Incubateurs

  • 81 % des CHU perçoivent l’IA comme un sujet important, 76 % comme stratégique (baromètre-CHU Nancy)

    67 % des CHU ont mis en œuvre une solution basée sur intelligence artificielle (IA) au sein de leur établissement : 1 à 5 projets centrés sur l’IA sont d’ailleurs en cours dans 57 % des CHU. C’est l’une des informations centrales qui ressort du premier baromètre de maturité de l’IA dans les hôpitaux publics, présenté par le Centre hospitalier régional universitaire de Nancy le 21 novembre 2019 à l’occasion de son forum sur l’IA en santé. L’enquête a été réalisée par le centre de soins nacéien en partenariat avec EY Consulting (Ernst & Young) auprès des directeurs généraux (DG) et des présidents de la commission médicale d’établissement (PCME) des CHU et des CH.

    De manière générale, 81 % des CHU perçoivent l’IA comme un sujet important et 76 % comme un élément stratégique.

    À noter également que les domaines les plus concernés par une application de l’intelligence artificielle en hôpital sont :
    • en premier lieu : recherche, parcours patients, prédiction des risques et pilotage des activités ;
    • puis : qualité des soins, appui aux pratiques de soins, performance des processus et gestion des ressources ;
    • et aussi : achats/coordination entre les professionnels de santé sur un territoire.

    Le CHRU de Nancy indique par ailleurs qu’un certain nombre de CHU expriment le besoin d’être accompagnés dans la hiérarchisation des thématiques à aborder.

    Autres enseignements clés :
    • le partage des pratiques et des usages ainsi que les retours d’expériences semblent essentiels selon les résultats du baromètre ;
    • Pour 66 % des répondants, le frein principal au développement l’IA dans les établissements de soins est l’absence de compétences et d’expertises spécifiques ;
    • Pour 62 % des sondés, le risque principal d’un déploiement de l’IA est la déhumanisation du travail.

    32 CHU interrogés

    L’objectif de ce baromètre est d’identifier comment, deux ans après la publication du rapport Villani sur l’intelligence artificielle (IA), « les établissements de santé appréhendent et agissent, d’un point de vue stratégique et opérationnel, pour un déploiement actif de l’IA dans leur établissements », explique le CHRU.

    32 CHU ont été interrogés dans le cadre de cette enquête (taux de réponse : 33 %), menée en ligne de juin à septembre 2019, avec l’appui de la Conférence des DG de CHU.

    Autres enseignements clés du baromètre :

    96 % des établissements interrogés estiment que l’IA aura des effets positifs sur l’exercice de leur profession

    • Bénéfices :
      • libération de temps pour ne plus effectuer des tâches à 0 valeur ajoutée ;
      • augmentation de la rapidité et amélioration de la fiabilité des prises de décision ;
      • meilleure performance économique de l’hôpital à terme. 
    • Freins :
      • absence de compétences et d’expertises spécifiques sur l’IA ;
      • perception complexe du développement de projets centrés sur l’IA ;
      • organisation peu adaptée au mode projet.

    Organisations mises en place pour l’IA : une hétérogénéité traduisant des degrés de maturité divers

    • Direction dédiée :
      • direction recherche : 19 % ;
      • direction de la stratégie : 29 % ;
      • direction générale adjointe (DGA) : 5 % ;
      • directeur des systèmes d’information (DSI) : 14 % ;
      • autres : 14%.
    • 90,5 % des répondants sont favorables à la mise en place d’une communauté d’experts transverse.
  • DM : la HAS soumet à consultation publique sa grille d’analyse des algorithmes auto-apprenants

    Recueillir les avis et suggestions de tous les acteurs impliqués dans le développement ou l’utilisation de dispositifs médicaux (DM) intégrant des algorithmes apprenants (machine learning) : industriels, associations de patients et collèges nationaux professionnels mais aussi développeurs de solutions informatiques, chercheurs, instituts interdisciplinaires d’intelligence artificielle (3IA)… C’est l’objectif poursuivi par la Haute autorité de santé (HAS) en soumettant à consultation publique son projet de grille d’analyse des algorithmes auto-apprenants ce 20 novembre 2019, et ce jusqu’au 20 janvier 2020. Selon elle, « une approche collective est nécessaire ».

    « Le numérique se déployant, et la Cnedimts (commission de la HAS) évaluant de plus en plus de DM connectés, la question de l’accès au remboursement de ceux qui utiliseront l’intelligence artificielle va se poser », contextualise la HAS. Le projet de grille d’analyse proposé par la Haute autorité vise à fluidifier l’instruction de ces dossiers, et la mise en consultation publique à mieux cerner ce champs nouveau en expansion.

    Plus précisément, l’idée de cette consultation est d’ »apprécier la lisibilité du projet de grille » et « la pertinence de chacun des items identifiés ». Toutes les contributions seront analysées pour parvenir à une version finale de la grille « qui sera exploitée dans le cadre des futures demandes par les industriels de prises en charge par l’Assurance maladie de leurs DM », précise la HAS, ajoutant que la grille devrait être définitivement adoptée et appliquée en avril 2020.

    Pour plus d’informations ou toutes difficultés rencontrées, envoyer un email à contact.sed@has-sante.fr.

    Contexte : se préparer aux demandes d’évaluation des DM basés sur IA

    « L’intelligence artificielle (IA) bouscule le monde de la santé. Pour tous, patients et professionnels de santé, le numérique rend possible une nouvelle façon de travailler, de soigner, d’être soigné et de s’occuper de sa santé. Mais une innovation technologique n’est pas forcément une innovation clinique », note la Haute autorité de santé (HAS).

    Dans ce contexte, la Commission nationale d’évaluation des dispositifs médicaux (DM) et des technologies de santé (Cnedimts), commission spécialisée de la HAS, souhaite compléter ses outils d’évaluation pour se préparer aux demandes d’évaluation des DM basés sur l’utilisation d’algorithmes auto-apprenants (machine learning).

    « Pour établir l’intérêt de leur remboursement par l’Assurance maladie, et comme pour tout autre dispositif médical, la Cnedimts doit se prononcer sur le bénéfice que ces technologies apportent au patient ou à la santé publique, explique la Haute autorité. Les critères d’appréciation de l’intérêt des innovations embarquant des procédés d’apprentissage automatique restent donc des critères cliniques, la grille d’analyse proposée constituant un pan descriptif complémentaire pour les technologies concernées. »

    • Pour aller plus loin : la HAS détaille le contexte de l’évaluation des dispositifs médicaux avec IA sur son site web, accessible via ce lien.

    Objectifs de la consultation publique

    En soumettant à consultation publique son projet de grille d’analyse, la HAS souhaite :

    • recueillir les avis et les réflexions des acteurs et des experts impliqués dans le développement de solutions s’appuyant sur des procédés d’apprentissage automatique (machine learning) ;
    • déterminer les éléments nécessaires et suffisants pour permettre l’évaluation par la HAS de dispositifs médicaux s’appuyant sur ces procédés ;
    • apprécier le niveau de précision attendu ;
    • apprécier la compréhension des contributeurs sur les critères actuels du projet.

    Modalités de la consultation publique

    Pour soumettre des commentaires, il faut :

    • télécharger le document support via ce lien ;
    • transmettre les contributions en remplissant le formulaire de réponse en ligne, accessible via ce lien : « il est nécessaire de répondre à toutes les questions en une seule fois ; aucune sauvegarde intermédiaire n’étant possible », précise la Haute autorité de santé.

    Les données personnelles collectées ne seront pas transmise à des tiers

    • Les données personnelles (nom, prénom, adresse email, etc.) recueillies dans le cadre de la consultation publique « servent uniquement au traitement administratif de [la] contribution et ne sont pas transmises à des tiers », indique la HAS.
    • Elles sont conservées pendant une durée qui n’excède pas la durée nécessaire aux finalités du projet.
    • Conformément à la loi « Informatique et liberté », les contributeurs à la consultation peuvent exercer un droit d’accès, d’opposition, de rectification et de suppression des données les concernant par email à l’adresse suivante : dpo@has-sante.fr.
  • Étude : l’IA capable de faciliter le diagnostic de la leucémie en classifiant les cellules sanguines

    Des chercheurs allemands de l’hôpital universitaire de Munich ont créé un réseau de neurones profonds afin d’évaluer les capacités de l’intelligence artificielle à diagnostiquer une forme rare de cancer, la leucémie myéloïde aiguë. Formé sur un jeu de données de 18000 globules blancs, cette stratégie s’est révélée aussi efficace que l’analyse traditionnelle par des humains. Les résultats de cette étude* ont été publiés le 12 novembre 2019 dans la revue Nature Machine Intelligence.

    Intelligence artificielle ou cytologiste ?

    Chaque jour, des millions de cellules sanguines sont scrutées dans des laboratoires médicaux et des cliniques afin de pouvoir poser un diagnostic de maladies. La plupart de ces tâches répétitives sont encore effectuées manuellement par des cytologistes qui inspectent les cellules dans des frottis sanguins colorés et les classent en environ 15 catégories différentes. Malgré le haut degré de formation de ces professionnels, ce processus pose deux problèmes : la classification des cellules sanguines est sujette à des variations comme toute tâche humaine, et elle nécessite la présence d’un cytologiste qualifié.

    Un réseau de neurones pour diagnostiquer un cancer hématologique

    Par conséquent, comme pour toute tâche répétitive, l’idée de la déléguer en partie à un système d’intelligence artificielle fait son chemin. C’est précisément ce que des chercheurs allemands de l’hôpital universitaire de Münich ont voulu tester. Ils ont donc formé un réseau de neurones profonds à partir de quelque 18 000 images annotées de globules blancs. Les images étaient extraites de frottis sanguins de 100 patients atteints d’un cancer hématologique – la leucémie myéloïde aiguë – et de 100 témoins. Sa mission : classer les leucocytes et évaluer les performances du réseau en comparant la variabilité inter-expert.

    Les résultats de cette étude ont été publiés le 12 novembre 2019 dans la revue Nature Machine Intelligence.

    Résultats : l’IA aussi précise que l’humain

    La solution basée sur l’intelligence artificielle a été capable d’identifier les cellules sanguines au moins aussi bien qu’un expert en cytologie.  » Notre approche peut potentiellement être utilisée comme aide à la classification pour examiner un nombre beaucoup plus grand de cellules dans un frottis qu’un expert humain. Cela permettra aux cliniciens de reconnaître les populations de cellules malignes présentant une prévalence plus faible et à un stade plus précoce de la maladie », estiment les auteurs de l’étude.

    Un manque de données numérisées

    Cependant, les algorithmes d’apprentissage en profondeur pour le traitement des images nécessitent, à la fois, une architecture de réseau de neurones à convolution appropriée avec des centaines de milliers de paramètres, et une quantité suffisamment importante de données de formation. Or, aucun grand ensemble de données numérisées sur les frottis sanguins n’était disponible, bien que ces échantillons soient constamment utilisés dans les cliniques. Actuellement, les chercheurs allemands collaborent donc étroitement avec le département de médecine III de l’hôpital universitaire LMU de Munich et l’un des plus grands laboratoires européens de la leucémie, afin de numériser davantage de frottis sanguins.

    « Pour intégrer notre approche dans la pratique clinique, la numérisation des échantillons de sang des patients doit devenir une routine, ont souligné ces derniers. Les algorithmes doivent être formés à des échantillons provenant de différentes sources afin de faire face à l’hétérogénéité inhérente à la préparation des échantillons ». Ils espèrent ainsi pouvoir affiner leur modèle et évaluer avec précision d’autres caractéristiques de la maladie, telles que les mutations génétiques.

  • Le Health Data Institute veut aider les établissements à exploiter leurs données de santé (rapport)

    « Encourager les établissements de santé à se doter d’une stratégie d’exploitation des données qu’ils génèrent » pour servir à « l’adaptation de l’offre de soins » et à « l’amélioration de l’efficience interne ». C’est l’objectif du position paper intitulé « Données de santé, quelle valeur pour les établissements de soin? », dévoilé le 14 novembre 2019 par le think tank HealthCare Data Institute (HDI) à l’occasion de la 5ème édition du HDI Day.

    Le HDI invite dans son introduction les établissements de soins à exploiter « l’ensemble » de leurs ressources en données, y compris celles qui sont « de nature administrative et financière » en lien avec « les ressources humaines et la gestion de l’établissement », en « s’éloignant du cadre de la recherche » et en visant « des finalités opérationnelles ».
    Sur la base d‘une série d’entretiens avec des acteurs du monde de la santé, le think tank encourage les établissements :

    • à « mettre en place une approche collaborative facilitant l’accès pour les professionnels de santé à des indicateurs pertinents, actionnables et restitués de façon ergonomique » ;
    • à élaborer avec lui un « guide pratique des aspects règlementaires et techniques pour la constitution de registres (ou autres jeux de données) faisant état des pratiques médicales » ;
    • à « ’informer les patients via leur site internet des études en cours réutilisant de la donnée » dans le cadre d’une MR-004 – la méthodologie de référence de la Cnil qui encadre les traitements de données à caractère personnel à des fins d’étude, évaluation ou recherche n’impliquant pas la personne humaine.

    Le Health Data Institute ajoute que « ce même site pourrait servir » dans un second temps à « informer les patients des résultats publiés des études listées« . Il recommande enfin « une orientation des programmes de subvention publics existants ou à venir en faveur du déploiement de services basés sur les entrepôts de données de santé ».

  • Étude : le machine learning capable de prédire l’espérance de vie des insuffisants cardiaques (ESC)

    Une équipe de l’université de Californie à San Diego (UC San Diego) a mis au point un algorithme d’apprentissage automatique (machine learning) capable de prédire l’espérance de vie des patients souffrant d’insuffisance cardiaque. À partir de 8 variables, les chercheurs ont établi un score de risque permettant de déterminer les risques de décès élevés et faibles avec une précision de 88 %. Les résultats de cette étude* ont été publiés le 12 novembre 2019 dans l’European Journal of Heart Failure, le journal de la Heart Failure Association de la Société européenne de cardiologie (European Society of Cardiology – ESC).

    Quand un malade veut en savoir plus sur son pronostic

    La prévision de la mortalité est importante chez les patients insuffisants cardiaques. Cependant, les stratégies actuelles de prévision du risque ne donnent que des résultats modestes. Leur faiblesse vient probablement du fait qu’elles s’appuient sur des méthodes d’analyse statistique qui ne permettent pas de saisir les informations pronostiques dans de grands ensembles de données.

    Avi Yagil, un professeur de physique à l’Université de Californie à San Diego, s’est attaqué à ce problème lorsqu’il a découvert qu’il souffrait d’une insuffisance cardiaque. En échec de traitement, il a finalement bénéficié d’une transplantation cardiaque en juin 2016. Et c’est lors de sa convalescence qu’il a commencé à réfléchir aux moyens d’améliorer le parcours de soins pour des patients comme lui.

    « Dans mon travail quotidien, j’utilise l’apprentissage automatique (machine learning) pour comprendre une grande quantité d’informations et de mesures de particules et de leurs interactions, explique Avi Yagil. Le corps humain est encore plus complexe mais la profession médicale n’utilise pas assez les technologies nécessaires pour saisir les corrélations multidimensionnelles entre les mesures, telles que les tests de laboratoire, les signes vitaux, et les résultats. Nous avons émis l’hypothèse que cette méthodologie pourrait contribuer à améliorer le pronostic et le traitement des patients atteints d’insuffisance cardiaque. « 

    Un algorithme basé sur 6000 insuffisants cardiaques

    Le physicien s’est alors associé avec ses cardiologues de la faculté de médecine de l’université de San Diego de l’Institut cardiovasculaire de l’UC San Diego Health. « Nous voulions développer un outil qui prédit l’espérance de vie des patients atteints d’insuffisance cardiaque, indique Eric Adler, directeur des transplantations cardiaques. Il existe des applications dans lesquelles les algorithmes détectent toutes sortes de choses, comme les produits que vous souhaitez acheter. Nous avions besoin d’un outil similaire pour prendre des décisions médicales. La prévision de la mortalité est importante pour les patients insuffisants cardiaques. »

    Pour développer leur algorithme d’apprentissage automatique, les chercheurs se sont basés sur les données de dossiers médicaux électroniques anonymisés de 5 822 patients hospitalisés ou ambulatoires souffrant d’insuffisance cardiaque. Le score de risque a été calculé à partir de 8 variables facilement disponibles pour la majorité des patients insuffisants cardiaques, telles que la tension artérielle diastolique, la créatinine, ou encore le nombre de globules blancs.

    Les résultats de cette étude ont été publiés en ligne dans l’édition du 12 novembre 2019 du European Journal of Heart Failure.

    Résultats : précis à 88%

    • L’algorithme était capable de prédire avec précision l’espérance de vie dans 88 % des cas.
    • La précision a été identique lorsque l’outil a été testé sur des données de patients non identifiées de l’université de Californie à San Francisco et sur une base de données provenant de 11 centres médicaux européens.
    • Ce score de risque était supérieur à celui obtenu par deux scores de risque traditionnels, disponibles dans ces mêmes populations.

    « Cet outil nous donne un aperçu de la probabilité qu’un patient donné décède d’une insuffisance cardiaque au cours des trois prochains mois ou d’un an, explique Eric Adler. C’est incroyablement précieux. Cela nous permet de prendre des décisions éclairées basées sur une méthodologie éprouvée et de ne pas avoir à chercher dans une boule de cristal. »

    Ces résultats doivent être validés mais le fait de « pouvoir les réutiliser dans des populations indépendantes est d’une importance capitale, validant ainsi notre méthodologie et ses résultats », notent les auteurs de l’étude.

    La précieuse collaboration entre physicien et cardiologues

    Les chercheurs ont par ailleurs souligné que le partenariat entre physiciens et cardiologues a été essentiel à la mise au point d’un outil fiable.

    « Nous avons appris à Avi Yagil comment penser en tant que cardiologue et il nous a appris à penser comme le ferait un physicien », précise Barry Greenberg, directeur du programme de traitement avancé de l’insuffisance cardiaque à l’Institut cardiovasculaire de l’UC San Diego Health.

  • L’hôpital Foch crée son propre entrepôt de données de santé pour accélérer la recherche clinique

    L’hôpital Foch crée son entrepôt de données de santé (EDS) avec l’objectif d’« accompagner et [d’] accélérer la recherche clinique ». Cet outil, lancé suite à l’accord de la Cnil obtenu le 14 octobre 2019, sera opérationnel au 1er janvier 2020 pour l’ensemble du personnel de recherche de l’établissement, « sous validation stricte du comité d’éthique », indique l’établissement dans communiqué daté de novembre 2019.

    Il agrègera « sur une seule et même plateforme » les données administratives et médicales de plus de 500 000 patients « hospitalisés ou venus en consultation au sein de l’hôpital et ne s’y étant pas opposés », soit environ 5 millions de documents : comptes rendus de consultation et d’hospitalisation mais aussi de données de biologie et d’imagerie. L’EDS permettra de « renforcer les essais cliniques » et de « réaliser des études épidémiologiques en interne », en vue d’améliorer « la recherche de diagnostics plus ou moins rares et les délais d’accès aux essais cliniques », précise l’hôpital. Il fera l’objet d’une gouvernance spécifique associant professionnels de santé, chercheurs et représentants de patients, ainsi que le délégué à la protection des données (DPO) de l’établissement.

    Dans le cadre de la Chaire de transplantation, créé au sein de l’hôpital Foch en septembre 2018, les données récupérées dans l’entrepôt permettront d’élaborer « un outil de prédiction de l’état de santé et de rechute éventuelles des patients transplantés », par exemple en transplantation pulmonaire, avec l’objectif d’adapter les traitements.

  • Étude : 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.

    Un algorithme pour évaluer les besoins en soins…

    Les médecins américains ont déjà largement recours à des algorithmes décisionnels, notamment pour évaluer rapidement les patients les plus susceptibles de développer des pathologies et leur proposer une prise en charge adaptée. L’un d’entre eux est déployé à l’échelle nationale, et c’est l’un des plus importants outils commerciaux utilisés par les assureurs pour prendre des décisions en matière de santé pour des millions de personnes chaque année.

    Dans ce système, les patients ayant des besoins médicaux particulièrement complexes sont automatiquement signalés par l’algorithme. Une fois sélectionnés, ils peuvent recevoir des ressources supplémentaires. Dans un pays comme les États-Unis où la santé coûte très cher et où le bénéfice d’une prise en charge supplémentaire est loin d’être automatique, les décisions d’un tel algorithme pèsent lourd.

    … sans tenir compte de la précarité des patients

    Or, des chercheurs américains viennent de démontrer que cet outil que  » presque tous les grands établissements utilisent, ainsi que les assureurs  » avait lésé des millions d’Afro-Américains en matière de traitement. L’étude ne nomme pas les développeurs de l’algorithme mais détaille la façon dont il parvient à des conclusions erronées.

    Concrètement, pour évaluer les besoins en soins d’un patient, l’algorithme emploie le critère des coûts. Plus une personne a un niveau de dépenses de santé élevé, plus elle est classée par l’algorithme comme à risque et susceptible de recevoir des soins complémentaires . Les chercheurs américains, auteurs de l’étude parue dans Science le 23 octobre 2019, ont estimé que cet algorithme reposait sur des biais raciaux.

    Résultats

    • En raison de l’inégalité d’accès aux soins, les patients noirs dépensent beaucoup moins pour leurs traitements que les patients blancs souffrant de la même affection.  
    • l’algorithme n’a pas tenu compte de cette différence entre patients noirs et blancs
    • l’algorithme concluait au départ que 17,7% des patients afro-américains avaient besoin de soins complémentaires alors que ce taux montait à 46,5% lorsque le biais était corrigé

    « Le coût est un indicateur de santé acceptable mais il est susceptible d’introduire un biais, et en l’occurrence, c’est le choix de cet indicateur qui a biaisé l’algorithme », a déclaré Ziad Obermeyer, professeur associé par intérim à l’Université de Californie à Berkeley, co-auteur de l’étude. D’autres disparités, telles que la manière dont les médecins traitent les patients, peuvent également contribuer à cette différence.

    La bonne nouvelle, c’est que « ce biais est réparable, pas avec de nouvelles données, ni avec un réseau de neurones plus sophistiqué, mais en modifiant simplement ce que l’algorithme est censé prédire « , estiment les chercheurs. L’analyse d’un sous-groupe de coûts, tel que les soins aux urgences, permettrait de minimiser les risques de biais.

    Projet de loi de bioéthique : comment se prémunir des biais

    Comme le soulignent les auteurs du rapport « Algorithmes : biais, discrimination et équité », réalisé en mars 2019 par Telecom ParisTech et l’université de Nanterre, « la mise en oeuvre d’un algorithme correspond à l’application de règles et d’instructions qui devraient permettre de s’affranchir de la partialité qui caractérise parfois les décisions humaines. Cependant, les algorithmes n’échappent pas à cet écueil… Et nous savons que les opinions peuvent conduire à des pratiques discriminatoires à l’encontre des personnes. »

    Focus sur l’article 11

    Pour remédier à ces travers, l’article 11 du projet de loi de bioéthique, votée en première lecture à l’Assemblée nationale le 15 octobre, prévoit des garde-fous : la traçabilité des algorithmes (pour éviter l’effet « boite noire »), l’intervention d’un professionnel de santé pour le paramétrage de ces algorithmes et la mise en perspective des résultats issus des algorithmes par un professionnel de santé. En marge du projet de loi, le gouvernement avait estimé que la validité des conclusions produites par les algorithmes pouvait être  » limitée par des défauts ou biais (volontaires ou non) liés à leur développement et/ou aux bases sur lesquelles s’est réalisé l’apprentissage, mais aussi par les limites des informations effectivement prises en compte au regard des particularités spécifiques propres à chaque situation clinique « .

  • Recouper la base Transparence Santé avec le SNDS permet de pointer les mauvais prescripteurs (BMJ)

    « Les médecins généralistes français ne recevant pas d’avantage de l’industrie pharmaceutique sont associés à des prescriptions plus efficaces et moins chères. » C’est la conclusion d’une étude réalisée par l’université Rennes 1 en recoupant les données 2016 de la base Transparence Santé sur les liens d’intérêts des médecins avec l’industrie, et celles du SNDS sur les prescriptions. « De par sa méthodologie, l’étude ne peut pas montrer de lien de cause à effet », souligne cependant ses auteurs dans un communiqué daté du 6 novembre 2019.

    Créée en 2013 par le ministère chargé de la Santé, la base Transparence Santé « rend accessible l’ensemble des informations déclarées par les entreprises sur les liens d’intérêts qu’elles entretiennent avec les acteurs du secteur de la santé ». Recouper les données qu’elle contient avec les indicateurs du SNDS « évaluant le coût et la qualité des prescriptions utilisés par l’Assurance maladie dans le calcul de la ROSP (Rémunération des médecins sur Objectifs de Santé Publique) » permet aux auteurs des travaux d’établir, qu’en moyenne, le groupe de médecins « n’ayant reçu aucun avantage en 2016 ni depuis la création de la base Transparence Santé en 2013 » est associé à :

    • des prescriptions moins coûteuses (« le groupe de médecins ayant bénéficié de 1 000 euros ou plus en avantages est associé à des coûts de prescription en moyenne 5.33 euros plus élevés que le groupe sans avantage ») ;
    • plus de prescriptions de médicaments génériques par rapport aux mêmes médicaments non génériques (antibiotiques, antihypertenseurs, statines) ;
    • moins de prescriptions de vasodilatateurs et de benzodiazépine pour des durées longues « comparativement aux groupes de médecins ayant reçu le plus d’avantages » ;
    • moins de prescriptions de sartans comparativement aux inhibiteurs de l’enzyme de conversion (IEC),« recommandés pour leur efficacité similaire avec un moindre coût », «comparativement aux groupes de médecins ayant reçu le plus d’avantages ».

    Selon l’étude, publiée dans la revue British Medical Journal (BMJ), ces résultats « renforcent l’hypothèse selon laquelle l’industrie pharmaceutique peut influencer les prescriptions des médecins généralistes », et offrent un aperçu sur l’étendue de cette influence.

    Transparence Santé : une base actualisée tous les 6 mois

    La base de données publique Transparence Santé du ministère des Solidarités et de la Santé inclut « l’ensemble des informations déclarées par les entreprises sur les liens d’intérêts qu’elles entretiennent avec les acteurs du secteur de la santé, du médecin généraliste aux sociétés savantes». La base, actualisée tous les 6 mois et conservant les informations sur 5 ans, vise à « porter ces liens à la connaissance de tous et à les rendre aisément accessibles ».

    Une interface simplifiée et un outil statistique ajouté

    En pratique, est-il souligné dans le communiqué, « la technicité du système et les erreurs contenues dans la base en rendent l’accès difficile », de sorte que le collectif EurosforDocs a développé en complément une interface simplifiée, « ajoutant un outillage statistique et s’efforçant d’améliorer la qualité des données enregistrées ».

  • Étude : un algorithme prédit la mortalité à 6 mois des patients souffrant de cancer (Jama)

    Des algorithmes d’apprentissage automatique ont permis d’identifier avec précision les patients à risque élevé de mortalité dans les 6 mois. Tels sont les résultats issus d’une étude* menée sur une cohorte de plus de 26 000 patients. Les chercheurs, issus de l’université de Pennsylvanie, estiment qu’un tel outil pourrait faciliter des conversations plus précoces entre patients et médecins sur le traitement et les préférences de fin de vie. Les résultats de ces travaux ont été publiés le 25 octobre 2019 dans le Jama Network Open.

    L’intelligence artificielle pour préparer la fin de vie

    La majorité des patients atteints de cancer décèdent sans avoir bénéficié de soins palliatifs et sans avoir pu échanger sur leurs souhaits pour leur fin de vie. Préparer cette étape est pourtant un souhait exprimé par la plupart des malades ainsi que par leur entourage. Si ce temps d’échange fait défaut, c’est en partie parce que les oncologues ne parviennent pas à identifier avec précision les patients présentant un risque de mortalité à court terme. Soit par excès d’optimisme, soit parce que les outils actuels permettant d’estimer le risque de mortalité ne sont pas très performants. Ces derniers ne s’adaptent pas à tous les cancers et sont très consommateurs de temps pour rentrer les données des malades.

    Des chercheurs américains de l’université de Pennsylvanie ont donc émis l’hypothèse que des algorithmes d’apprentissage automatique (machine learning) pourraient identifier avec précision tous les patients cancéreux présentant un risque de mortalité à court terme. « Il est bien connu que la connaissance et l’exactitude des pronostics peuvent éclairer les conversations en temps opportun sur les objectifs de traitement et les préférences de soins des patients atteints de cancer, commente Ravi Parikh, MD, le principal auteur des travaux. Néanmoins, en utilisant les outils existants, les oncologues ne peuvent identifier qu’environ 30 % des patients qui mourront au cours de la prochaine année. »

    Trois algorithmes testés pour prédire la mortalité

    Les chercheurs ont développé, validé et mis en œuvre un algorithme d’apprentissage automatique permettant de prédire la mortalité dans un contexte d’oncologie générale à l’aide de données du dossier médical électronique.

    Quelque 26 525 adultes traités dans un grand centre universitaire de cancérologie et 10 cabinets communautaires affiliés ont été inclus dans l’étude et les patients ont été suivis jusqu’à 500 jours après la consultation oncologique.

    3 algorithmes (forêt aléatoire, renforcement de gradient et régression logistique) ont été testés. Ils reposaient sur plusieurs indicateurs, tels que l’âge du patient, le caractère métastatique du cancer et les lymphocytes.

    Les résultats de cette étude ont été publiés le 25 octobre 2019 dans le Jama Network Open.

    Résultats : plus de conversations médecin-malade

    • 51 % des patients identifiés comme « hautement prioritaires » par le système sont décédés dans un délai de 180 jours.
    • moins de 4 % des patients considérés comme « moins prioritaires » sont décédés dans le même laps de temps.
    • 5 mois après la mise en œuvre de l’intervention, le taux mensuel moyen de conversations a augmenté de 23 %.

    « Notre processus d’apprentissage automatique permettant de repérer les patients à haut risque en temps réel est tout à fait applicable, et notre approche consiste à stratifier les risques de manière utilisable, ce qui n’était tout simplement pas disponible pour nous auparavant, explique Ravi Parikh, principal auteur de l’étude. Avec un tel algorithme, les médecins de la clinique pourraient s’arrêter et se demander : « Est-ce le bon moment pour parler des préférences de ce patient ? » »

    Ces résultats vont maintenant être testés plus formellement dans le cadre d’un essai contrôlé randomisé.

    Bientôt un algorithme de prévision de la mortalité à l’AP-HP 

    En juin 2019, des épidémiologistes français de l’AP-HP ont également mené une étude pluridisciplinaire qui s’est appuyée sur une méthode originale de machine learning afin de mettre au point un algorithme prédictif de la mortalité à un an chez les patients âgés atteints de cancer.

    Dans ce cas aussi, le modèle de survie utilisant la méthode d’apprentissage automatique s’est révélé plus performant pour prédire la mortalité à un an que le modèle statistique traditionnel. Implémenté via une interface web interactive, simple et rapide d’utilisation, il devrait prochainement être mis à disposition des cliniciens pour faciliter l’évaluation du pronostic de leurs patients âgés atteints de cancer. Par ailleurs, il fera l’objet d’évaluations complémentaires auprès de différents utilisateurs potentiels.

  • Une plateforme pour orienter les patients grâce aux retours d’expérience de leurs pairs (Renaloo)

    La plateforme MoiPatient.fr, qui a ouvert fin septembre 2019 son premier volet « MesData », lance sa première enquête en ligne sur le reste à charge invisible, l’objectif étant de construire une médecine plus collaborative : mené par France Assos Santé, ce sondage vise à mesurer le coût réel des soins pour les patients, selon leur propre expérience, en allant au-delà des statistiques produites par le ministère de la Santé. Cette plateforme de recherche participative, citoyenne et innovante, initiée par l’association Renaloo, a pour ambition de contribuer à la production de nouveaux savoirs issus des patients, centrés sur leur expérience, de favoriser leur participation à l’évaluation et aux évolutions du système de santé tout en apportant des garanties éthiques, de sécurité et de confidentialité sur les usages et la protection des données des patients recueillies, notamment en recourant à la blockchain.

    « MesData » est le pôle enquête de la plateforme, destiné à « rendre visible l’invisible ». « Nous avons voulu construire un espace de recherche participative et de production de connaissances patients centrées », explique Nathalie Mesny, présidente de Renaloo, interrogée en octobre par Health & Tech Intelligence à l’occasion du lancement de l’enquête en ligne. Les patients volontaires contribuent à l’amélioration des connaissances et de la qualité des soins en fournissant leurs propres données sur leur santé, en partageant leur relation au système de soins et l’impact de leur pathologie sur leur vie quotidienne ou celle de leur entourage ainsi que sur certains aspects économiques. « Le but est de rendre audible l’expérience des personnes concernées par les maladies chroniques ou le handicap par le biais des patients eux-mêmes, de leurs proches et des soignants« .

    « MesSoins », le second volet de la plateforme, visera à orienter les patients dans le système de santé grâce aux retours d’expériences de leurs pairs.

    « Rendre audible et accessible toute cette intelligence émanant de patients »

    Quelle est le concept de la plateforme MoiPatient ?

    Nathalie Mesny : Le projet est né, il y a plus de deux ans, de l’idée de recueillir le savoir autour des parcours de soins et, d’une manière générale, de l’environnement des traitements des patients atteints de maladies chroniques afin de les mettre à disposition de manière structurée aux différentes parties prenantes, notamment de la recherche. Nous voulions rendre audible et accessible toute cette intelligence émanant de patients, qui ne sont écoutés que dans certaines occasions bien précise sur des sujets souvent très fragmentés, en silos. Il manquait une expression complète sur l’ensemble d’un parcours de soins.

    Nous avons donc voulu construire une plateforme avec 2 volets :

    • le premier, qui vient d’être lancé, MesData, va se structurer autour de problématiques posées par différentes sources : l’État, un laboratoire, toutes les parties prenantes qui ont besoin d’avoir un éclairage sur une problématique.
      • Après avoir vérifié que le sujet est bien posé et va dans l’intérêt des patients, nous le présentons à un comité scientifique pour revérifier à la fois son caractère bénéfique et valide au niveau technique.
      • Il s’agit ensuite d’élaborer le questionnaire et d’appeler tous les patients qui peuvent être éligible à répondre à la problématique pour qu’il soit parfaitement au courant de la méthodologie et des finalités de l’étude. Nous nous engageons derrière à ce qu’ils soient les premiers à être au courant des résultats de l’enquête et de l’avancement.
    • L’expérience individuelle est enrichie par l’ensemble des témoignages qui donnent un caractère plus contextuelle, robuste. Ce volet a été lancé en octobre avec des partenaires soucieux, mobilisés pour rendre audible ces témoignages. Il faut donner envie aux patients, qu’ils aient le sentiment que leur participation va être utile pour la recherche et ne va pas leur nuire. Nous sommes en effet extrêmement attachés à la sécurité des données et à la confidentialité. Nous avons mis en place un consentement, redemandé à chaque enquête dans la mesure où les objectifs et les méthodes ne sont pas forcément les mêmes. Il s’agit d’un consentement plus qu’éclairé, vraiment actif.

    Renaloo : un blog devenu une association écoutée par les pouvoirs publics

    Comment l’association Renaloo a-t-elle construit son mode d’action ?

    Renaloo est née d’un blog d’une patiente, Yvanie, qui a vécu une insuffisance rénale terminale liée à une maladie génétique et qui a reçu un rein de sa mère. Elle a fait ce parcours à une époque où il était extrêmement difficile d’obtenir de l’information plus poussée et d’avoir un ressenti d’autres personnes. Elle vivait dans un désert médical et s’est rendue compte qu’aux États-Unis, il y avait plus de témoignages disponible en ligne sur la pathologie rénale comme sur le don qu’en France.

    Petit à petit, ce blog est devenu un site, puis une association le jour où elle a décidé de mettre cette expérience individuelle au service des personnes concernées par la maladie rénale. Le premier champ d’action était très documentaire, puis un forum a été mis en place. Progressivement, Yvanie a fédéré autour d’elle des « sachants » de différentes disciplines, avec différents regards portés avec bien sur des patients et des proches. Lors de la précédente loi de bioéthique, nous avons commencé à faire entendre plus largement la voix des patients et avons créé un think tank. Nous sommes allés démarcher les parlementaires avec nos convictions, notre réseau et nos savoir-faire.

    La dimension politique de notre action est née avec l’organisation des États généraux du rein, événement fondateur qui a mis la lumière sur la pathologie mais aussi les problématiques sociétales et économiques qu’elles engendraient. Derrière ce projet, il y a eu une production de savoir importante. Les États généraux ont montré la robustesse de Renaloo et sa capacité à mobiliser mais aussi à nous poser comme interlocuteur à écouter, un interlocuteur parfois craint  ou vilipendé quand on gratte là où cela fait mal ou que l’on remet en cause le système.

    « Les choses n’avanceront qu’en réunissant toutes les parties prenantes »

    En quel sens votre approche est-elle innovante ?

    Nous avons acquis cette légitimité par le terrain quand nous avons commencé à aborder les champs de progrès à travers la production de savoirs issus des États généraux du rein, comme les longues années d’attente en dialyse, qui réduisent les chances de réussite de greffe. Nous avons alors mis le doigt dans un engrenage que l’on ne soupçonnait pas. Nous n’avions pas anticipé les résistances et le fait que notre plaidoyer pour la greffe remettrait en cause toute l’économie de la dialyse. Nous avons certes pu être maladroit mais avons essayé de faire en sorte que ce débat reste le plus possible factuelle. 

    Et surtout, nous continuons à être persuadé que les choses n’avanceront qu’en réunissant toutes les parties prenantes, en particulier les néphrologues et les transplanteurs, y compris ceux qui se sont opposés à nos diagnostics. Pour s’aligner sur le constat, nous avons été extrêmement attentifs à la qualité des analyses, en s’entourant de sociologues, d’économistes, de gens très mobilisés sur la bonne tenue du recueil, mais aussi de l’interprétation des résultats.

    Nos interlocuteurs reconnaissent notre robustesse et la documentation de nos analyses. Nous avons naturellement élargi notre réflexion au système de santé, pour trouver des actions pour que ce système continue d’être efficace, généreux, tout en trouvant des pistes pour le financer autrement et de manière plus adaptée aux défis du secteur. Par exemple, repenser les forfaits dialyses pour promouvoir la greffe, qui coûte au final beaucoup moins cher pour la collectivité par rapport à la dialyse, cela est vertueux pour tous.

    Une plateforme destinée à toutes les pathologies chroniques

    Comment passe-t-on à une plateforme pluri-pathologiques ?

    Sur la base de cette légitimité, de ce savoir sur les pathologies rénales, nous avons construit cette plateforme destinée à toutes les pathologies chroniques en prenant le parti de s’associer. Cela n’a pas été évident pour tous car les associations n’ont pas l’habitude de se fédérer autour d’une cause commune. Grâce à la force collective de France Assos Santé, nous avons fait émerger l’idée de MoiPatient. Cette structuration de l’action s’est accompagnée d’une structuration organisationnelle de l’association, avec notamment l’embauche de salariés dédiés à cette action.

    Le but est de rendre audible l’expérience des personnes concernées par les maladies chroniques ou le handicap : les patients eux-mêmes, leurs proches et les soignants. MesSoins, le second volet de la plateforme, visera à orienter les patients dans le système de santé grâce aux retours d’expériences de leurs pairs. Une première enquête sur le reste à charge invisible, menée par France Assos Santé, a été lancée pour mesurer le coût réel des soins pour les patients, selon leur propre expérience, en allant au-delà des statistiques produites par le ministère de la Santé.

    Le digital est un formidable outil de recueil et de caisse de résonance. Nous avons parfaitement conscience que cela ne résume pas le parcours de soins ou de vie de quelqu’un. Dans cette idée, nous développons aussi des actions sur le terrain en région autour de rencontre en live.