Les applications du Big Data dans le domaine de la santé

Au cours de la dernière décennie aux États-Unis par exemple, un budget important a été consacré à la standardisation des dossiers médicaux électroniques. Le gouvernement américain ainsi que d’autres parties prenantes se sont également penchés sur les possibilités d’exploitation des énormes volumes d’informations de santé. Cela comprend notamment toutes les données recueillies sur les essais cliniques et sur les patients couverts par les programmes nationaux d’assurance, ou encore, les années de données de recherche et de développement accumulées par les entreprises pharmaceutiques au sein de bases de données médicales.

Progressivement, les récentes avancées technologiques ont rendu plus aisées la collecte ainsi que l’analyse d’informations provenant de sources différentes ; une évolution critique pour le domaine médical où des sources aussi variées que compagnies d’assurance, hôpitaux, laboratoires, cabinets médicaux, etc., peuvent fournir des données sur un même patient. Toutes ces informations et comment en exploiter la masse sont la raison d’être des applications Big Data.

Usages courants du Big Data dans le domaine de la santé

L’utilisation d’applications Big Data n’est pas encore très répandue dans le domaine des Sciences de la vie, bien que les techniques aient commencé à faire leurs preuves dans la filière de la biométrie et plus particulièrement les données de recherche clinique.

Lors des recrutements de patients pour les essais cliniques, une des préoccupations majeures porte sur les risques de chevauchements, soit de se retrouver avec deux essais cliniques pour la même indication thérapeutique mais des sous populations légèrement différentes.
Les techniques de Big Data peuvent fournir un aperçu de l’étendue de ce chevauchement et permettre de savoir si les essais seront en concurrence directe. Le cas échéant, le site et/ou l’échantillon peuvent être changés pour les deux essais.

Le risque joue un rôle clé dans les analyses d’innocuité et plus on dispose d’informations les concernant, plus l’innocuité de l’essai peut être garantie. Actuellement, le Big Data permet de :

• Créer des profils Bénéfices/Risque qui alimentent les plans de gestion des risques ;
• Contrôler les risques associés aux populations traitées avec certains composés ou à certaines maladies dans le but d’évaluer les effets potentiels ;
• Soutenir les prises de décisions éthiques – en fonction des éléments connus sur la molécule testée, de décider si le traitement de patients ayant certains antécédents médicaux est contraire à l’éthique.

Usages émergents

Dans le domaine de l’économie de la Santé, de nouvelles techniques permettent d’analyser (en utilisant principalement les demandes d’indemnisation comme sources de données) les frais et dépenses associés à certains traitements.

Les organismes de financement, dont les agences gouvernementales de nombreux pays, doivent décider les médicaments pour lesquels il sera le plus pertinent de payer. De plus en plus, les informations de santé proviennent d’une multitude de sources. Des rapports coûts-bénéfices peuvent être analysés et des études comparatives avec des composés concurrents peuvent être réalisées.

C’est là que ces sources de données multiples se révèlent extrêmement utiles. Combiner les données d’essais cliniques à celles d’une autre source relative à la situation particulière d’un patient peut indiquer un régime de traitement spécifique ou permettre d’identifier la stratégie offrant les meilleures chances de réussite.

Usages futurs

Plus les sources d’information se multiplient, plus les techniques permettant de faire le tri entre ce qui est utile et ce qui ne l’est pas deviennent complexes. Il est probable qu’il y aura une exploitation accrue des sources de données suivantes :

• Volumes de données génomiques et des opportunités de liaison de celles-ci avec des patients du monde réel, par exemple pour inclure les origines, les risques associés à l’état de santé, le profilage prédictif autour du vieillissement et des maladies ;
• Analyses de texte pour explorer les informations des publications en ligne, de sites web spécifiques (PubMed, Clintrials.gov, etc.), et pour le profilage des maladies, c’est à dire des informations sur la co-médication, la co-morbidité et la qualité attendue et réelle des soins ;
• Différentes stratégies d’atténuation du risque, par exemple les risques potentiels à éviter pour les patients.
• Facteurs environnementaux additionnels (prouvés ou allégués) tels que le régime alimentaire, la proximité des lignes de haute tension, la circulation, la pollution, le changement climatique, la densité pollinique, les données de température et l’utilisation des pesticides, etc.

En associant tout le potentiel d’un dispositif de retour d’information destiné aux patients à l’exploitation des données  échangées sur les médias sociaux (un indicateur plus fiable du comportement des patients ?) et au potentiel de contribution de l’Internet des objets, de la technologie portable et des applications mobiles « traditionnelles », on comprend les immenses possibilités qu’offre le Big Data au monde de la Santé.

Pour conclure…

Le Big Data est déjà en passe de bouleverser le domaine des essais cliniques en permettant une réduction des coûts de développement, en augmentant les chances de réussite en termes de nouvelles découvertes, en améliorant la sécurité des patients et en réduisant les délais de commercialisation.

Plus le nombre d’objets connectés à Internet augmente, plus le volume d’informations accessibles grossit avec une complexité et des liens accrus entre les caches de données de santé.

Les sociétés doivent dès à présent plancher sur des stratégies prenant en compte ces domaines. Il se passe énormément de choses en ce moment et au vu de cette pléthore de possibilités, il s’agira en priorité de cibler les bonnes données pour répondre aux bonnes questions.