La bonne santé comme fil rouge, celle-ci est au centre des préoccupations de la société. Dans l’espoir de devancer la maladie, de nouvelles technologies fleurissent et d’ici quelques années, la médecine devrait être capable de prédire les risques et d’adapter les traitements.
Ne vaut-il pas mieux prévenir que guérir ? Depuis les années 2000, l’émergence du concept de « médecine 4P » met en exergue la volonté d’anticiper les risques et d’améliorer le service rendu au patient, par l’application d’une médecine prédictive, personnalisée, participative et préventive. Cependant, cette préoccupation prophylactique de la médecine n’est pas nouvelle et trouve ses racines déjà il y a quelques siècles par le mariage des sciences médicales aux sciences mathématiques. Bernoulli, mathématicien du XVIIIe siècle, avait modélisé le risque de mortalité par la variole en fonction de l’âge. Les statistiques deviennent partie intégrante de la médecine et cette dernière entreprend la recherche de normes de santé pour classer et préciser les soins. Les travaux de Claude Bernard, physiologiste du XIXe siècle, sont un exemple de la dimension quantitative du pathologique et de la nécessité de recueillir des chiffres pour « mesurer » la santé. De nos jours, cette approche numérique de la santé se concrétise, entre autres, par des agences de santé qui participent à la prévention et à l’épidémiologie de nos maladies pour préserver la santé du plus grand nombre. En effet, l’arrivée de nouvelles technologies affine de plus en plus les capacités de nos outils de détection des risques. D’une prévention populationnelle, nous nous orientons vers une prédiction personnalisée.
Ces dernières années, le développement de l’informatique donne accès à un stockage de données sanitaires ou sociodémographiques impressionnant, que l’on appelle le Big Data. C’est une aubaine pour la recherche car il facilite l’accès au progrès et présente de grands intérêts pour la santé. Ainsi, lors d’études cliniques, des centaines d’informations sont recueillies pour chaque patient contre seulement une dizaine il y a quelques années. De plus, cette donnée de masse est une aide au développement d’outils de diagnostic et à la personnalisation des traitements qui utilisent l’intelligence artificielle (IA). Celle-ci se compose d’un algorithme dont l’apprentissage s’inspire du fonctionnement cérébral : l’algorithme simule un réseau de neurones qui échangent entre eux. Cette méthode d’apprentissage, aussi appelée « deep learning », est très utilisée ces derniers temps dans le domaine de la santé : la prédiction d’une maladie, la recommandation d’un traitement personnalisé et adapté (ou médecine de précision) ou encore l’aide au diagnostic. Novadiscovery est une start-up basée à Lyon qui explore des hypothèses par simulation numérique pour prédire le succès ou l’échec d’essais cliniques. C’est par l’analyse de millions de données collectées dans la littérature scientifique que Novadiscovery conçoit des modèles informatiques de la maladie étudiée et du traitement candidat. Ces algorithmes sont ensuite appliqués sur des patients virtuels représentés par des séries de valeurs les plus proches de la réalité pour constituer un jumeau virtuel de chaque patient. L’entreprise TheraPanacea a, quant à elle, imaginé un algorithme capable d’ajuster les doses en temps réel chez des patients soignés par radiothérapie, selon des paramètres qui fluctuent au cours du traitement. Ainsi, ce modèle d’IA améliore l’efficacité de la radiothérapie et diminue ses effets secondaires, tout en améliorant le confort du patient.
En complément de l’intérêt médical apporté, ces solutions développées pour contrôler et anticiper nos pathologies devraient permettre un désengorgement des hôpitaux et in fine un allègement du coût de santé. Cependant, il est important de garder l’esprit critique face à cette révolution numérique qui reste un outil, une aide et non une décision en tant que telle. Son bon usage est une requête nécessaire pour le service de l’intérêt général. Se pose d’ailleurs la question de l’utilisation de nos données collectées au service de tous, mais aussi au service d’une médecine de plus en plus personnalisée, la question reste en suspens.
Maud HERVE
Sources :
- « Médecine prédictive, deep learning, algorithmes et accouchement » – Spirale
- « Dépasser l’incertitude Le pari hasardeux de la médecine prédictive » – Esprit
- « Intelligence artificielle et sante prédictive : l’exemple de l’Immunoscore® dans le cancer du côlon » – Clément Chollat-Namy
- « L’intelligence artificielle floue augmentée : vers une médecine prédictive personnalisée » – Architecture et ingénierie à l’hôpital
- « La médecine : vision d’aujourd’hui et de demain » – Leem
- « Novadiscovery développe la médecine prédictive in silico » – MAG’ LAB SANTÉ Sanofi France
- « Lutte contre le cancer : vers une radiothérapie de grande précision » – MAG’ LAB SANTÉ Sanofi France
- « Immuno-oncologie : l’arme au corps » – MAG’ LAB SANTÉ Sanofi France
- « Premier rapport mondial sur l’intelligence artificielle (IA) appliquée à la santé et six principes directeurs relatifs à sa conception et à son utilisation de l’OMS » – OMS