Incubateurs

  • Agora FHF : « L’intelligence Artificielle n’est plus un mythe. Comment se lancer ? » 21/05/2019

    Dans le cadre du salon Paris Healthcare Week, la Fédération hospitalière de France (FHF) organise le 21 mai 2019 au pars des expositions de la Porte de Versailles, à Paris, une agora de 15 à 16 heures sur le thème « L’intelligence Artificielle n’est plus un mythe. Comment se lancer ? ».

    « Après la remise du rapport Villani et de celui de France Stratégies, le président de la République a annoncé un grand plan IA Français avec comme priorités le véhicule autonome et la santé, contextualise la FHF. Les lancements notamment, de la plateforme de données de santé, des instituts 3IA, des appels à manifestation d’intérêt… doivent permettre le développement de l’IA dans la santé. »

    Programme

    • Modératrice : Dr Salima BENHAMOU, France Stratégie

    Retour d’expériences d’IA dans des établissements pionniers

    • Dr Emmanuelle SEJOURNE, radiologue à Poissy, Yvelines, Île-de-France.

    Chercheurs, utilisateurs, industriels, quelles synergies ? Regards croisés

    • Pr Zyed ZALILA, professeur à l’université de technologie de Compiègne ;
    • Dr Frédéric MARTINEAU, radiologue GHT de la côte basque ;
    • Dr Icham SEFION, Syntec numérique ;

    Appel à Manifestation d’Intérêts : une opportunité pour se lancer

    • Sandrine DEGOS, Care Insight

  • Livre blanc Elsevier : Comment et jusqu’où l’hôpital peut-il intégrer les outils d’aide à la décision

    “Il est important que les médecins qui sont en exercice aujourd’hui prennent à bras-le-corps le sujet [de l’aide à la décision clinique] en termes de création de base de données et de conception des algorithmes. Il me semble extrêmement important que ce soit vraiment l’affaire des professionnels dès maintenant », estime le Pr Anita Burgun, médecin spécialiste en biostatistique médicale santé publique (Paris-Descartes & HEGP), cité dans le livre blanc « Aide à la décision clinique : IA et big data – impacts et limites vus par les médecins », récemment publié par Elsevier. Il s’agit d’une synthèse des interventions du symposium organisé par le groupe sur cette thématique en décembre 2018, enrichie d’extraits vidéos des tables rondes.

    Après un rappel du contexte, puis des usages et des limites des systèmes d’aides à la décision clinique, avec un focus sur l’attente des hôpitaux face à ces nouveaux outils et sur la gouvernance médical, Elsevier se demande « comment et jusqu’où l’hôpital peut-il intégrer les outils d’aide à la décision », à travers 2 axes :
    • les places respectives de l’intelligence artificielle et de l’humain dans la médecine du futur ;
    • les conditions pour faciliter l’échange et le partage de données patients, informations et connaissances.

    Health & Tech Intelligence, qui a pu se procurer le livre blanc, synthétise les éléments clefs du document, en revenant sur les interrogations que pose l’intégration de l’IA dans l’aide à la décision clinique et les freins à son développement dans les établissements de soins, mais aussi sur les applications possibles.

    IA et aide à la décision clinique : 4 sujets d’interrogation

    « Si l’introduction de ces systèmes intelligents au cœur de la pratique clinique ouvre des opportunités quasi sans limites, elle est également accompagnée de nombreux obstacles et questionnements », analyse Elsevier, qui identifie 4 sujets d’interrogation.

    L’interopérabilité

    Les différents systèmes n’intègrent pas eux-mêmes les bases de connaissances et les données patient. C’est le médecin qui réalise l’interconnexion.

    La responsabilité du professionnel de santé en cas de contentieux

    « Qu’en sera-t-il si le médecin a refusé de suivre les indications de la machine ? S’il l’a au contraire suivie, sera-t-il déchargé de toute responsabilité ? », interroge Elsevier.

    L’éthique

    • « Qui aura accès à ces systèmes d’aide à la décision ? » ;
    • « Les patients seront plus autonomes, mais seront-ils toujours correctement accompagnés ? » ;
    • « La décision sera-t-elle toujours entre les seules mains du médecin ? »

    L’évaluation des systèmes

    • Pour limiter les risques, il faudra établir des moyens de contrôle du processus via des certifications et labellisations des systèmes ;
    • pour les systèmes basés sur les données, il faudra vérifier la qualité des données ;
    • pour les systèmes à base de connaissances, « la question se complexifie, note Elsevier. Tout cela pose la question de la traçabilité de la décision, qui reste pour l’instant une problématique majeure. »

    3 obstacles qui freinent la mise en place des outils d’aide à la décision dans les hôpitaux

    L’investissement

    La pression économique sur l’ensemble des établissements de santé, privés ou publics est telle qu’ils ne sont pas en capacité d’investir pour innover sur cette thématique.

    La disponibilité des données

    « Malgré les nombreux systèmes d’information, nous manquons de données, note Elsevier. Si les peurs à ce sujet sont parfois légitimes, il sera nécessaire de trouver des moyens réglementaires pour faciliter l’accès aux données. »

    Mode d’introduction

    « On ne doit pas négliger l’acceptation des utilisateurs, et ce, dès la phase d’élaboration, estime Elsevier. Sans travail de communication et de co-construction, le développement de ces technologies risque d’échapper totalement aux praticiens qui sont supposés les utiliser. »

    Comment et jusqu’où l’hôpital peut-il intégrer les outils d’aide à la décision ? Places respectives de l’IA et de l’humain dans la médecine du futur

    La machine au service de la relation humaine

    La première utilité des systèmes basés sur IA doit être de préserver l’essence des métiers médicaux : leur dimension humaine, la qualité des soins et le dialogue.

    • Les robots déchargeront le médecin de certaines tâches, tout en le sécurisant vis-à-vis des protocoles.
    • La machine s’impose aussi au service de la performance, notamment en permettant aux praticiens de s’entraîner avant une opération sur des avatars virtuels afin de bien anticiper toute difficulté éventuelle.

    L’importance de la formation à l’esprit critique

    « Tous ces changements d’usage imposent nécessairement que l’on se pose la question de la formation, commente Elsevier. Mais au-delà de l’opportunité que représentent les nouvelles technologies pour l’entraînement et la simulation (chirurgie augmentée notamment), les études de médecine devront plus que jamais intégrer les notions de sémiologie du risque, d’éthique et par-dessus tout de doute, afin de préparer les futurs médecins aux défis de demain. »

    Quelles conditions pour faciliter l’échange et le partage de données patients, informations et connaissances ?

    Les données, un bien commun ?

    En France, il existe divers collections et entrepôts de données (Sniiram, SNDS, Health Data Hub, etc.).

    Ces données financées par la collectivité et les cotisations sociales représentent « un véritable patrimoine commun qui concerne chaque citoyen ». Comment partager ce patrimoine commun ? Qui est en droit d’y avoir accès ? De quelle manière ? Et dans quel objectif ?

    « Nous ne sommes pas simplement sur un sujet d’outil mais aussi sur un sujet de débat politique : comment veut-on partager un patrimoine public commun ? C’est ce qui fait la particularité du système français, la quasi-totalité des données dont on parle est financée par la collectivité et par les cotisations sociales », commente Frédéric Rimatte, directeur général adjoint du CHU de Rennes.

    Comment structurer et organiser ces données ?

    • Des efforts de normalisation

    Les données de santé sont très hétérogènes. Pour qu’elles puissent être bien accueillies dans les entrepôts, le travail de structuration doit débuter dès la phase de traitement et concerne toute la chaîne de données, indique Elsevier :

    – formation des étudiants à remplir correctement un dossier médical ;
    – utilisation de standards normalisés, en termes de codage sémantique, terminologies et référentiels (ex: standard OMOP4) ;
    – implémentation de standards dans les logiciels producteurs des données.

    • Penser la convergence

    « Au-delà du défi de l’interopérabilité, déjà difficile à relever par les établissements de santé, la loi impose à l’ensemble des établissements un système d’information convergent, dans le cadre des groupements hospitaliers de territoire (GHT), est-il rappelé dans le livre blanc. Mais cette notion reste nébuleuse et sa mise en pratique représente un véritable challenge qui implique la mise en place d’un système unique et partagé par les acteurs du public, du privé et les libéraux, au sein d’un même territoire. »

    Quid du consentement

    • Du contrat social

    Dans le contexte de l’entrée en vigueur du RGPD, il est nécessaire d’informer les patients et de faire preuve de transparence, sur les sujets de réutilisation notamment de leurs données. « Nous devons acquérir la confiance du patient et nous saisir collectivement de la responsabilité de sa protection, commente Elsevier. D’où l’importance de l’élaboration d’un contrat social. »

    • Qu’en est-il de l’anonymisation ?

    La notion d’anonymisation reste floue, constate Elsevier, « et ne peut être absolue car les données deviendraient alors inutiles ». Le groupe identifie 2 pistes de méthodes pour tendre vers l’anonymisation :

    – la désidentification : qui n’est pas totale et dont le cadre légal n’est pas véritablement défini, avec la Cnil notamment ;
    – l’ »avatardisation » : transformation des données en conservant leurs propriétés statistiques pour éviter la réidentification.

    Hébergement des données et sécurisation

    • Les réglementations se durcissent

    L’hébergement des données médicales par un tiers nécessite le respect de cahiers des charges très stricts et l’acquisition de :

    – certification hébergeur de données de santé ;
    – homologation SNDS.

    « Ces démarches sont lourdes et représentent des investissements colossaux que les établissements de santé ne peuvent pas absorber de façon individuelle, analyse Elsevier. Il est ainsi nécessaire de rassembler tous les acteurs et de repenser nos modes de stockage et d’accès aux données. »

    • Vers une nouvelle structuration d’hébergement

    « Il est nécessaire d’envisager une nouvelle structuration passant par un hébergeur tiers qui puisse garantir cette sécurisation de nos données collectives, commente Elsevier.

    En revanche, si la centralisation du stockage de données au niveau national ou interrégional paraît une évidente nécessité, certains acteurs, comme le Health Data Hub se prononcent haut et fort en faveur d’une déconcentration du système. Via le désir d’implantation de hubs locaux, au plus proche des acteurs du terrain, ils prônent la répartition pour entraîner tous les acteurs du système de santé, académiques, industriels, patients, corps médical, etc. »

  • SNDS : exemples de thématique d’étude

    Recherche publique :

    • (CHU) : analyse des parcours de soins en santé mentale des adolescents sur le territoire Ouest Hérault ;
    • (CHU) : développement et évaluation d’algorithmes d’intelligence artificielle pour la détection des organes abdominaux et de leurs principales lésions dans des images d’échographie abdominale ;
    • (CHU) : évaluation du programme d’accompagnement au retour à domicile chez les patients atteints de BPCO (PRADO BPCO).

    Recherche privée :

    • Recherche privée : développement d’un algorithme d’intelligence artificielle pour l’interprétation de mammographie de dépistage ;

    • Recherche privée (Clinique): analyse d’activité PMSI, analyse comparée établissements du même territoire analyse des pratiques de prises en charge et des flux ;

    • Recherche privée (Bureau d’études) : étude des représentations du diabète et de l’éducation thérapeutique chez les patients diabétiques de type 2 : mieux comprendre les conceptions du patient diabétique afin de favoriser l’adhésion aux programmes d’ETP ;

    • Recherche privée (EPST) : expérimentation « Prédiction de profils de patients à risque» avec le développement d’une application informatique permettant de détecter les risques de complication médicale encourus par un patient tout juste admis en hospitalisation en confrontant les données de prescription de médicaments lui étant prescrit le premier jour à des modèles prédictifs calculés en amont ;

    • Recherche privée (Industriel de santé) : création d’un outil d’analyse des données PMSI ;

    • Recherche privée : Medical Deep Learning Analyse des dossiers médicaux anonymisés non-structurés pour en extraire les diagnosticsoBureau d’étude : impact d’un programme de télé-monitoring pour les patients souffrant d’insuffisance cardiaque en Normandie (programme SCAD (Suivi Clinique à Domicile)) sur la mortalité, les ré-hospitalisations et les coûts ;

    • Recherche privée(Bureau d’étude) : développement d’un outil de classification et de prédiction en vue d’établir une tarification au parcours de soins.

  • SNDS : délais d’instruction et des instances Cnil

    Délais des instances Cnil

    Délais d’extraction des données :

    * Les 183 dossiers correspondent aux dossiers dans leur complétude ayant reçu un avis de la part du CEREES.

    ** 4 dossiers déposés ont fait l’ibjet d’un classement sans suite par la Cnil.

    *** 2 dossiers autorisés ont eu leur convention annulée par la Cnam.

    Pour les dossiers autorisés, consultez le document téléchargeable ici.

  • Repères : rappel du contexte de création du SNDS et de l’INDS

    La loi de modernisation de notre système de santé de 2016 a fait évoluer l’IDS vers l’Institut national des données de santé (INDS). Le législateur a souhaité renforcer et accroitre le périmètre d’action de l’institut afin qu’il devienne un acteur central dans les relations entre producteurs de données et utilisateurs et a élargi la gouvernance : des acteurs de la santé du secteur privé, les agences sanitaires, des organismes de recherches ont ainsi rejoint le noyau des membres fondateurs de l’Institut.

    En revanche, la Fédération hospitalière de France (FHF), la Fédération de l’hospitalisation privée (FHP), la Fédération des établissements hospitaliers et d’assistance privés à but non lucratif (FEHAP) et la fédération Unicancer qui faisaient partie de l’IDS ont fait le choix de ne pas rejoindre l’INDS.

    Il a donc été pensé comme un guichet unique pour toutes les demandes d’autorisations d’accès aux données pour les recherches n’impliquant pas la personne humaine (RNIPH).

    Le Health Data Hub :

    L’article 11 de l’avant-projet de loi présenté en conseil des ministres en février prévoit la création d’une plateforme des donnés de santé qui se substitue à l’INDS tout en élargissant ses missions qui seront de réunir, organiser, et mettre à disposition les données du SNDS.

    L’objectif est d’enrichir le SNDS avec les données de l’ensemble des données collectées lors des actes pris en charge par l’assurance maladie.

  • SNDS : typologie d’acteurs

    La liste des études déposées auprès de l’INDS est à retrouver sur site de l’Indsante.fr. Ce fichier rassemble, par numéro chronologique les demandes d’études déposées à l’INDS depuis le 28 août 2017.

    Health & Tech Intelligence fait le point sur les typologies d’acteurs et les délais d’instruction.

    Au 5 avril 2019, les chiffres fournis par l’INDS étaient les suivants :

    Origine des demandeurs

    Depuis le 28 août 2017, 72 dossiers déposés à l’INDS concernent un industriel santé, 60 ont un CHU en responsable de traitement, 36 concernent un bureau d’études, 21 une association loi 1901, 13 l’Inserm-CNRS, 13 le ministère, 12 une université-école et 5 centres de lutte contre le cancer (CCLC).

    Sources de données mobilisées

    Depuis le 28 août 2017, 350 dossiers déposés à l’INDS concernent les dossiers médicaux, 215 des extractions du SNDS, 44 le PMSI seul, 42 des enquêtes, 34 des cohortes, 19 l’EGB, 16 des registres, 12 le Cépidc seul et 65 des autres cas.

  • Étude : les Google Glass capables d’améliorer la socialisation des enfants autistes (JAMA Pediatrics)

    Un nouveau système d’intelligence artificielle (IA) utilisant des Google Glass pourrait aider les enfants atteints de troubles du spectre autistique (TSA) à améliorer leurs aptitudes à la socialisation, selon une petite étude* menée par des chercheurs de l’université de Stanford et publiée fin mars 2019 dans le JAMA Pediatrics. Ces Superpower Glass sont conçues pour encourager l’engagement facial des enfants tout en « traduisant » les émotions des personnes avec lesquelles ils sont en interaction.

    Autisme : faciliter l’accès aux soins grâce aux nouvelles technologies

    Les symptômes des troubles du spectre autistique sont variables mais les difficultés de socialisation, d’avoir un contact visuel et de reconnaître les émotions faciales caractérisent cette pathologie. Aux États-Unis, les experts recommandent 20 heures par semaine d’analyse comportementale appliquée (ABA) 2, incluant souvent des interventions sur le développement du comportement avec un thérapeute du comportement pendant au moins 2 ans. Cette prise en charge est très coûteuse (entre 40 000 et 60 000 dollars par enfant et par an). De plus, de nombreux enfants sont confrontés à des difficultés pour généraliser la thérapie à des contextes du monde réel. Autrement dit, à utiliser ces compétences dans la vraie vie. Enfin, les thérapeutes comportementaux sont débordés et donnent des rendez-vous à 18 mois.

    Le recours à des supports d’apprentissage basés sur de nouvelles technologies utilisant le machine learning (apprentissage automatique) pourrait donc offrir des possibilités de traitement en dehors du cabinet du clinicien. Et ces outils peuvent se développer au domicile du patient et ainsi servir de pont pendant que les enfants attendent une thérapie standard.

    Des Google Glass qui traduisent les émotions

    Des chercheurs de l’université de Stanford ont donc conçu un outil d’apprentissage social portable pour les enfants atteints de TSA afin d’encourager l’engagement du visage et de fournir un retour d’information à l’enfant lors des interactions sociales à la maison.

    Un système de vision par ordinateur fonctionnant sur Google Glass est connecté sans fil à une application pour smartphone afin de permettre à l’enfant qui porte les lunettes d’intervenir.

    Grâce à l’apprentissage automatique, les outils sont capables d’identifier huit émotions via un système de reconnaissance faciale : le bonheur, la tristesse, la colère, le dégoût, la surprise, la peur, le mépris et la neutralité.

    Ensuite, une émoticône apparaît sur les verres des Google Glass – appelées « Superpower Glass » – pour indiquer à l’enfant souffrant de TSA l’émotion de la personne en face d’elle. L’information était également donnée de manière auditive. Le système fonctionne à une cadence d’environ 15 à 20 images par seconde, de sorte que les expressions faciales sont généralement reconnues en moins de 100 millisecondes.

    Quelque 71 enfants âgés de 6 à 12 ans atteints de trouble du spectre autistique ont été inclus dans l’étude. Ils ont été randomisés en 2 groupes : la moitié d’entre eux ont été invités à utiliser la technologie pendant 20 minutes trois fois par semaine avec leur famille et une fois par semaine avec leur intervenant, l’autre moitié bénéficiait d’une prise en charge traditionnelle.

    Les résultats de cette étude ont été publiés le 25 mars 2019 dans le JAMA Pediatrics.

    Résultats : une meilleure socialisation

    • Les enfants portant des Google Glass ont deviné l’émotion dans 39,8 % des cas.
    • Ils ont considérablement amélioré leurs résultats sur une échelle de comportement adaptatif par rapport au groupe témoin.
    • Les participants ont utilisé l’appareil moitié moins de jours que ce qui était recommandé.
    • Un enfant a signalé une réaction indésirable aux lunettes.

    L’intervention renforce l’engagement facial et la reconnaissance des émotions, suggérant que l’un ou l’autre ou les deux éléments pourraient être un mécanisme d’action conduisant à l’amélioration des aptitudes de socialisation. Cette étude souligne donc le potentiel de la thérapie numérique à domicile pour améliorer la prise en charge de l’autisme. Cependant, le petit nombre d’enfants inclus dans l’étude et leur grande hétérogénéité démographique et comportementale limitent la portée de cette étude.

    Vers une commercialisation de ce nouveau traitement

    Une précédente étude, publiée en août 2018 dans Nature’s Digital Medicine, et conduite pas des chercheurs de la Stanford University of Medicine, avait déjà montré que les Superpower Glass avaient accru le contact visuel et l’acuité sociale chez des enfants autistes.

    De plus, début avril 2019, la société Cognoa, qui fabrique l’application, a annoncé qu’elle venait de concéder une licence exclusive au système d’intelligence artificielle développée par l’université de Stanford.

    Depuis une levée de 11,6 millions de dollars américain (environ 10,3 M€) en 2017, la FDA a classé l’application de suivi du comportement pédiatrique de Cognoa en tant que dispositif médical de diagnostic de l’autisme.

    Cognoa souhaite maintenant « accélérer le développement et la commercialisation mondiale d’un nouveau traitement numérique pour les enfants atteints de TSA ».

  • Datathon Janssen : 5 lauréats repérés pour leurs solutions plaçant le patient au cœur de la recherche

    Embleema, Focus Patient, Andaman7, Ad Scientiam et Bioserenity sont les 5 vainqueurs du Datathon Janssen, organisé en partenariat avec le Fonds « Patient autonome » de Bpifrance et les pôles d’experts de la data Dataiku, le groupe Estia et Reeport. 5 challenges ont été organisés pour identifier des solutions innovantes visant à placer le patient au cœur du processus de recherche.

    Le datathon a réuni les 3 et 4 avril 2019 les acteurs de la santé de demain autour de l’exploitation des données dans le parcours de soins, qu’ils soient étudiants, patients, start-ups, data scientists, ingénieurs, scientifiques ou experts. Il s’est concentré sur les enjeux de la collecte et l’analyse de données santé pour intégrer l’expérience et la qualité de vie des patients dans les études en vie réelle.

    L’objectif de ce datathon est d’accélérer la transformation de la RWE (RealWorld Evidence). Les 5 lauréats sont ainsi invités à développer des prototypes de leurs solutions et identifier les meilleurs partenaires pour développer les futurs projets pilotes fondés sur des données de vie réelle. Le laboratoire Janssen apportera son soutien en ouvrant un de leurs sites d’innovation courant 2019.

    Dans le détails, les 5 gagnants et leur solution sont :

    • Embleema en oncologie, pour sa solution de blockchain qui permet de connecter des cohortes de patients en temps réel ;
    • Focus Patient en immunologie, pour son projet qui vient augmenter le design de l’étude Cassiopée en intégrant une expérience patient renforcée basée sur 4 axes : son profil, le conjoint, le niveau de connaissance de la pathologie et la montre connectée ;
    • Andaman7 en hématologie, pour sa solution de dossier patient partagé et son module intelligent permettant une collecte de données plus interactive et un meilleur accompagnement du patient dans le suivi de sa maladie ;
    • Ad Scientiam en virologie, pour Grizzou, une application « thermomètre » en temps réel de suivi/mesure/évaluation du fardeau pesant sur les parents dont l’enfant est hospitalisé pour une bronchiolite sévère ;
    • Bioserenity en psychiatrie, pour son application MyMood qui permet la collecte de données subjectives et objectives (physiologiques) basées sur les 10 items de l’échelle de dépression de la MADRS et renforcée par des données collectées par l’aidant.

  • FASN Cancérologie : vers des traitements sur mesure grâce à la santé numérique (2/04/19)

    L’avènement des thérapies ciblées, puis de l’immunothérapie, a considérablement bousculé la prise en charge en oncologie. En effet, de plus en plus de patients bénéficient de rémissions à long terme, y compris sur certaines localisations jusque-là délétères. Par ailleurs, la cancérologie est le domaine qui semble avoir le plus bénéficié des évolutions numériques et en intelligence artificielle (IA).

    Ces dernières s’accompagnent d’une importante quantité de production de données : génomiques, médicales, d’imagerie… Les algorithmes et solutions d’IA permettent une analyse prédictive et, par là même, une personnalisation de la prise en charge, du diagnostic, du pronostic, des traitements et du suivi. Pour autant, les professionnels de santé ont encore du mal à appréhender ces outils en raison notamment des questions éthiques ou organisationnelles qu’ils induisent. De nombreuses études sont en cours pour valider le modèle, la valeur ajoutée et déterminer les meilleures guidelines.

    Cette réflexion a clos les Rencontres nationales de la santé numérique, qui se sont tenues le 2 avril 2019 à Paris. L’événement était organisé dans le cadre de la campagne #FASN sur le thème de la cancérologie à l’ère du numérique, en partenariat avec Unicancer, afin d’accompagner la transformation numérique et organisationnelle de l’offre de soins. Exemples.

    Impliquer tous les acteurs pour améliorer les soins

    Le Dr Michel Angué, consultant médical de la société Parsek, propose Vitaly, une solution applicative web pour les patients et les médecins. Il s’agit d’un portail avec une entrée patient et une pour les praticiens.

    La première brique de ce système est de centraliser les données médicales, accessibles à tous. l’outil rassemble des applications pratiques d’agenda partagé et de prise de rendez-vous avec un accès sécurisé pour des téléconsultations. En sortant de consultation, le patient a accès à toutes les informations « pour mieux comprendre et intégrer ce qui a été dit ». La plateforme comprend environ 20 millions d’utilisateurs, tous usages confondus, dans une dizaine de pays d’Europe. « Cela fonctionne d’autant mieux dans les petits pays où un dossier médical personnel est fonctionnel comme la Slovénie », indique le Dr Michel Anqué. L’enjeu en cancérologie est la diversité des parcours de soins.

    L’Institut des sciences et technologies de Vienne, en Autriche, utilise la plateforme pour de la télé-expertise sur les cancers pédiatriques rares qui réunit des experts. Un autre cas d’usage est la confirmation du diagnostic grâce à des réunions de concertation pluridisciplinaire virtuelle pour ne pas avoir à se déplacer et avoir accès à l’ensemble des documents du patient de manière sécurisée. « Cette méthode permet notamment d’envisager d’intégrer le patient à la RCP », .

    Enfin, la plateforme génère des alertes pour faciliter le régulation des consultations et hospitalisations de routine. « Notre démarche n’est pas basée sur des solutions complexes mais sur les usages. »

    Surveiller et anticiper

    Un autre axe de l’atout de la santé numérique dans le parcours de soins est le suivi. Le Dr Fabrice Denis, oncologue à l’institut interrégional de cancérologie Jean Bernard, en est persuadé. « Depuis 7 ans, je travaille sur une solution pour que les patients rapportent eux-mêmes leurs symptômes. Ces remontées ne se réduisent pas à empiler les applications. » Le Dr Denis a travaillé sur Moovcare, une application pour anticiper le diagnostic de récidive de cancer du poumon. L’équipe a suivi une démarche d’evidence based medecine avec une analyse et une exigence équivalente à celle du développement d’un médicament. « Cela coûte, prend du temps mais le résultat est implacable ».

    La procédure de fiabilité et de démonstration de la preuve ouvre la porte à la reconnaissance comme dispositif médical. « Cette preuve d’efficacité et de sécurité est essentiel ». Le dossier de cette application est maintenant en demande de remboursement ; ce qui devrait être acté prochainement. Le modèle économique est un enjeu du déploiement de ces outils. « Ce n’est pas le patient qui doit payer pour ne pas aggraver les inégalités déjà existantes avec la fracture numérique. »

    En effet, les patients les plus isolés sont ceux qui ont le plus besoin de ces outils. « En terme de pronostic, le fait d’être isolé est un facteur aggravant. On rechute et on meurt beaucoup plus quand on n’est pas connecté ». L’idée est donc d’aller chercher ces patients isolés avec l’aide de l’intelligence artificielle en créant des robots qui vont appeler les patients pour les aider à remplir les formulaires de suivi. « C’est en cours de développement et d’évaluation. »

    Analyser et utiliser les données générées

    En cancérologie, les traitements sont personnalisés à l’analyse génomique de la tumeur. La prise en charge de certaines tumeurs a ainsi été révolutionnée. La dynamique actuelle est de personnaliser les pronostics. Dans le cancer du sein, des signatures moléculaires permettent de prédire les risque. Cela permet de personnaliser les examens, les analyses et surtout, le parcours de soins.

    Les solutions numériques qui facilitent cette personnalisation crée une masse de données numériques, nécessaires à l’apprentissage de l’intelligence artificielle. Les modèles mathématiques se nourrissent de ces données, d’abord génomique mais aussi cliniques. Autant de données à récupérer, intégrer, analyser pour le bénéfice du patient, à qui les données appartiennent. « C’est l’objectif du projet ConSoRe, initié par une consœur, explique le Dr Pierre-Etienne Heudel, oncologue au centre Léon Bérard de Lyon. Il va permettre de valoriser et d’exploiter les données cliniques noyées dans les compte rendu. » Plusieurs centres utilisent déjà quotidiennement ce moteur de recherche pour le big data en cancérologie.

    La troisième source de données est l’analyse automatique d’images. « Il reste des difficultés pratiques pour monter ce genre de projet en termes d’archivages et numérisations des lames. Cela demande un travail de fourmi », explique le Dr Pierre-Etienne Heudel. Enfin, pour être efficace, les solutions de santé numérique doivent prendre en compte les organisations hospitalières. « Concernant le télé-suivi, les infirmières de coordination qui suivent les réponses, sont bien souvent appelées dans les services pour pallier une absence dans l’équipe dans les services », ajoute-t-il.

    L’intelligence artificielle en chirurgie

    Dernier exemple, le projet d’intelligence artificielle en chirurgie cancérologique, présenté par le Dr Charlotte Ngo de l’Hôpital européen Georges-Pompidou (HEGP). « Il faut des ingénieurs un peu partout en Europe notamment de l’AP-HP et de l’Inserm », commente-t-elle. Il s’agit de construire un outil d’aide à la décision médicale grâce aux données cliniques, génétiques, d’imagerie et de survie. Les recommandations de pratiques internationales et nationales sont également intégrés pour fournir la conduite à tenir en fonction du moment de la prise en charge.

    L’intelligence artificielle de type deep learning (apprentissage profond) participe à cet outil d’aide à la décision médicale concrète et adapté. « Les cas des patients ne fonctionnent pas tous pareils et pour certains, l’algorithme ne va pas fonctionner », précise le Dr Charlotte Ngo. Mais le système va apprendre et, au final, fournir pour une patiente donnée, ce que recommandent les guidelines mais aussi ce qui a pu être fait ailleurs pour un même type de patients.

    Le système est également équipé d’un module d’analyse informatisée des images et un de prédictions du résultat de la chirurgie. « Nous chargeons les images de la patiente pour localiser la tumeur et des photographies des patientes et une petite vidéo de la patiente pour avoir une idée de son anatomie », explique la spécialiste. En fonction de l’anatomie, de la tumeur, de l’acte chirurgical prévu, le résultat cosmétique peut être prédit. « C’est intéressant pour informer les patientes et affiner notre pratique, d’adapter les gestes », note le Dr Charlotte Ngo. Cet outil complet d’aide à la décision médicale permet également de réduire l’hétérogénéité des pratiques entre les centres et les inégalités de prises en charge.                                                                                                        

  • One Drop noue un partenariat avec Amazon pour le suivi numérique des affections chroniques

    La société One Drop, spécialiste des solutions numériques pour le diabète et les maladies chroniques, signe un accord de partenariat avec Amazon via Choice, la marque santé du géant du numérique.

    Les appareils Choice donneront désormais accès aux fonctionnalités One Drop pour la gestion du diabète, le contrôle de la tension artérielle et du poids, y compris à l’aide à la décision par intelligence artificielle, précise l’entreprise, qui a annoncé cette alliance en mars 2019. Ces dispositifs s’intégreront aussi directement avec l’application mobile One Drop, et les clients Choice pourront s’inscrire aux programmes de coaching personnel One Drop.

    One Drop : une appli qui définit des objectifs quotidiens pour les patients

    L’application mobile One Drop, disponible sur les plateformes Apple iOS et Google Android est capable de suivre et d’analyser la glycémie, la prise de médicaments, le régime alimentaire et les activités du patient. Elle lui permet de définir des objectifs quotidiens, de visualiser ses progrès et de s’intégrer à une communauté mondiale de diabétiques. Les services de coaching durent de 7 semaines à 6 mois et leur prix varie en fonction de la durée du programme. 

    « Sur les 30 millions d’Américains vivant avec le diabète, 20 millions vivent également avec une pression artérielle élevée », souligne Jeff Dachis, P.-D.G. de One Drop, précisant que le partenariat avec Amazon offre aux clients de Choice « l’accès à un éventail de services complet et hyper-personnalisé ».

    « Cette collaboration représente une occasion pour nous de proposer une offre accessible et abordable dans le secteur des dispositifs médicaux grand public », a déclaré Bob Guest, P.-D.G. du groupe Arcadia, qui a développé Amazon Choice.