Aide à la décision : l’émergence des modèles prédictifs

La santé n’échappe pas – au contraire ! – à l’engouement récent pour les big data et la liste des promesses apportées par l’exploitation des mégadonnées s’allonge à l’envi. Parmi les pistes à explorer : l’élaboration de modèles prédictifs qui permet de stratifier les populations et de se concentrer sur les patients les plus à risque. Le NHS du pays de Galles en donne un exemple.

Les performances du big data en santé sont attendues dans trois domaines, comme le rappelle Thierry Zylberberg, directeur général d’Orange Healthcare : le soin, la recherche et l’économie. Mais les résultats ne sont pas encore au rendez-vous comme en témoignent les travaux du think tank « Healthcare Data Institute » qu’il a constitué avec le concours des acteurs les plus divers, du CEA à McKinsey en passant par Vitalia ou le cabinet Desmarais Avocats.

Limiter les risques de réhospitalisation

Thierry Zylberberg cite deux exemples dans le monde hospitalier. Le Seton Healthcare Family, groupe privé du Texas, utilise un algorithme d’analyse prédictive pour limiter les risques de réhospitalisation des patients. Tandis que le groupe Aurora Healthcare, dans le Wisconsin, a lancé un outil de big data afin d’identifier les effets secondaires des traitements. Il se traduirait par un taux de réadmission en baisse de 10 %, une économie de 6 millions de dollars avec des coûts de traitement réduits de 42 %.

Si les pistes ouvertes par les big data en médecine ne manquent pas, de la pharmacovigilance au diagnostic ou à la médecine personnalisée, c’est avant tout en matière de surveillance des maladies qu’elles sont utilisées aujourd’hui.

« À 85 % », précise Philippe Ravaud, professeur d’épidémiologie à l’université Paris-Descartes et directeur du centre d’épidémiologie clinique de l’Hôtel-Dieu. Il souligne qu’elles permettent effectivement « de détecter, renforcer ou valider des signaux ». Les chercheurs s’y sont en tout cas sérieusement intéressés à l’occasion de la propagation du virus Ebola.

« Dans une proportion de 12 % [des usages actuels, NDLR], les big data servent aussi à élaborer des prédictions, ajoute-t-il. Elles contribuent par exemple à déterminer quels sont les patients les plus susceptibles de bénéficier d’un traitement. »

Une industrie des outils de gestion des patients

Comme le souligne David Bernstein, économiste de la santé, « une véritable industrie des outils de gestion des patients se développe aujourd’hui qui fait appel au big data ».
Elle voit en tout cas le jour dans les régions ou les pays dans lesquels les pouvoirs publics soutiennent l’émergence de modèles prédictifs susceptibles de les aider à réguler les systèmes de santé, que ce soit par le levier financier ou par la gestion de cas.

Le consultant décrit le cas du NHS (National Health Service) au pays de Galles qui, « après quatre années d’expérimentations et de R&D, fournit aux médecins généralistes à travers un portail sécurisé une liste décroissante de leurs patients selon leur probabilité de connaître une hospitalisation en urgence dans l’année. L’objectif de ce tableau de bord est d’aider les médecins généralistes à mieux répartir leur temps et leurs ressources entre les divers patients et, in fine, de faire baisser les hospitalisations en menant des actions sur des patients préalablement identifiés comme à haut risque. » C’est par des applications de ce type que le big data peut effectivement améliorer structurellement le système, insiste David Bernstein.

Il reste cependant à évaluer l’impact de ce type d’actions sur l’exercice médical et la qualité des soins. C’est l’objet de l’étude Prismatic, qui devrait s’achever en août. Elle aura comparé, sur dix-huit mois, la qualité de prise en charge entre les cabinets de GP (General Practitioner) gallois utilisant l’outil logiciel fondé sur le modèle prédictif Prism et les cabinets qui en sont dépourvus.

Le projet Prism a été initié en 2009 par la modélisation des indicateurs et activités (37 variables au final) pertinents pour prédire un risque d’hospitalisation en urgence. Le modèle prédictif est fondé sur l’analyse des données de 300 000 dossiers médicaux sur trois ans (soit 10 % de la population du pays de Galles). Il a donné lieu à la réalisation d’un logiciel en ligne actuellement utilisé par une centaine de cabinets de GP et qui leur permet de stratifier la patientèle en quatre niveaux de risque.

Les résultats de l’étude sont particulièrement attendus, non seulement au Royaume-Uni, mais aussi sur le plan international, alors que tous les pays confrontés au développement explosif de malades chroniques cherchent des solutions pour rendre les organisations de soins plus efficientes.
Des logiciels de réduction de risques devraient-ils pour autant rejoindre la panoplie de systèmes d’aide à la décision qui s’offrent aujourd’hui aux médecins ?

L’article dans son format original est disponible en cliquant ici.

Source: lequotidiendumédecin.fr

Publicités
Cet article, publié dans Démographie et Flux, Dépenses de santé, Epidémiologie, Financement de la santé, Maladies transmissibles, Pathologies majeures, Politique de santé, Prise en charge médicale, Professionnels de santé, Recherche, Santé publique, Statistiques sanitaires, Systèmes d'information, Veille sanitaire, est tagué , . Ajoutez ce permalien à vos favoris.

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s