Structurer et analyser les données
Générer et enregistrer chaque jour des millions de données de santé est une chose. Mais encore faut-il s’assurer qu’elles soient de bonne qualité et structurées. À quoi servirait en effet une bibliothèque si les livres étaient incomplets ou rédigés en langues inconnues ?
Aujourd’hui, les progrès informatiques nous permettent de remplir les bases indistinctement avec des données médicales structurées, des textes bruts, des résultats d’analyses, des données génomiques, peut-être un jour des images. Mais pour pouvoir ensuite travailler dessus, les bases doivent être correctement organisées.
Emmanuel Reyrat, Directeur du département des systèmes d’informations à Unicancer, qui réunit l’ensemble des centres de lutte contre le cancer.
C’est l’objectif du projet ConSoRe mis en place par Unicancer.
Il s’agit d’un système qui collecte, analyse et structure les données, associé à un moteur de recherche multicritère. Cela permet notamment à des médecins d’ identifier des patients répondant à des critères de recherche précis, de visualiser graphiquement l’évolution de leur maladie et leurs traitements, de localiser des dossiers de cancers rares, de savoir si des cas similaires ont déjà été traités ailleurs. L’objectif de ConSoRe est de faciliter la recherche d’ informations et leur partage entre médecins et chercheurs de différents centres de lutte contre le cancer.
Du fait de leur volume et de leur fragmentation, analyser les données de santé n’est pas toujours simple. Pour cela, les chercheurs utilisent notamment l’intelligence artificielle (IA). Ce terme regroupe différentes méthodes de programmation informatique qui imitent des modes de raisonnement propres aux humains. On distingue l’IA « faible », qui repose sur des algorithmes mis au point par l’homme et permettant à une machine d’exécuter une tâche comme par exemple établir un diagnostic ou proposer une thérapeutique en fonction de critères prédéfinis. L’IA « forte » a pour but de créer des programmes permettant aux machines d’apprendre par elles-mêmes le bon algorithme : on parle de machine learning. Plus la machine s’entraîne et plus elle est capable de reproduire le raisonnement humain, à condition de lui avoir fourni au départ les bons exercices avec les corrigés. L’objectif est que les algorithmes fassent des rapprochements, par exemple des similitudes moléculaires ou génétiques entre des cancers touchant des organes très différents, auxquels un médecin n’aurait pas forcément pensé.