Les données de santé

Abstract

Healthcare is considered as one of the most promising areas where big data can be applied to foster innovation for the benefit of patients and of the whole system. Healthcare analytics have the potential to accelerate R&D, increase knowledge on diseases and risk factors, improve treatments, develop personalised medicine, help physicians with decision support systems… The access to data is also a driving force for patients' empowerment and for the democratic debate. However, there are also concerns about the societal, economic and ethic impacts of this wave of digitization and of the growing use of data, algorithms and artificial intelligence. Given the issues at stake, collecting and analysing data generated by health care systems is a strategic challenge in all countries; in that respect the French National System of Health Data (a national data warehouse linking data from several sources and giving a vision of the care pathways for the entire population, with a ten-year history) is an asset, but it has to be completed and enriched with data from electronic health records.

Intelligence clinique et intelligence artificielle

“…Les évaluations en monde réel peuvent remplacer, dans des circonstances définies, les modalités classiques des essais cliniques, notamment les essais contrôlés et randomisés (ECR) ; mais il a aussi été souligné, en 2019, que les algorithmes médicaux de l'IA ne devaient pas souffrir d'exception scientifique et que les ECR devaient rester l'étalon-or de leur évaluation et validation en santé clinique [24]. Les données de santé en vie réelle alimentent l'actuel Système national des données de santé (SNDS) et la plateforme des données de santé (health data hub) récemment créés : elles constituent une base exceptionnelle, « une mine d'or patrimoniale » dans un pays centralisé de la dimension de la France [25] (➜). Mais elles demandent à être enrichies, notamment parce qu'elles sont essentiellement médico-administratives, peu cliniques [25], et souvent peu claires et « bruitées ».…”

“…Les données de santé en vie réelle alimentent l'actuel Système national des données de santé (SNDS) et la plateforme des données de santé (health data hub) récemment créés : elles constituent une base exceptionnelle, « une mine d'or patrimoniale » dans un pays centralisé de la dimension de la France [25] (➜). Mais elles demandent à être enrichies, notamment parce qu'elles sont essentiellement médico-administratives, peu cliniques [25], et souvent peu claires et « bruitées ». Pour recueillir des données de terrain, bien annotées, qualifiées et fiables, les cliniciens de première ligne restent nécessaires : les incitations visant, parallèlement à la promotion de la télémédecine et de l'IA en santé, à aider les cliniciens par la création de postes d'assistants médicaux vont dans le bon sens.…”

“…Limites structurelles de l'intelligence artificielle L'IA a été notamment définie par sa faculté de reproduire et de se comparer à certaines activités cognitives du cerveau humain, mais comparaison n'est pas raison. La très complexe richesse structurelle du cerveau humain, notamment celle de ses éléments innés faite de connexions inter-neuronales latérales et descendantes, explique vraisemblablement sa supériorité, comparée aux actuels modèles neuronaux artificiels d'apprentissage profond, en matière de compréhension comme d'apprentissage cognitif [41] Questions sémantiques Si, pour certains -y compris des mathématiciens comme Luc Julia, un ancien de la Silicon Valley -l'intelligence artificielle n'existe pas [42], d'autres préfèrent à ce terme L'exploitation de bases de données massives est une chance pour la recherche et le possible croisement de données cliniques, biologiques et génomiques avec d'autres données personnelles ou d'environnement est un facteur important de progrès, notamment en pharmacoépidémiologie [25]. Les algorithmes de l'IA donnent aussi de sérieux espoirs en matière d'urgences médicales (prévision, orientation, régulation), de neuropsychiatrie (surveillance « connectée » pour prévention du suicide) [27] (➜), d'observance thérapeutique [28] (➜), de biobanques (organisation, échanges, partages de données, notamment génomiques) [29] (➜), ainsi qu'en épidémiologie clinique et en santé publique, où sont solidement présentes des équipes de recherche de l'Inserm [30].…”