IA & Santé : Le Health Data Hub avance pour exploiter le patrimoine français des données de santé

IA & Santé : Le Health Data Hub avance pour exploiter le patrimoine français des données de santé Le « Health Data Hub », projet de plateforme publique de données de santé suit son tableau de marche. Agnès BUZYN a révélé le 16 avril dernier le nom des 10 projets lauréats qui ont été sélectionnés par un jury d’expert pour apporter les premières pierres à un édifice commun destiné à améliorer la recherche médicale et la qualité des soins. Les lauréats bénéficieront de l’accompagnement spécifique du GIP qui gère le « Health Data Hub » à travers des apports en compétences, technologies ou en conseils technico-réglementaires.

12 mois de lancement pour doper à l’IA la recherche médicale française

À la suite du rapport Villani, le Président de la République lance un plan de développement de l’intelligence artificielle dans lequel le secteur de la santé est promu comme prioritaire. Il annonce dans la foulée la création d’un « Health Data Hub » et l’élargissement du système national de données de santé (SNDS). Agnès Buzin prend alors le relais pour exécuter le projet et mobiliser les ressources adaptées.

Le 16 mai, elle commande un rapport à trois experts du sujet pour définir les modalités pratiques de mise en œuvre. Dominique Polton, présidente de l’Institut national de données de santé (INDS), le Dr Marc Cuggia, professeur d’informatique médicale et Gilles Wainrib, président fondateur de la start-up Owkin, spécialisée dans le machine learning appliqué à la recherche médicale livre le 12 octobre, une feuille de route pour la mise en œuvre opérationnelle de cette nouvelle plateforme d’exploitation des données de santé.


« Nous ne pouvons plus nous permettre d’attendre. Nous avons des données qui correspondent à la pratique et nous devons désormais nous doter d’outils spécifiques en IA » déclare alors Agnès Buzyn.


Elle confie alors à Jean-Marc Aubert, directeur de la recherche, des études, de l’évaluation et des statistiques les rennes du Groupement d’Intérêt Public (GIP) pour piloter le projet et lui fixe l’objectif de livrer une première version du HUB en juin 2019.


L’article 11 du projet loi de santé transfère les principales missions de l’INSTITUT NATIONAL DES DONNÉES DE SANTÉ (INDS) au GIP qui sera financé par un budget annuel de 40 millions d’euros abondé pour moitié par l’état à hauteur de 80 millions d’euros sur 4 ans.

« les données de santé financées par la solidarité nationale constituent un patrimoine commun. »

Fin janvier 2019 un appel à projet est lancé pour identifier les premières initiatives qui pourront bénéficier et tester les services d’accompagnement du Hub. Si une cinquantaine de dossiers de candidatures étaient espérés, c’est finalement 189 projets qui ont été proposés par des promoteurs très variés, comme des organismes de recherche, des établissements de santé, des professionnels de santé, des associations de patients, des industriels et des start-up. Autant de témoins de l’attente de l’écosystème de santé face à cette initiative publique qui promeut le partage de données.

Face à tant de candidatures, les équipes de la DREES, font une première sélection de 21 projets pour faciliter le choix du jury final composé d’experts. Maturité, caractère innovant en matière d’exploitation des données, intérêt public, bénéfices potentiels attendus et aptitude au partage de données sont les principaux critères définis pour opérer le choix final des lauréats.

Les 10 projets lauréats

Deepsarc — Identifier les meilleurs schémas thérapeutiques pour le traitement du sarcome

Cancer très complexe et varié, le sarcome est une catégorie de tumeurs rares pour laquelle l’efficacité des essais cliniques arrive à ses limites. Depuis près de 40 ans, des études randomisées ont été conduites sans pouvoir trancher sur l’intérêt de la chimiothérapie pour traiter les sarcomes, et sur la pertinence de l’utiliser avant ou après la chirurgie. Porté par le professeur Jean Yves Blay, Directeur Général du Centre Léon Bérard et directeur du réseau NetSarc, au côté de ses équipes et d’experts du Centre de lutte contre le cancer de Bordeaux et de l’université de Rennes, le projet Deepsarc vise à étudier l’impact des différents traitements sur données de vie réelle afin de déterminer le schéma thérapeutique le plus pertinent. Il mobilisera les données cliniques de la base NETSARC, base de référence sur le sarcome quasi exhaustive en France avec plus de 50
000 patients. Ces données, enrichies par les données médico administratives (Système National des Données de Santé), permettront de suivre les patients dans le temps.

Parcours IDM en IDF — Evaluer et améliorer les parcours de soin après un infarctus du myocarde

Proposé par le docteur Axelle Menu-Branthomme, responsable de département à l’ARS Île-de-France, avec le soutien du SAMU 78 et du GCS Sesan, le projet prévoit de qualifier les parcours de soins des patients ayant eu un infarctus du myocarde aigu en Île-de-France. Cette pathologie, fréquente et mortelle, peut donner lieu à d’importantes complications (insuffisance cardiaque séquellaire par exemple). L’enrichissement du registre e — Must, qui recense finement l’évènement aigu lors de sa survenue, par des données médico-administratives du SNDS permettra d’évaluer différents types de parcours de soin du point de vue de la qualité, de la sécurité et de la pertinence

PIMPON – Remonter aux prescripteurs des alertes pour les interactions médicamenteuses dangereuses

Les outils de sécurisation de la prescription utilisés dans les logiciels d’aide à la prescription génèrent un nombre important d’alertes motivées par la détection quasi systématique d’interactions médicamenteuses à effet délétère éventuel. Cette multiplication des alertes sature la vigilance des prescripteurs qui leur accordent de moins en moins d’attention. La gradation actuelle des alertes tient compte que de la gravité de leurs conséquences potentielles, mais ignore la fréquence de ces complications. Porté par Jean-François Forget, directeur médical dans la société VIDAL, le projet vise à mobiliser les données du SNDS pour estimer la prévalence réelle des complications liées aux interactions médicamenteuses afin d’identifier des alertes nécessitant une mise en valeur particulière du fait de leur impact. L’attention des médecins pourra être restaurée vers les alertes les plus pertinentes, ce qui devrait aboutir à la réduction de l’incidence des complications graves, fréquentes et prévisibles.

Hydro — Prédire les crises d’insuffisance cardiaque pour les patients porteurs de pacemaker

L’insuffisance cardiaque cause près de 5 % des hospitalisations en France, pour un coût de 1,8 milliard d’euros en 2016. La prédiction des épisodes d’aggravation constitue donc un véritable défi, que se propose de relever le docteur Arnaud Rosier, président de la startup Implicity. Son projet a vocation à développer une solution permettant de prévenir les crises d’insuffisance cardiaque pour les patients porteurs de pacemakers / défibrillateurs grâce à l’analyse des données de télésuivi par intelligence artificielle. Le « Health Data Hub » permettra le croisement des données des dispositifs de plus de 8000 patients en soin courant avec celles du SNDS afin d’entraîner des modèles prédictifs sans avoir à labéliser manuellement les épisodes d’intérêt.

NS-Park — Prédire les trajectoires individuelles des patients Parkinsoniens

Jean Christophe Corvol, Professeur de Neurologie à la Pitié-Salpêtrière, soutenu par l’ICM, l’Inserm et F-CRIN, porte ce projet dont l’objectif principal est de fournir aux neurologues un outil prédictif des trajectoires individuelles des patients parkinsoniens afin de mettre en œuvre les mesures préventives appropriées. Les données de cette très belle cohorte de 20 000 individus suivis dans les centres experts Parkinson seront chaînées à celles du SNDS pour pouvoir appréhender la prise en charge globale des patients. Des approches computationnelles et d’intelligence artificielle seront mises en œuvre pour modéliser la progression de la pathologie.

ARAC – Mesurer et comprendre les restes à charge réels des patients

Porté par Laurent Borella, directeur santé à Malakoff Médéric Humanis, mutuelle à but non lucratif, le projet ARAC va permettre, en complétant les données de l’Assurance Maladie (SNDS) avec les des données de remboursements complémentaires, de calculer les restes à charge finaux réels des patients dans le modèle de protection sociale français. Aujourd’hui, ces restes à charge sont estimés à l’aide d’enquêtes ou imputés. Une mesure précise et à l’échelle individuelle de ces quantités constituera une ressource de grande valeur pour l’écosystème des économistes de la santé. Ils permettront notamment d’interroger les modes de financement des dépenses de santé, d’éclairer les questions de pouvoir d’achat et de solvabilisation du recours aux soins, etc.

ORDEI – Quantifier la proportion de patients touchés par un effet indésirable

En 2017, près de 82 000 effets indésirables médicamenteux ont été déclarés pour 12 000 médicaments commercialisés. Les déclarations d’effets indésirables doivent s’interpréter au regard des indications du produit, mais également du nombre de patients traités. Même s’il présente des limites, le taux de déclaration (nombre d’effets d’indésirables déclarés rapporté au nombre de patients exposés) est une estimation nécessaire pour les autorités, les professionnels de santé et les patients afin d’apprécier l’importance de chaque déclaration. Actuellement, son calcul se fait à la demande et « à la main ». Porté par Patrick Maison, conseiller scientifique à l’ANSM, l’objectif principal de ce projet est de développer un outil permettant d’automatiser ce calcul. Il s’appuiera à cette fin sur la base nationale de pharmacovigilance de l’ANSM, les données de prescriptions remboursées en médecine de ville et en milieu hospitalier (SNDS) et les caractéristiques des produits dans
CODEX (référentiel des AMM).

Oscour — Mobiliser les données d’urgences pour améliorer la surveillance sanitaire

Porté par Yann Le Strat, directeur de la Direction Appui, Traitements et Analyses des données de l’Agence Nationale de Santé Publique, avec le concours de la FEDORU, des équipes du registre AVC de Brest et de l’équipe REPERES de l’université de Rennes, le projet soutenu propose de créer une base chaînant l’ensemble des données issues du réseau de surveillance Oscour® avec les données médico administratives du SNDS. Les données de la base Oscour® compilent les résumés de passage aux urgences depuis presque quinze ans, recensant plus de cent trente millions de passages aux urgences. Une telle cohorte permettra d’instruire quantité de questions en vue d’améliorer la surveillance sanitaire en France. Une première expérimentation sera menée sur les accidents vasculaires cérébraux, première cause de mortalité chez les femmes et troisième chez les hommes.

Deep.Piste — Evaluer l’apport de l’intelligence artificielle dans le dépistage organisé du cancer du sein

Avec 11 883 décès estimés en 2017, le cancer du sein tue plus de femmes que tout autre cancer en France. Le dépistage précoce permet une baisse de 21 % de la mortalité. Francisco Orchard, responsable unité data science au sein de la société Epiconcept, appuyé par son équipe, le Centre Régional de Coordination des Dépistages des Cancers en Occitanie et l’Institut Curie, propose ici d’évaluer l’impact d’insérer de l’intelligence artificielle dans le dispositif de dépistage organisé du cancer du sein. Il s’appuiera pour cela sur la base de données e-SIS de dépistage de Cancer du Sein des départements du Gard et de la Lozère, comportant plus de 250 000 images annotées, enrichies par les données médico administratives dans le but de réduire le nombre de faux négatifs. Cette base conséquente devrait permettre d’entraîner des modèles performants de réseaux de neurones convolutionnels sur des données jamais utilisées à ce jour dans cette optique.

REXETRIS – Mesurer l’impact à long terme de l’exposition aux médicaments immunosuppresseurs des patients greffé rénal

Les informations concernant les relations entre expositions des patients aux médicaments et effets à long terme sont aujourd’hui très lacunaires, dans le cas général comme en transplantation d’organe. Dans le cadre d’un traitement à vie, la connaissance de ces relations permettrait d’optimiser les stratégies thérapeutiques, les doses, mais aussi les formules de ces médicaments. Porté par le docteur Pierre Marquet du CHU de Limoges, avec l’appui de l’Inserm et de la société Optim’Care, le projet Rexetris étudiera les relations entre l’exposition aux médicaments immunosuppresseurs et le devenir à long terme du patient greffé rénal et du greffon. Ces travaux mobiliseront les données de la base Cristal de l’Agence de la Biomédecine et de la base ABIS du CHU de Limoges.

 

Descripteur MESH : Santé , Patients , Recherche , Soins , France , Tumeurs du sein , Urgences , Infarctus , Immunosuppresseurs , Interactions médicamenteuses , Vie , Mortalité , Femmes , Réseau , Science , Expositions , Lutte , Dominique , Connaissance , Intelligence artificielle , Hommes , Médecins , Statistiques , Établissements de santé , Dépenses de santé , Organismes , Accidents , Sécurité , Base de données , Essais , Transplantation , Myocarde , Neurones , Tumeurs , Sarcomes , Maladie de Parkinson , Accident vasculaire cérébral , Infarctus du myocarde , Maladie , Faux négatifs , Thérapeutique , Santé publique , Prévalence , Pharmacovigilance , Défibrillateurs , Caractère , Intelligence , Aptitude , Temps , Face

1 réaction(s) à l'article IA & Santé : Le Health Data Hub avance pour exploiter le patrimoine français des données de santé

  • MyPassion

    gladys moinard| 17/06/2020- REPONDRE

    l'exploitation notamment des données de santé au travail du Health Data Hub France par des outils d'intelligence artificielle amènera une grande amélioration bienvenue de la prévention des risques professionnels : https://www.officiel-prevention.com/dossier/formation/formation-continue-a-la-securite/big-data-intelligence-artificielle-et-sante-au-travail

Informatique médicale: Les +