Accueil > Analytics > Data Analytics > Le Big Data, l’IA et le Machine Learning transforment les soins de santé
Le Big Data va révolutionner les soins de santé

Le Big Data, l’IA et le Machine Learning transforment les soins de santé

Comme tous les domaines, les soins de santé et l’industrie médicale dans son ensemble sont peu à peu bouleversés par le Big Data. Grâce à la collecte et l’analyse de données massives, les techniques de prévention, de traitement, de diagnostic et de suivi des patients évoluent à vive allure.

Pendant de longues années, les soins de santé, la recherche et les découvertes médicales ont reposé sur la collecte et l’analyse de données. Les professionnels de la santé cherchaient alors à comprendre qui tombe malade, comment, et pourquoi. Aujourd’hui, grâce aux nombreux capteurs des smartphones et l’augmentation de la quantité et de la qualité de données, les possibilités de découvertes révolutionnaires sont en forte croissance.

Prévention

Les humains ont toujours été moins doués pour prévenir que pour guérir. Toutefois, grâce aux bracelets connectés de Jawbone, Fitbit et autres constructeurs, il est désormais possible d’aider les utilisateurs à suivre leur progression vers un mode de vie plus sain. Ces appareils et les applications qui les accompagnent permettent de suivre et de surveiller l’activité physique, mais également les maladies chroniques comme le diabète, Parkinson ou les maladies cardiaques.

Les chercheurs commencent de leur côté à compiler ces informations au sein de bases de données très utiles qui pourraient changer la compréhension du rapport entre mode de vie et maladie. En effet, à l’heure actuelle, le problème de nombreuses études médicales est que les patients interrogés rapportent eux-mêmes leurs comportements et leurs habitudes. En conséquence, beaucoup d’entre eux ont tendance à embellir leur description pour améliorer leur image.

Au contraire, grâce aux smartphones et autres objets connectés, les données telles que le nombre de pas quotidien ou la fréquence cardiaque sont directement transmises, de manière impartiale et objective. En conséquence, l’ego ou les opinions du patient n’entrent jamais en compte dans l’équation, ce qui permet aux chercheurs de collecter des données plus nombreuses et plus précises que jamais.

big-data-sante

Diagnostic

L’étape suivante est de permettre aux médecins d’accéder à cette source d’informations sur les patients. Aujourd’hui, l’industrie médicale collecte d’ores et déjà de très nombreuses données, mais celles-ci sont la plupart du temps confinées au sein des cabinets de médecins, dans les hôpitaux ou dans les cliniques. Le nouvel objectif pour les professionnels de la santé est donc d’unifier ces données et de les combiner avec les données collectées par les objets connectés des patients.

Les fournisseurs de soins de santé sont déjà focalisés sur la numérisation des rapports des patients et tentent d’ouvrir l’accès aux données à tout les acteurs du système de santé. Par exemple, Kaiser Permanente a créé un programme intitulé HealthConnect, dont le but est de regrouper tous les rapports et enregistrements de santé au sein d’un même système. Ce programme a déjà permis de réduire les dépenses globales de santé de 1 milliard de dollars.

De même, la Pittsburgh Health Data Alliance tente de compiler les données de sources variées, incluant les enregistrements de santé, les rapports des assurances, les capteurs d’objets connectés, les données génétiques et même les réseaux sociaux. L’objectif est de dresser un portrait complet et compréhensible d’un patient en tant qu’individu afin de lui offrir des soins sur mesure.

En outre, des programmes comme IBM Watson sont utilisés pour la reconnaissance de patterns dans le cadre de diagnostics. Les algorithmes avec des aptitudes en Machine Learning s’avèrent désormais plus efficaces que les humains pour localiser et diagnostiquer des cancers. Le potentiel de telles intelligences artificielles est donc immense, et peut permettre de repérer des maladies plus tôt et d’augmenter les chances de succès d’un traitement.

Traitement

Le Big Data assure également la jonction entre de vastes quantités de données avec les soins de patients individuels. Des algorithmes comme IBM Watson ont prouvé leur capacité à analyser de larges quantités de textes. À présent, IBM cherche à produire une interface qui permettrait à Watson d’analyser les recherches médicales existantes sur n’importe quel sujet afin de synthétiser et de résumer ces informations pour les médecins. En conséquence, le médecin sera capable de choisir les meilleurs traitements pour un patient individuel en se basant sur les larges quantités de données disponibles sans avoir besoin d’effectuer de longues recherches.

big-data-medecine

Par la suite, il est fort probable que les médicaments et traitements prescrits par les médecins soient également établis avec l’aide du Big Data. Les données permettent aux chercheurs de choisir les meilleurs sujets pour des essais cliniques, et les algorithmes leur permettent d’analyser les résultats. Récemment, des accords de partage de données entre les géants de l’industrie pharmaceutique ont conduit à de grandes découvertes. Par exemple, le fait que la Desipramine, initialement utilisée comme antidépresseur peut également servir à soigner certains cancers du poumon.

Dans un futur proche, les docteurs pourraient également choisir d’utiliser la médecine personnalisée en guise de traitement. Ceci implique de créer des médicaments sur mesure en fonction du code génétique d’un patient. Pour ce faire, l’empreinte génétique, le mode de vie et l’environnement d’un patient sont comparés à des milliers d’autres pour prédire la maladie et déterminer le traitement le plus adapté. En outre, le Big Data est également utilisé pour traquer, et analyser et soigner les épidémies mondiales comme Ebola ou Zika.

Le suivi médical

L’analyse de données, le Deep Learning et la robotique permettent d’améliorer le suivi des patients, le soin à long terme et aident à empêcher les rechutes. Le Big Data est utilisé pour prédire quels patients sont susceptibles de suivre les conseils de leur médecin, et lesquels risquent de ne pas s’y tenir.

Des applications sont développées pour vérifier si un patient prend ses médicaments, comme un inhalateur doté d’une puce GPS pour les asthmatiques. D’autres enregistrent des informations sur les appels, les textes, la localisation géographique, le mouvement et les cycles de sommeil. Les médecins et les membres de la famille peuvent ensuite être alertés si un patient présente des signes alarmants.

japan-robot-pet

Le Japon est particulièrement avancé dans l’utilisation de la robotique pour les soins et les traitements, notamment à cause du vieillissement rapide de sa population. Les robots peuvent être utilisés pour surveiller les patients seuls et âgés, ou pour aider les docteurs à prodiguer des soins à distance aux patients résidant en milieu rural. De même, les robots de compagnie aident à apaiser et à empêcher la démence chez les malades d’Alzheimer.

Grâce à l’augmentation de quantité et de qualité des données collectées, mais également à la capacité de les analyser et de les comprendre, il sera bientôt possible d’améliorer le traitement des patients, la compréhension des maladies et même de soigner les cancers. Grâce au Big Data, les soins de santé sont en pleine révolution.

Intelligence artificielle et soins de santé

Outre le Big Data, le secteur des soins de santé est en passe de subir une transformation profonde grâce au Machine Learning et à l’intelligence artificielle. Si les robots sont encore loin de remplacer les médecins et les infirmières, ces technologies bouleversent la perception des professionnels de la santé.

Le Machine Learning améliore les diagnostics, et permet de réaliser des prédictions précises sur l’évolution de la santé d’un patient. Dans un futur proche, il suffira d’indiquer les symptômes d’une douleur ou d’un problème de santé à un médecin. Celui-ci se chargera de renseigner ces symptômes dans un ordinateur. La machine proposera alors la dernière recherche en date correspondant aux symptômes, afin de permettre au docteur de diagnostiquer et de traiter le problème.

Combiné aux rayons X ou aux IRM, ces ordinateurs pourront permettre de détecter des problèmes trop petits pour être vus par les humains. De plus, un ordinateur peut surveiller les enregistrements médicaux et familiaux et les comparer avec les recherches récentes pour suggérer un protocole de traitement sur mesure au médecin traitant.

Selon une étude menée par IDC, 30% des fournisseurs de santé utiliseront les analyses cognitives d’ici 2018. Tout commence en ce moment même, et les diverses applications sont d’ores et déjà très intéressantes.

Diagnostics

pathway-genomics

Une étude menée par CBI insights a permis de mettre en avant 22 entreprises développant de nouveaux programmes d’imagerie et de diagnostic. Il s’agit d’un secteur prometteur pour le Machine Learning, car les ordinateurs et les algorithmes Deep Learning reconnaissent de mieux en mieux les patterns. Or, il s’agit du principe même du diagnostic.

Le groupe Pathway Genomics, soutenu par IBM, a développé un test sanguin pour déterminer si une détection ou une prédiction précoce de certains cancers est possible.  De son côté, Lumiata a développé des outils de prédiction analytique pour découvrir des informations précises et faire des prédictions relatives aux symptômes, diagnostics, procédures et médicaments pour les patients individuels ou les groupes.

Traitement

ibm-watson-sate

IBM Watson aide les cancérologues à prendre les meilleures décisions de soins de santé pour leurs patients. L’équipe Care Trio a développé une approche en trois étapes pour aider les docteurs à comprendre les meilleurs protocoles de traitements pour les patients atteints de cancer.

L’outil CareEdit aide les équipes à créer des guides cliniques afin de document le meilleur traitement pour les différents types de cancer. Le CareGuide utilise les informations de CareEdit en guise de système de support de décision clinique pour aider les docteurs à choisir les bons traitements pour chaque patient. L’outil d’analyse CareView quant à lui permet d’évaluer les résultats de décisions cliniques prises par le passé et d’identifier les patients ayant reçu des traitements différents des recommandations.

L’équipe espère que le Care Trio permettra d’améliorer les résultats des traitements et d’augmenter l’espérance de vie des personnes atteintes de cancer tout en réduisant les coûts de traitements des fournisseurs. La première version est en cours de développement dans un centre de traitement de cancer situé en Italie.

Dans autre secteur, Ginger.io développe une application permettant de fournir des traitements à distance pour la santé mentale. Cette application permet aux patients d’analyser leur propre humeur au fil du temps, d’apprendre à s’adapter grâce à des méthodes développées par des médecins, et d’accéder à une prise en charge additionnelle au gré de leurs besoins.

Suivi

L’intelligence artificielle permet également d’améliorer le suivi des patients une fois chez eux, après qu’ils aient quitté l’hôpital. AiCure utilise les technologies mobiles et la reconnaissance faciale pour déterminer si un patient prend les bons médicaments à la bonne heure. Les médecins peuvent ainsi s’assurer que les patients prennent leurs médicaments.

De son côté, NextIT développe un coach numérique pour les soins de santé. Ce coach s’apparente au service client d’un site d’e-commerce. L’assistant peut poser des questions sur les médicaments pris par les patients, et leur rappeler de prendre leurs médicaments, les interroger sur leurs symptômes, et envoyer ces informations au docteur.

cafewell-concierge

L’application Caféwell Concierge utilise la technologie de traitement naturel du langage d’IBM Watson pour comprendre la santé des utilisateurs et leurs objectifs. Les usagers reçoivent ensuite des alertes afin de les aider à atteindre leurs buts de santé.

Toutes ces technologies ne représentent qu’un début. Au fur et à mesure, de nouveaux traitements et diagnostics améliorés sauveront plus de vies et permettront de soigner plus de maladiesÀ n’en point douter, le futur de la médecine et des soins de santé repose sur le Big Data et l’intelligence artificielle. 

A lire également

the machine hpe

The Machine : HPE dévoile un prototype d’ordinateur conçu pour l’ère du Big Data

Depuis 2014, Hewlett Packard Enterprise développe un ordinateur baptisé The Machine, conçu pour l’ère du …

Send this to friend