Depuis plusieurs années, l’usage des données s’est non seulement développé de manière significative dans les secteurs du business, du marketing, et du sport, mais aussi tout récemment dans le secteur de la santé. C’est d’ailleurs l’un des domaines où ces informations peuvent être très utiles et véritablement révolutionner la structure du système de santé en général. Certaines firmes investissent déjà, comme Google qui finance Flatiron Health, une start-up américaine dont l’objectif est de trouver des facteurs qui réduisent le taux de mortalité du cancer en analysant les données de plusieurs millions de patients.
L’exploitation des données permet d’aider la médecine sur plusieurs aspects :
La médecine personnalisée : toutes les données accumulées vont permettre d’adapter les traitements à certains types de patients, en fonction de leur profil génétique. Le partage des données recueillies au niveau national et mondial entre les différents établissements conduira à une adaptation des diagnostics et surtout des traitements difficiles et rares.
La médecine prédictive : prévoir un risque de maladie chez certains patients grâce aux données du génomes. Grâce à ces données qui permettent de cibler les bonnes personnes en fonction du risque qu’elles ont de développer certaines maladies. Cette médecine prédictive est favorisée par la médecine participative, c’est-à-dire la collecte des données grâce au « quantified self ». Les pathologies chroniques dont les paramètres sont bien identifiés et reliés à des mécanismes physiologiques clairs sont celles pour lesquelles les données ont le plus de potentiel .
Médecine pertinente: IBM a conçu le « super calculateur Watson » qui fournit un premier diagnostic à partir des antécédents familiaux, des résultats d’analyse, des remarques du praticien et des notes prises lors d’une entrevue avec le patient. Plusieurs hôpitaux l’ont déjà adopté. Il existe d’autres logiciels d’aide au diagnostic: en France, la start-up Khresterion a mis au point un logiciel de ce type, qui aide les soignants des patients atteints du diabète ou du cancer à prendre des décisions grâce à l’intelligence artificielle.
Quantified self : véritable outil de l’e-santé
Afin de développer l’utilisation des données dans le secteur de la médecine ou dans des secteurs tiers, des
organisations récoltent toutes formes d’informations relatives à notre mode de vie qui peuvent être utiles aujourd’hui, ou alors dont l’utilité n’a pas encore été trouvée. On parle de « quantified self » , car ces pratiques ont pour but de mesurer et de comparer avec d’autres personnes des variables tels que : les activités physiques, le sommeil, le rythme cardiaque… Le « quantified self » regroupe l’ensemble des outils, et méthodes visant à mesurer des données relatives au corps, à la santé et, à l’état général d’une personne. Des conférences ont régulièrement lieu afin de présenter les nouvelles données récoltées et leurs possibles utilités.
Hadrien Vielle
Author
Auteur
Hadrien is an engineer and was trained in biology, physics and bio-engineering at the École Polytechnique féminine in Paris.
More about the Long Long Life team
Hadrien est aujourd’hui ingénieur polyvalent après une formation en biologie, physique et bio-ingénierie à l’École Polytechnique féminine.
En savoir plus sur l’équipe de Long Long Life
