[Groupe K2] Les données de santé et leurs enjeux

Shirine Benhenda (PhD) est Experte en Biologie moléculaire et données OMICS.

---

À quoi peuvent servir les données dans le domaine de la santé et de la recherche médicale ? Initialement, les données médicales générées permettent de poser un diagnostic, d’établir le pronostic et de définir une stratégie thérapeutique pour un patient. Il existe des recommandations thérapeutiques émanant de l’HAS (Haute Autorité de Santé) afin d’assurer une prise en charge homogène des patients sur le territoire. 

Prenons l’exemple du cancer où une dizaine d’années sont nécessaires pour le développement d’un médicament thérapeutique, de la R&D à la mise sur le marché, coûtant autour de 3 milliards de dollars. Le développement de nouvelles thérapies innovantes permet ainsi d'accroître le nombre de traitements disponibles pour les patients atteints d’un cancer et de continuellement améliorer les recommandations de prise en charge thérapeutique bénéfiques pour le patient. Nous vivons un changement de paradigme en cancérologie où l’on ne traite plus UN unique cancer mais DES cancers, voire des cancers uniques. De ce fait, il est essentiel de développer des traitements adaptés à cette multitude de cancers que l’on découvre/apprend à mieux caractériser par l’amélioration des outils de diagnostic (ex : NGS pour la génomique). Si on considère à minima 25 organes principaux dans l'organisme humain et au minimum 3 sous-types de cancer par organe principal et une dizaine d’années de la conception à la mise sur le marché, il faudrait au minimum 750 ans et au minimum 225 milliards de dollars d’investissement sans compter les échecs d’études cliniques pour produire un traitement adapté à toutes ces situations. À cela, il faut ajouter le développement les traitements associés aux rechutes. Au-delà de l’investissement économique que cela représente, c’est surtout le temps nécessaire pour aboutir à des résultats qui est primordial. Et c’est bien ce même temps que les patients atteints d’un cancer n’ont pas. 

Y a-t-il un moyen de faire mieux tout en gardant la même qualité et sécurité de la prise en charge des patients et tout en leur permettant de bénéficier des nouvelles innovations thérapeutiques plus rapidement ? La réponse à cette question est oui et se trouve dans 5 mots clés principaux : données, structuration, diversité, volume et partage. 

La donnée est multi-sources (hôpital, clinique, pharmacie, mutuelle, assurance maladie, objets connectés, réseaux sociaux, etc.). Plusieurs questions se posent : quelles sont les données nécessaires à capturer / collecter pour faire des progrès médico-scientifiques ? 

Ces données se présentent sous différents formats (valeur numérique, valeur sémantique, imagerie, lame, fichier vcf (fichiers électroniques contenant des informations de type nom des patients, adresses), papiers, document digitalisés (ex : PDF), etc.). Quels sont les moyens à mettre en place pour une collecte rapide, voire instantanée de ces données identifiées ? Comment les structurer avec un modèle reproductible et soutenable dans le temps ? 

Les données issues des études cliniques sont essentielles pour valider l’efficacité d’un traitement innovant, cependant, elles ne reflètent pas toujours la réalité de la population globale atteinte d’un cancer, celle-ci étant bien plus diversifiée. Les données de la vie réelle sont peu représentées. Les données issues des études cliniques sont pour la plupart structurées pour répondre aux hypothèses émises dans le protocole d’étude. Capturer / collecter et structurer les données des patients atteints d’un cancer en dehors des études cliniques est primordial afin de mieux étudier cette diversité de patients atteints de cancers et d’y adapter les traitements innovants. 

Cette diversité de population dans la vie réelle oblige à collecter des données d’un grand nombre de patients atteints de cancers. Plus le volume est grand, plus les résultats statistiques seront précis. 

Ce volume, autrement dit le Big Data en santé, soulève deux autres points : le stockage et la durée de stockage des données. Le stockage des données est coûteux et peu écologique. Il existe deux modèles : d’une part, centraliser les données signifie dupliquer les données des hôpitaux et les stocker dans une structure unique (peu écologique) ; fédérer les données signifie que chaque hôpital conserve les données et les met à disposition via un modèle de partage de données (plus écologique). Combien de temps stocker les données ? Aujourd'hui, la loi prévoit 10 ans pour certaines données de santé. 

Pour atteindre ce volume, il est essentiel de collecter, accéder, utiliser, partager et stocker ces données. Ces differentes actions soulèvent des questions réglementaires, législatives et éthique. Qui peut collecter les données ? Qui peut accéder et utiliser les données ? Ces données anonymisées ou pseudonymisées peuvent-elles être commercialisées ? Combien de temps les données doivent-elles être stockées ? Quel niveau de sécurité et protection pour ces données de patients ? Quel droit de regard le patient a sur ses données ? Depuis avril 2017, il est possible d’accéder aux données du SNDS (Système National des Données de Santé) qui regroupe les données de la SNIIRAM, PMSI, CNSA et des données de l’assurance maladie complémentaire et ce après autorisation de la CNIL [1]. 

L’enjeu de la donnée en santé est donc multiple : 

• Améliorer le parcours de soin du patient afin d’assurer une prise en charge optimale où que soit cette prise en charge. 
• Réaliser des études épidémiologiques en tant réel, ce qui pourra faciliter les études en cas de pandémie (ex : Covid 19).
• Améliorer la R&D grâce aux données en caractérisant mieux les patients qui ne répondent pas aux traitements ou qui rechutent rapidement comparativement à ceux qui répondent aux traitements. 
• Améliorer les études cliniques qui aboutiront à moins d’échecs et à une mise sur le marché de nouveaux traitements pour des patients atteints de cancer mieux ciblés.
• Améliorer la prise en charge médico-économique des patients grâce à une connaissance profonde des patients atteints de cancer. 
• Développer des outils diagnostiques et des outils prédictifs en intégrant une analyse multi-paramétrique. 

Aujourd’hui, les données de vie réelle ne sont que très peu collectées car cela a un coût sur le court et moyen termes. Cependant, leur exploitation a un impact majeur sur le long terme, à savoir sur la qualité de vie des patients, sur les modes de prises en charge hospitalière et sur la caisse d’assurance maladie. L’exploitation de toutes les données de manière structurée et fédérée permettrait d’optimiser le parcours de soin du patient d’un point de vue bien-être, diagnostique, thérapeutique, économique et sociétal.

Shirine Benhenda

---

[1] https://www.snds.gouv.fr/SNDS/Documentation-technique

Cette Tribune s'inscrit dans le cadre du Groupe K2 "Enjeux du Big Data" composé de :

Kevin Dumoux est Co-créateur du Cercle K2, Conseil en Stratégie, Transformations digitales et M&A - Messaoud Chibane (PhD) est Directeur du MSc Finance & Big Data, NEOMA Business School, Lauréat du Trophée K2 "Finances" 2018 - Shirine Benhenda (PhD) est Experte en Biologie moléculaire, données OMICS - Sonia Dahech est Directrice CRM, Trafic et Data omnicanal chez BUT - Franck DeCloquement est Expert en intelligence stratégique, Enseignant à l'IRIS et l'IHEDN, Spécialiste Cyber - Franck Duval est Administrateur des Finances publiques, Directeur adjoint du pôle gestion fiscale, DDFiP 92 - Yara Furlan est Trader Social Media chez Publicis Media - Jean-Baptiste Harry est HPC & AI Solution Architect & pre sales EMEA chez NEC Europe - Timothé Hervé est Risk Manager à la Banque de France - Aurélie Luttrin est Président, Eokosmo - Yann Levy est Data Analyst, Expert BI - François Marchessaux est Senior Partner, Franz Partners - Conseil en Stratégie & Management - Aurélie Sale est Coach Agile chez Renault Digital - Jun Zhou est Entrepreneur, Lecturer & Consultant in Chinese Social Media

---

TELECHARGER LE RAPPORT