Le digital : opportunité pour collecter de la donnée de vie réelle

La gestion des données est de plus en plus impactée par le numérique dans le monde de la santé. Le digital apporte de nouvelles solutions notamment pour collecter de la donnée en vie réelle.

Avant toute chose il convient de bien définir ce que l’on appelle « données de vie réelle ». Un rapport réalisé à la demande du Ministère de la santé en 2017 « Les données de vie réelle, un enjeu majeur pour la qualité des soins et la régulation du système de santé – L’exemple du médicament » (1) apporte des éléments de définition :

« On désigne sous le terme « données de vie réelle », ou « données de vraie vie », des données qui sont sans intervention sur les modalités usuelles de prise en charge des malades et ne sont pas collectées dans un cadre expérimental (le cadre notamment des essais randomisés contrôlés, ECR), mais qui sont générées à l’occasion des soins réalisés en routine pour un patient, et qui reflètent donc a priori la pratique courante ».

L’analyse de ces données de vie réelle est communément appelée real-world data ou RWD permettant de générer des preuves issues « de la vraie vie » (real-world evidence, ou RWE). Ce type d’analyse aide notamment à obtenir des informations complémentaires aux données cliniques. Elles sont prisées par de nombreux acteurs de santé :

  • Institutions de santé : renseignement sur la sécurité et le bon usage des médicaments ; aide à la décision sur les évaluations de mise sur le marché
  • Industrie pharmaceutique : complète les données cliniques dans l’ensemble du processus de développement d’un médicament ; réévaluation SMR (Service Médical Rendu)
  • Payeurs : s’assurer de l’efficacité réelle du médicament et de la bonne allocation des ressources.

Crédit photo : Freepik.com

On recense un certain nombre d’usages possibles des données en vie réelle (1) :

  • Surveillance de la sécurité des produits de santé mis sur le marché (safety)
  • Surveillance de l’usage d’un médicament
  • Evaluation de   l’efficacité   et   de l’efficience en vie réelle
  • Rémunération en   fonction   de   la performance / des résultats
  • Echanges et comparaisons de pratiques pour améliorer la qualité des soins et optimiser les traitements
  • Production de connaissances pour développer de nouveaux traitements ou services

De telles données peuvent provenir de multiples sources :

  • Extraction des dossiers informatisés de patients, ou constituer un sous-produit des informations utilisées pour le remboursement des soins;
  • Collectes spécifiques : procédures de pharmacovigilance, constitution des registres ou des cohortes, ou plus ponctuellement dans le cadre d’études ad hoc;
  • Issues du web, des réseaux sociaux, des objets connectés, etc.

Santé mobile et connectée au service de la collecte des données

Pour comprendre parfaitement une maladie pour pouvoir la combattre efficacement, il est nécessaire de collecter un maximum de données de vie réelle. Les outils digitaux par essence, et notamment les solutions mobiles et connectées, permettent de recueillir rapidement de grands volumes de données. Ils apparaissent donc comme une véritable solution de collecte de ces données de vie réelle.

Aujourd’hui, la santé connectée constitue une révolution pour la prise en main de sa santé et l’avènement d’une médecine préventive, prédictive et personnalisée. Les capteurs intégrés aux objets connectés santé (tensiomètre, glucomètre, balance, suivi sommeil, trackers d’activité…) ou aux wearables (smartwatch, bijoux, vêtements…) permettent de collecter un volume grandissant de données de vie réelle.

Pour l’analyse de ces données collectées, certains acteurs ont mis en place des plateformes d’études. On peut citer en exemple Withings qui dès 2015 a créé le Withings Health Institute qui diffuse des études basées sur les données générées par les objets connectés, élaborées en collaboration étroite avec des médecins et des instituts de recherche. L’acteur Français propose également des observatoires autour de l’activité physique, du sommeil…

Un autre exemple est celui d’Apple avec son programme ResearchKit, véritable canevas logiciel open source destiné à la création d’applications, qui facilite le recrutement de participants aux études et la réalisation de ces études.

Grâce au grand nombre d’utilisateurs d’iPhone dans le monde, les applications élaborées à partir de ResearchKit permettent de recruter des candidats et de recueillir des données à une échelle jamais atteinte auparavant. Les informations peuvent être collectées beaucoup plus régulièrement (tous les jours, voire toutes les heures) sans entraver le quotidien des participants.

Quelques exemples d’applications réalisée avec Researc hKit : mPower pour mieux comprendre la maladie de Parkinson ; Autism & Beyond pour optimiser le diagnostic de l’autisme ; EpiWatch pour prévoir les crises d’épilepsies.

 

 

Les médias sociaux : nouveau territoire de collecte

Les médias sociaux ont pris une place croissante dans notre société. Ils permettent de générer de nombreuses interactions, de garder du lien, de fédérer des individus entre eux autour d’un sujet ou d’une cause ou de diffuser rapidement de l’information. Il s’agit donc d’un véritable canal de génération de données. Les acteurs de santé ont pris conscience de ce potentiel et se sont peu à peu accaparés ces nouveaux médias.

Certains chercheurs utilisent les réseaux sociaux comme base de données pour leurs études. Avec plusieurs milliards d’utilisateurs, ils sont désormais une source d’informations non-négligeable pour la recherche. Plusieurs études médicales publiées en 2018 et 2019 se sont basées sur les réseaux sociaux.

Par exemple, le chercheur Guy Fagherrazi, auteur de la recherche « Étude mondiale de la détresse liée au diabète : le potentiel du réseau social Twitter pour la recherche médicale« , a créé un concept pour décrire les données générées par les réseaux sociaux et internet : « le digitosome ». Il a analysé plus de 30 000 tweets publiés à travers le monde. Selon le type de diabète par exemple, l’anxiété décrite dans les messages varie. Les personnes atteintes de diabète de type 1 paraissent plus anxieuses et ont plus de mal à accepter la maladie et ses contraintes (traitement et suivi quotidien), en comparaison aux diabétiques de type 2.

La Blockchain pour développer de nouveaux standards

La technologie Blockchain commence à se déployer dans le monde de la santé. Elle permet notamment de sécuriser, tracer et stocker des données sensibles. En fluidifiant la collecte et le partage d’informations cliniques, la Blockchain va contribuer à collecter des données de vie réelle. Elle va développer de nouveaux standards d’études en vie réelle et dans la collecte des données

C’est dans cette optique que l’Institut Gustave-Roussy et Embleema ont noué un partenariat pour recueillir les données en vie réelle des patients du centre de lutte contre le cancer (CLCC). Cette association doit permettre de numériser et consolider en toute sécurité les données des patients collectées lors de parcours de soins. L’objectif est que les données de vie réelle puissent servir la recherche clinique à tout moment du parcours du patient.

Nous le voyons, le digital est de plus en plus présent dans la collecte des données de vie réelle mais devient également indispensable dans l’exploitation et le traitement de ces données via le machine learning ou l’intelligence artificielle.

 

(1) Les données de vie réelle, un enjeu majeur pour la qualité des soins et la régulation du système de santé : L’exemple du médicament – Bernard Bégaud, Dominique Polton, Franck von Lennep – Rapport réalisé à la demande de Madame la Ministre de la santé Marisol Touraine – Mai 2017

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *