Big data en santé : cas d’usage Inserm/CompuGroup Medical

La révolution numérique a bouleversé notre façon de vivre, de travailler et même de nous soigner. Parmi les domaines les plus impactés par cette révolution technologique, la médecine se distingue grâce à l'essor du Big Data en santé. En effet, les données générées, collectées et stockées au cours du parcours de soin d’un patient ou à l'occasion de sa vie privée sont désormais massives. Couplée aux progrès réalisés dans les techniques de l’information, l'utilisation du Big Data en santé représente une révolution majeure. Les innovations à la clé sont considérables, susceptibles à la fois de réduire les coûts de santé, et d’ouvrir la voie vers une médecine personnalisée.

Dans quelle mesure le Big Data ouvre-t-il la voie à une « médecine 3.0 » axée sur la précision, la prévention et la personnalisation des soins ? C’est ce que nous allons voir dans cet article à travers  notre collaboration avec l’Inserm.

1. Qu'est-ce que le Big Data en santé ? 

Le Big Data repose sur les « Quatre V » :  

volume : les données médicales sont produites en quantités massives chaque jour au sujet de millions de patients 

vitesse : les données sont générées en temps réel, ce qui signifie que les professionnels de la santé doivent être capables de les analyser rapidement 

variété : les données médicales peuvent prendre diverses formes, telles que des textes, des images, des signaux physiologiques, des résultats de laboratoire, des vidéos etc 

véracité : la fiabilité des données est cruciale en médecine, car des informations incorrectes peuvent avoir des conséquences graves. La véracité des données repose donc sur leur pertinence et leur réalité.  

En santé, le Big Data s’appuie sur les données médicales issues de sources variées telles que les Dossiers Médicaux Electroniques (DME), les dispositifs médicaux connectés, les tests génomiques, l’imagerie médicale, les données socio-démographiques, les essais cliniques, les factures, les bases de données, les articles scientifiques, et bien plus encore. Ces données sont collectées, stockées et analysées à l'aide de technologies avancées et ont de nombreux intérêts tels que l’identification de facteurs de risque de maladie, l’aide au diagnostic, au choix et au suivi de l’efficacité des traitements, la pharmacovigilance, ou encore en termes d’épidémiologie et de recherche médicale.  

Aujourd’hui, le big data sert ainsi principalement à :  

• prévenir et traiter les maladies 
• prédire les épidémies 
• orienter les politiques de santé publique.  

 Redécouvrez notre article sur l’usage du Big Data en santé

2. CompuGroup Medical et l’Inserm : le Big Data au service du suivi de la croissance des enfants 

La surveillance de la croissance des enfants est réalisée en utilisant des courbes biométriques basées sur des analyses de la population d’un pays. Lorsque les médecins détectent une croissance anormale, ils font des examens complémentaires afin d’en découvrir la cause. Cependant, on constate souvent de fréquents retards de diagnostics et 95 % des examens seraient inutiles selon des études. Ainsi, grâce à des données biométriques plus précises et des algorithmes très sensibles permettant une détection précoce des pathologies graves, le pronostic peut être amélioré.  

Ainsi, en partenariat avec l’Association Française de Pédiatrie Ambulatoire (AFPA) et l’Institut National de la Santé et de la Recherche Médicale (Inserm), nous avons mis au point une approche innovante basée sur l’analyse d’importants volumes de données pour générer de nouvelles connaissances biométriques, et avons utilisé cette méthode en France pour générer de nouvelles courbes de croissance. Approuvées par le ministère de la Santé, elles sont officiellement publiées dans les carnets de santé des enfants nés en France. 

Pour parvenir à ce résultat, en avril 2018, les courbes de croissance des carnets de santé ont été actualisées, avec l’accord de la CNIL, à partir de 4,4 millions de données recueillies par 52 médecins sélectionnés au hasard par l’AFPA et représentant 286 381 enfants nés après 1990 d’un poids supérieur à 2500 g. Celles-ci ont été extraites par CompuGroup Medical à partir du logiciel de médecine ambulatoire AxiSanté. Les données anonymisées ont ensuite été concentrées dans un observatoire médical sécurisé HADS et filtrées pour analyse par l’Inserm. 

Ces nouvelles courbes ont de fait été établies grâce à une approche big data combinée à une modélisation mathématique, capable de recueillir et d’analyser d’importantes bases de données médicales, rendant plus fiables et ré-actualisables les données anthropométriques pédiatriques de référence. 

3. Les défis du Big Data en santé  

Bien que le Big Data en santé offre d'innombrables avantages pratiques, il pose également des défis et des préoccupations. 

La confidentialité et la sécurité des données 

La protection des données médicales sensibles est essentielle. C’est pourquoi, des mesures rigoureuses doivent être mises en place pour garantir que les informations médicales des patients restent confidentielles et sécurisées. Pour cela, il est primordial pour les professionnels de santé de se doter de logiciel comprenant une sécurité informatique inviolable, comme nos logiciels référencés Ségur 

L’équité en santé 

Il est essentiel de s'assurer que l'utilisation du Big Data en santé soit équitable et inclusif afin d’éviter notamment d'accentuer les disparités en matière de soins de santé et d’accès à ceux-ci. 

L’interopérabilité 

Les données de santé sont souvent stockées dans divers systèmes qui utilisent des normes différentes. L'interopérabilité entre ces systèmes est alors essentielle pour permettre une utilisation efficace des données et une coordination des soins. 

La formation des professionnels de santé 

Les médecins et les professionnels de la santé doivent être formés à l'usage des outils qui utilise le Big Data. C’est le cas notamment des outils de diagnostic ou encore des logiciels de gestion du cabinet incluant des fonctions d’aides à la prescription avancées. Pour cela, les professionnels de santé doivent s’adapter, se former et mieux comprendre ce qu’est le big data.  

À noter, en termes de données de santé, ils sont considérés comme responsables de traitement des données de santé de leurs patients. Leur responsabilité est donc fortement engagée : https://www.cgm.com/fra_fr/magazine/articles/2021/le-professionnel-de-sante-un-responsable-de-traitement.html  

En offrant des solutions pratiques pour le diagnostic de précision, la prévention et la gestion des maladies ou encore la recherche médicale, le Big Data en santé est finalement en train de façonner la médecine de demain. De fait, investir dans le Big Data en santé de manière responsable, nous permet de créer une « médecine 3.0 » qui place le patient au centre des soins, tout en améliorant l'efficacité et la précision des traitements médicaux.