Big data et intelligence artificielle : une révolution annoncée

Le développement de l’IA est appelé à transformer en profondeur les pratiques en santé : aide au diagnostic, aide à la décision thérapeutique, suivi évolutif du patient…L’objectif final c’est toujours d’être utile pour les patients, de les traiter plus efficacement et avec moins d’effets secondaires.

Xosé Fernández, directeur des data de l’Institut Curie

Dans le domaine de l’aide au diagnostic et de la prédiction de la réponse au traitement, ou afin de mieux déterminer le risque de récidive, il s’agit d’utiliser les technologies de machine learning*, et du deep learning* pour l’analyse automatique des dossiers médicaux, des images et des données génomiques notamment.

Ces nouvelles approches soulèvent d’emblée des questions : sommes-nous capables d’extraire des données exploitables pour faire progresser nos connaissances ? Préalablement à cette exploitation, de nombreux problèmes doivent être résolus : d’ordre juridique comme l’accès aux données, les problèmes de confidentialité et de consentement du patient ; d’ordre technique comme la qualité des données sources, leur interopérabilité et leur intégration. Se poseront ensuite les questions de l’évaluation de ces aides à la décision et de leur appropriation par le monde médical.

Les grands centres hospitaliers à travers le monde ont un rôle majeur à jouer dans cette transformation car ils concentrent les bases de données les plus riches et les plus proches de la réalité clinique. C’est le cas à l’Institut Curie, riche de 500 000 dossiers patients et pionnier dans l’informatisation des données cliniques. Pour faire face aux besoins de nouvelles compétences et technologies de pointe, une direction des data a été créée en 2017 avec une mission claire: la gestion de notre transformation numérique.

Pour avancer dans notre mission, nous mettons en œuvre des changements dans l’organisation, la gouvernance, les processus de gestion et les capacités, avec des infrastructures informatiques existantes ainsi que des demandes de nouvelles infrastructures numériques.

Transversale, cette nouvelle direction dirige la stratégie et pilote la transformation numérique institutionnelle. Pour cela, elle structure et valorise l’ensemble des données dans l’objectif de multiplier les collaborations et les recherches. La création de cette direction a été possible grâce à la générosité des donateurs. 

L’entrepôt de données de l’Institut Curie : kesako ?

Le temps est venu de favoriser l’accès aux données massives en santé et l’interopérabilité des systèmes d’information afin de mettre en place des entrepôts de données et de permettre les croisements de données de santé et de recherche, des textes, des images qui permettront des analyses corrélant les données épidémiologiques, médico-techniques, cliniques, de la recherche clinique, voire de la recherche plus fondamentale. L’utilisation de technologies de pointe est nécessaire à l’analyse automatique et en temps réel de ces « Big Data ».

A l’Institut Curie, nous avons complètement informatisé les dossiers médicaux depuis l’an 2000 et il existe un dossier médical partagé sur les 3 sites qui structure l’information médicale de façon précise.  

Dr Alain Livartowski.

L’Institut Curie a ainsi rassemblé plus de 17 millions de documents textes concernant 500 000 patients. Cette base de données contient l’ensemble des comptes rendus de consultation, de chirurgie et de radiothérapie, ainsi que les protocoles de chimiothérapie administrés aux patients.

Faire parler les données pour améliorer les traitements

Rendre les données plus efficaces pour accélérer la découverte de nouvelles cibles thérapeutiques, prédire l’effet des molécules et la réponse aux traitements, et faire avancer la médecine de précision.

La médecine de précision des cancers vise à mettre en place des traitements adaptés aux caractéristiques génétiques de chaque patient. La dernière décennie a vu le développement de technologies à haut débit telles que le séquençage de nouvelle génération ouvrant la voie à son utilisation en routine en oncologie. Alors que le coût de ces technologies diminue, la quantité de données produites augmente de manière exponentielle. Pour que davantage de patients aient accès à des thérapies ciblées, les établissements hospitaliers doivent rationaliser à la fois la production et l'utilisation de leurs données, ce qui nécessite le recours à des technologies de pointe utilisant l’intelligence artificielle et le calcul à haute performance. 

En imagerie, la machine pourra classer automatiquement les clichés en normal, pas normal et douteux, avant intervention du radiologue, ce qui pourra leur faire gagner du temps qu’ils pourront consacrer aux cas les plus rares ou les plus complexes.

Pour les tumeurs rares, avec 100 cas par an en France par exemple, même si vous êtes un médecin expérimenté, vous n’en verrez que très peu. Or si vous pouvez entrer les données dans la machine, cela pourra faciliter le diagnostic et augmenter les chances du patient. 

Dr Alain Livartowski.

Si vous donnez un grand nombre d’images de tumeurs à la machine en précisant que cette tumeur répond bien à tel traitement et que telle autre tumeur ne répond pas bien, lorsque vous donnerez une nouvelle image à la machine, elle classera automatiquement la tumeur dans la bonne catégorie. C’est ce que l’on appelle le machine learning et cela permettra de mettre en évidence des biomarqueurs de la réponse au traitement et à terme d’identifier de nouvelles cibles pour des futures thérapies.

Enfin, identifier les patients qui vont répondre à l’immunothérapie est un enjeu majeur car d’une part selon les localisations les bons répondeurs ne représentent que 10% à 40% des patients et d’autre part ces traitements sont extrêmement onéreux.