrement juridique, notamment avec l’entrée en vigueur du Règlement général sur la protection des données (RGPD) qui a permis l’émergence de nouveaux métiers (comme le Data Protection Officer) », contextualisent les auteurs de l’ouvrage.

Le risque d’une « compétition mondialisée »

Ils indiquent que le risque principal de cette révolution est « une compétition mondialisée ». Les États-Unis et la Chine sont actuellement « très engagés dans cette révolution », ce qui risquerait, « si l’Union européenne ne rattrape pas son retard, d’imposer des lois et des manières de gérer les données de santé contraires (ou tout au moins en conflit) avec l’éthique européenne et/ou française », observent-ils.

L’enjeu est important pour la France et plus largement l’Union européenne afin de protéger au mieux les données de santé.

« Permettre un futur pilotage de données de santé le plus éthique et adapté possible »

L’ouvrage propose « des pistes pour éviter ce risque et engager l’Union européenne dans cette révolution, non seulement au niveau juridique, mais aussi au niveau managérial ».

• L’implication et l’intérêt des établissements et des professionnels de santé est « une valeur indispensable pour accompagner cette révolution, en permettant une régulation positive des données de santé », est-il noté.
  • « Les établissements et les professionnels de santé sont sur le terrain, en contact direct avec les problèmes éthiques posés vis-à-vis des patients et seront les principaux utilisateurs de ces données : ils en sont le facteur-clé ».

Dans ce livre, les 7 auteurs exposent des solutions dans l’optique de « développer l’accompagnement et l’implication de tous les acteurs de la santé et permettre un futur pilotage de données de santé le plus éthique et adapté possible ».

Chapitre I – La capacité de pilotage par les données : nouveau déterminant de la valeur d’un système de santé ?

I. Les données de santé : enjeu géostratégique majeur.

II. Big data, intelligence artificielle et robotisation : définitions et limites

III. La bascule vers le pilotage par les données de santé : une diversité des approches au niveau international et en France

IV. Le pilotage par les données : défi pour la régulation du système de santé et enjeu de santé publique et de sécurité sanitaire

SYNTHÈSE

• Le pilotage par les données de santé constitue un « enjeu géostratégique majeur ».
• La compétition entre les systèmes de santé et la course à l’innovation en médecine algorithmique (IA) dépendent « très largement » de la maîtrise de ce nouveau champ du management en santé.
• La collecte massive de données de santé, la transition vers une responsabilité populationnelle en santé et le développement d’outils d’intelligence artificielle en médecine constituent des réalités « très palpables ».
• « La bascule vers cette nouvelle réalité des systèmes de santé s’opère, cependant, selon des modalités diverses selon les systèmes de santé, insistent les auteurs de l’ouvrage. Des points d’équilibre différents sont trouvés entre mécanismes de partage des données de santé et reconnaissance de la nécessité de leur protection. »
• Le déploiement du pilotage par les données de santé constitue un levier « très précieux » pour les régulateurs. Il ouvre de nouvelles perspectives pour les politiques de santé publique et représente un vecteur de renforcement potentiellement significatif de la sécurité sanitaire.

Chapitre II – Le cadre juridique du pilotage par les données de santé

I. Le système national des données de santé et le Sniiram

II. Le RGPD et ses modalités d’application pratique

III. Le cadre constitutionnel de la protection des données issu de la décision du Conseil constitutionnel de juin 2018

IV. Les évolution profondes en 2019 issues du projet de loi relatif à l’organisation et à la transformation du système de santé

V. Pilotage par les données de santé et régulation bioéthique positive

SYNTHÈSE

« Le cadre juridique du pilotage par les données de santé a connu des évolutions profondes au cours de la période récente, indiquent les auteurs. La France constitue, au sein de l’Union européenne, l’un des territoires dans lesquels cette protection juridique a atteint les niveaux les plus élevés d’intensité et de sophistication. »

2 mouvements successifs ont été à l’œuvre pour construire ce cadre juridique :

• un mouvement d’élaboration de normes juridiques générales et opposables. Cette logique a connu son point culminent en 2018 avec la transposition du RGPD ;
• un mouvement plus récent visant à identifier » des voies de passage pratique » pour le pilotage par les données de santé « en adaptant les modalités juridiques » dans la nouvelle loi de santé ou « en définissant un cadre de régulation positive souple » sous forme de référentiels de « soft law« .
  • Les travaux préparatoires mis en œuvre dans le cadre de la préparation de la future révision de la loi de bioéthique ont représenté, à cet égard, « un point de bascule ».

« Trouver cette bonne voie de passage entre nécessité de protection et impératif de soutien à l’innovation en santé, tel est justement l’une des principales finalités du volet managérial de la diffusion du pilotage par les données de santé », relèvent les auteurs.

Chapitre III – Les enjeux du management territorialisé par les données de santé

I.  Un nouvel acteur-clé du management par les données : le DPO

II. Comment intégrer le pilotage par les données dans le nouveau cadre territorialisé du management des établissements de santé

III. Comment combiner entrepôts territorialisés, projets par spécialités et hub national de données de santé

IV. Comment conduire des projets de recherche à partir des traitements de données de santé ?

V. Comment accompagner la transformation des métiers et du champ sanitaire et médico-social liée à l’émergence du management par les données ? Reconnaître une RSE digitale

VI. Comment valoriser le pilotage par les données de santé ?

SYNTHÈSE

La diffusion du pilotage par les données impacte « très profondément » les différents champs du management en santé. « Au-delà des enjeux spécifiques associés au data management lui-même, cette transformation induit une véritable révolution de champs aussi divers que le management RH, la gestion des flux financiers des établissements, la conduite de programmes de recherches et le pilotage des systèmes d’information dans le cadre de la nouvelle territorialité en santé en cours d’émergence », résument les auteurs.

La soutenabilité de cette transition du système de santé vers le pilotage par les données implique, cependant, de « définir des mécanismes permettant d’en garantir le développement durable » :

• mise au point de dispositifs éthiquement responsables permettant la constitution d’un « cadrage de référentiels de régulation positive » ;
• fiabilisation d’une « palette de modalités de valorisation économique du pilotage par les donnés de santé ». Le terrain s’est déjà « largement » saisi de cette question avec des options pratiques d’un grande diversité qui peuvent déjà être relevées. « L’émergence d’un modèle plus global de valorisation d’intérêt général, venant compléter ces initiatives locales, constitue l’un des enjeux majeurs pour l’avenir du système de santé dans un contexte de compétition mondialisée », est-il souligné.

Chapitre IV – La transformation de la couverture du risque avec le pilotage par les données de santé

I. Les outils de l’assurance santé, condition de l’évolution de la couverture du risque

II. Les outils de l’assurance

III. Le management des données de santé par l’assurance : vers un système de bonus/malus en santé ?

IV. Les législateurs français et européen, régulateurs de l’utilisation des données de santé par les sociétés d’assurance

V. Les sociétés d’assurance limitées dans le traitement des données de leurs assurés, au regard des obligations de loyauté et de transparence

VI. Exigences légales relatives à l’application de l’intelligence artificielle aux données de santé des personnes

VII. Secret médical et accès aux bases de données

VIII. Les risques d’atteinte aux droits et libertés des personnes concernées

IX. Perspectives d’évolution : l’éloignement du principe de mutualisation de l’assurance au bénéfice du profilage

SYNTHÈSE

L’émergence du pilotage par les données induit « des transformation tectoniques de la couverture du risque en santé ». Des principes juridiques protecteurs visent, en France, « à préserver les concitoyens de dérives dans l’accès à leurs données et des conséquences pénalisantes qui pourraient en être tirées dans la couverture de leurs risques santé », indiquent les auteurs.

Cependant, « des évolutions sont déjà en cours », tendant à « une plus grande individualisation de cette couverture » en s’appuyant sur les ressources nouvelles du data management.

« Notre capacité collective à réguler ces transformations est mise au défi. Si nous pouvons y parvenir, la voie sera alors ouverte à une plus grande efficacité et une meilleure efficience dans la réponse aux défis de santé. Des possibilités seraient également dégagées pour financer l’innovation en médecin algorithmique sur les territoires français et européen. Mais si nous échouons, les risques seraient alors très grands d’une démutualisation massive de la couverture santé ou d’un relégation définitive de notre système de santé. »

« Un continent du management en santé [se dessine] sous nos yeux »

« Un nouveau continent du management en santé est en train de se dessiner rapidement sous nos yeux, concluent les auteurs de l’ouvrage. La maîtrise de ses enjeux constitue un défi majeur pour l’avenir des patients et des professionnels. Une juste régulation positive permettra aussi de conforter la qualité de notre système de santé dans un contexte de compétition mondialisée. Un retard dans l’accompagnement de ces changements risquerait, à brève ou moyenne échéance, de nous conduire à la relégation. »

Le groupe pharmaceutique américain Eli Lilly and Company (Lilly) signent un accord pluriannuel avec la start-up Atomwise afin d’accélérer le temps nécessaire pour identifier et développer des traitements viables par le biais de l’intelligence artificielle (IA). Les deux sociétés travailleront sur un maximum de 10 médicaments cibles choisis par Lilly.

Dans le cadre de cet accord, annoncé début juin 2019, Atomwise pourrait recevoir jusqu’à 1 million de dollars US (884 915 €) par médicament découvert. La société pourrait également percevoir 550 millions de dollars (486,7 M€) si des objectifs spécifiques de développement et de commercialisation sont atteints.

Les molécules de Lilly sont automatiquement synthétisées au sein de son laboratoire robotique. La technologie d’Atomwise basée sur IA vise à faciliter l’identification des médicaments potentiels parmi ces molécules pour des maladies spécifiques. Atomwise aura la possibilité de développer des composés issus de ce projet commun que Lilly a choisi de ne pas soumettre à des essais cliniques.

« Lilly a clairement indiqué qu’[il] se concentrait sur le développement de médicaments pour de nouvelles protéines cibles, souvent difficiles à identifier et moins bien étudiées, commente Abraham Heifets, P.-D.G. d’Atomwise (communiqué). Notre expertise et nos outils se sont avérés efficaces pour atteindre ce type de cibles (…) »

Atomwise soutient des projets de découverte de médicaments dans 19 pays

Atomwise développe des systèmes d’IA qui exploitent des algorithmes de deep learning (apprentissage profond) et des super-ordinateurs pour la découverte de médicaments. La technologie vise à réduire le temps, les coûts et les risques associés aux essais cliniques mais aussi à fournir de meilleures informations sur la toxicité, les effets secondaires, le mécanisme d’action et l’efficacité d’un médicament.

En mars 2019, la start-up a collecté 45 millions de dollars US (39,8 M€) pour développer sa technologie. Elle soutient des projets de découverte de médicaments dans plusieurs domaines thérapeutiques dans 19 pays.

Des chercheurs de l’Université de Bonn viennent de montrer que l’utilisation de photos associée à des données génétiques et aux données de patients pouvait établir des diagnostics de maladies rares relativement rapides et fiables en analyse faciale. Le logiciel d’intelligence artificielle PEDIA est un exemple unique de technologies de phénotypage de nouvelle génération. Les résultats de cette étude* ont été publiés le 5 juin dans Genetics in Medicine, une revue du groupe Nature.

Maladies rares : une longue errance médicale

Chaque année, environ un demi-million d’enfants naissent avec une maladie héréditaire rare. Obtenir un diagnostic définitif peut être difficile et prendre beaucoup de temps. Le séquençage haut débit d’exome représente aujourd’hui le meilleur outil diagnostique pour les syndromes avec anomalies du développement mais il requiert beaucoup de temps. Rendre l’information phénotypique lisible par ordinateur est la clé pour résoudre ce problème et c’est aussi important pour fournir aux cliniciens un outil indispensable pour le diagnostic des syndromes génétiques.

À ce jour, les algorithmes de hiérarchisation des exomes les plus avancés combinent des scores de nocivité pour les variants génétiques avec des recherches de similarité sémantique de la description clinique d’un patient. Mais, ce qui est simplement décrit comme « caractéristique » d’une certaine maladie ne convient pas à ces approches informatiques. Et c’est notamment le cas pour les formes de visage. Or, de nombreuses maladies rares ont en commun des anomalies faciales. Ceci est particulièrement caractéristique, par exemple, du syndrome de Kabuki, qui rappelle la composition d’un théâtre japonais traditionnel. Les sourcils sont cambrés, la distance entre les yeux est large et les espaces entre les paupières sont longs.

Un réseau de neurones combinant photos et données génétiques

Des scientifiques de l’Université de Bonn et de la Charité ont donc émis l’hypothèse que les réseaux de neurones artificiels pouvaient améliorer le diagnostic des maladies rares, en mesurant les similitudes entre les photos prises par les patients et des centaines d’entités pathogènes. La lenteur du diagnostic actuel « se traduit par une perte de temps précieux, qui est réellement nécessaire pour un traitement précoce afin d’éviter des dommages progressifs », explique le Pr Peter Krawitz, professeur à l’Institut de statistique génomique et de bioinformatique de l’Hôpital universitaire de Bonn (UKB) et principal auteur de l’étude.

L’équipe de chercheurs a donc utilisé les données de 679 patients atteints de 105 maladies différentes causées par un seul gène. On trouve notamment la mucopolysaccharidose (MPS), qui entraîne une déformation osseuse, des difficultés d’apprentissage et un retard de croissance. Le syndrome de Mabry entraîne également une déficience intellectuelle. Toutes ces maladies ont en commun que les caractéristiques faciales des personnes touchées présentent des anomalies. Le logiciel PEDIA utilisé peut détecter automatiquement ces caractéristiques à partir d’une photo. Les scientifiques ont formé ce programme informatique avec environ 30 000 portraits de personnes atteintes de maladies syndromiques rares. « En combinaison avec l’analyse faciale, il est possible de filtrer les facteurs génétiques décisifs et de hiérarchiser les gènes », a déclaré le Pr Krawitz. Les images faciales ont aussi été analysées avec DeepGestalt, un réseau de neurones à convolution profonde formé sur plus de 17 000 images de patients. Les résultats de cette étude ont été publiés le 5 juin dans Genetics in Medicine.

Résultats : l’IA, un outil d’aide au phénotypage

La performance d’un outil de priorisation peut être évaluée de 3 manières :

• la proportion de cas avec un diagnostic
• la maladie est placée en première position
• ou parmi les dix premières suggestions (précision 1 et 10).

Grâce à la combinaison d’informations (génétiques + photos), les taux de diagnostic corrects ont augmenté :

• la maladie rare est placée dans les 10 premières suggestions dans 99% des cas
• En ce qui concerne le classement de la maladie rare en 1ère position, le gain de performance est augmenté de 89%
• Sur la base des seules analyses moléculaires, la maladie rare est placée dans le top 10 dans seulement 45% des cas

Une meilleure qualité de vie pour les patients

En conclusion, les auteurs de cette étude estiment que l’interprétation des variantes de l’exome bénéficie de l’analyse d’images assistée par ordinateur de photographies faciales. « La reconnaissance de formes faciales basée sur l’intelligence artificielle à partir des photographies de patients est donc un exemple de technologie de phénotypage de nouvelle génération qui a fait la preuve de sa valeur clinique pour l’interprétation des données de séquençage de nouvelle génération. » De son côté, le Dr Christine Mundlos, directrice générale adjointe de l’alliance des patients atteints de maladies rares chroniques, a souligné que les patients voulant « un diagnostic rapide et précis », le système d’IA  » améliore aussi dans une certaine mesure la qualité de vie des personnes touchées. »