La data et la santé de demain – Partie 1/2

L’exploitation croissante du Big Data impacte largement le domaine de la recherche médicale et pharmaceutique, et ouvre de nouvelles perspectives en terme de R&D.

Le monde de la santé n’échappe pas à la déferlante digitale. Le marché mondial de la santé numérique devrait atteindre 213 milliards de dollars en 2020, soit une croissance annuelle moyenne de 16% entre 2014 et 2020. Et avec elle, une augmentation exponentielle du volume de données de santé, qui devrait être multiplié par 50 d’ici 2050. L’émergence des objets connectés et des applications mobiles de santé y participent activement, tout en transformant en profondeur les pratiques et les usages de la médecine. La télémédecine est, par exemple, tout droit issue des nouvelles possibilités offertes par les nouvelles technologies de santé connectée.

Mais ces dernières, soutenues par l’exploitation croissance du Big Data et de l’intelligence artificielle, impactent également largement le domaine de la recherche médicale, et ouvrent de nouvelles perspectives en termes de R&D.

 

Des essais cliniques sous contraintes

Les essais cliniques, bien qu’essentiels, sont de plus en plus complexes à mettre en œuvre. D’abord, en raison de normes et de procédures de plus en plus contraignantes, en vertu notamment du principe de précaution. L’Agence de Sécurité du Médicament (ANSM) a ainsi encore renforcé ces règles en 2016, suite au décès d’un patient enrôlé dans un essai.

Ensuite, du fait de la complexité de sélection des patients, qui consiste souvent à éplucher des centaines de dossiers médicaux à la recherche des bons candidats, en fonction de critères très précis.

Enfin, l’éloignement géographique des  sites d’études agit souvent comme un facteur de refus pour les patients pré-sélectionnés. Ainsi, selon une étude du CISCRP, 80% des quelques 40 000 études cliniques actuellement en phase de recrutement aux Etats-Unis sont retardées en raison de problèmes de sélection des patients, en particulier du fait de la distance qui les sépare du site d’études le plus proches.

 

Vers des essais cliniques connectés ?

Dans ce contexte, comment ne pas envisager les bénéfices essentiels que peuvent apporter les nouvelles technologies à la conduite d’essais cliniques ? Certains n’ont pas attendu pour franchir le pas : les laboratoires Sanofi ont annoncé, en mars dernier, le lancement d’essais cliniques « numériques » permettant de suivre les patients à distance, d’améliorer le recrutement et d’accélérer la conduite des études.

L’utilisation d’objets connectés permet ainsi de récolter automatiquement les données de chaque participant. Des technologies de Big Data permettent ensuite de traiter ces données en temps réel, pour un meilleur suivi des patients, une meilleure évaluation des risques et une meilleure exploitation des résultats. Les analyses Big Data interviennent également en amont, pour rationaliser le recrutement des participants en identifiant les bons profils pour les bonnes études.

 

La donnée offre de nouvelles perspectives à la recherche

Les données intéressent également la recherche pharmaceutique et le développement de nouveaux traitements. L’analyse de données permettrait, par exemple, d’adopter un modèle plus prédictif, à partir de techniques d’analyses mathématiques pour prédire précisément les effets physiologiques de molécules candidates. En enregistrant et en analysant toutes les données connues sur une molécule ou un médicament, on pourrait en effet déterminer leur action potentielle sur d’autres pathologies ou dans un contexte donné.

Ernest Fraenkel, chercheur au MIT, travaille également sur l’impact de l’exploitation des données dans le domaine de la biologie : plutôt que de partir d’une hypothèse issue de l’observation d’une molécule, les chercheurs pourraient identifier une tendance  probable à partir d’une masse de données issus d’une multitude de molécules.

Le Big Data apparaît donc comme un véritable accélérateur de R&D, en ce qu’il permet une analyse contextualisée d’une grande masse de données. Mais ces données sont également de plus en plus variées et prennent des formes de plus en plus diverses. D’où l’apport croissant de l’intelligence artificielle et du machine learning, qui permettent, à partir d’algorithmes décisionnels complexes, d’obtenir des réponses automatiques et précises à des problématiques médicales pointues.

Reste que tous ces dispositifs doivent communiquer et coexister au sein d’écosystèmes technologiques complexes et d’infrastructures à la fois fiables et puissantes. Car rien ne sert de courir après la donnée si rien, derrière, ne permet de correctement la stocker et l’exploiter.

Recevez par mail les articles et actualités AuCoeurdesMétiersJe m'inscris à la newsletter