La valorisation des données de santé constitue un enjeu crucial dans le domaine médical et technologique. Ces données renferment une mine d’informations potentiellement précieuse pour la recherche médicale, l’amélioration des soins de santé et la prise de décision éclairée.
En ce début de décennie, le secteur de la medtech, et l’économie de la santé dans sa globalité sont bouleversés par un nouveau paradigme en matière de recherche médicale. D’une part, il y a le Big Data ; les capteurs électroniques sont littéralement partout : des équipements hospitaliers jusqu’aux dispositifs utilisés par les patients à domicile, collectant chaque jour des millions de données différentes. D’autre part, il y a l’augmentation exponentielle de notre capacité à traiter et analyser les données à grande échelle, grâce notamment à l’IA et à l’amélioration des microprocesseurs.
L’informatique occupe désormais une place très importante en matière de recherche médicale. Certaines start-ups à forte croissance se spécialisent ainsi dans le traitement des données émanant de différentes sources, afin de faire avancer la science. En Europe, c’est la Grande-Bretagne le leader en la matière, avec la société Benevolent AI en figure de proue (start up valorisée à plus d’1 Md€ après 10 ans d’activité).
En France, l’innovation dans ce secteur semble être en retard. Selon les entreprises concernées, le manque de disponibilité des données et l’absence de catalyseur informatique pour les consulter efficacement en sont les principales causes. Afin de pallier ce retard, l’État français investit massivement dans la construction d’un socle d’interopérabilité et de mise à disposition de données sécurisées et anonymisées.Alors comment une entreprise peut-elle tout de même, en France et à son échelle, développer les moyens de valoriser efficacement des données de santé, qu’elle les collecte elle-même ou qu’elle les récupère auprès d’un tiers ? D’une part, il importe de se tenir informé des dernières évolutions en matière de disponibilité des données. Et d’autre part, il est essentiel de connaître les bonnes pratiques à développer en interne pour optimiser l’usage de ses propres datas, tout en respectant les lois en vigueur.
La valorisation de données de santé provenant de sources externes à l’entreprise
L’usage des données
Les données de santé électroniques ont deux usages principaux : primaire, pour évaluer et gérer la santé des individus, et secondaire, pour des activités de recherche, statistiques, sécurité, et développement de services médicaux.
Usage primaire | Usage secondaire |
L’usage primaire des données de santé électroniques concerne l’évaluation, la préservation ou la restauration de la santé des individus, notamment la prescription, la distribution de médicaments, les dispositifs médicaux, ainsi que les services sociaux, administratifs et de remboursement liés aux soins de santé. | L’usage secondaire des données de santé électroniques concerne leur utilisation ultérieure à des fins telles que les statistiques publiques (santé et médico-social), les activités d’intérêt public comme la sécurité nationale et la surveillance de la santé publique, la recherche scientifique, le développement de produits ou services pour la santé publique, ainsi que l’éducation dans le domaine de la santé. |
L’utilité pratique des données de santé venant de sources externes
L’utilisation de données de santé provenant de sources externes représente pour une entreprise en medtech une opportunité de se démarquer rapidement et à un moindre coût sur un marché compétitif. Les sets de données externes servent principalement à entrainer des algorithmes ou des IA qui devront ensuite être validés par des essais cliniques. Elles peuvent également servir à des études rétrospectives pour aider à la compréhension de pathologies. De même, les données brutes collectées par les hôpitaux ou les cliniques, une fois managées, permettent de mieux appréhender une maladie dans l’espoir de lui trouver un nouveau traitement utile.
Voici d’autres exemples d’utilisation des données :
- Recherche médicale : Les données peuvent être utilisées pour la recherche médicale afin de comprendre les tendances de santé, les maladies, et d’améliorer les traitements.
- Amélioration des soins de santé : Les données peuvent aider les professionnels de la santé à améliorer les soins aux patients en identifiant des schémas ou des risques potentiels.
- Développement de produits : Les entreprises pharmaceutiques et les fabricants de dispositifs médicaux peuvent utiliser ces données pour développer de nouveaux médicaments et dispositifs.
- Analyse des coûts et de l’utilisation des services : Les données peuvent être utilisées pour évaluer l’efficacité des services de santé et aider à la planification des ressources.
- Santé publique : Les données peuvent être utilisées pour surveiller la santé publique, identifier les épidémies potentielles et planifier les interventions de santé publique.
- Personnalisation des soins : Les données peuvent être utilisées pour personnaliser les traitements en fonction des caractéristiques génétiques et du profil de santé individuel.
- Prévention des maladies : En analysant les données, il est possible d’identifier des facteurs de risque et de mettre en place des programmes de prévention ciblés.
Les acteurs à qui s’adresser pour la consultation de données de santé
L’accès au Système National des Données de Santé (SNDS) offre un éventail d’avantages essentiels. Il permet une analyse approfondie de la population cliente, permettant d’identifier des tendances et d’adapter les services de santé en conséquence. L’évaluation des risques est grandement améliorée grâce à la richesse des données disponibles, tandis que l’optimisation des ressources devient plus efficiente. Les données du SNDS sont un puissant moteur de recherche et de développement dans le domaine de la santé, favorisant l’innovation. De plus, le respect des réglementations est facilité. Bien que les données ne soient pas centralisées, l’accès à des cohortes de données, telles que celles liées à la cohorte Constances ou EGB, offre un potentiel considérable, même si cela nécessite du temps et des efforts pour les exploiter pleinement.
Les données de cohorte sont des ensembles de données longitudinales recueillies sur un groupe spécifique de personnes au fil du temps. Elles sont essentielles pour étudier l’évolution des caractéristiques et des facteurs de risque au sein de cette population. Voici quelques exemples de cohortes de données notables :
- Cohorte Constances : Cette cohorte française recueille des données sur la santé de plus de 200 000 participants. Elle comprend des informations médicales, socio-économiques et de style de vie, permettant des recherches sur divers aspects de la santé publique.
- Cohorte Framingham : L’une des cohortes les plus célèbres, elle a permis de découvrir des liens entre les facteurs de risque comme l’hypertension, le cholestérol, le tabagisme et les maladies cardiaques, jetant les bases de la prévention cardiovasculaire.
- Cohorte Nurses’ Health Study : Axée sur les infirmières américaines, cette cohorte a fourni d’importantes informations sur la relation entre le mode de vie, l’alimentation et la santé des femmes, notamment en ce qui concerne le cancer du sein.
La valorisation de données de santé collectées par l’entreprise
La valorisation des données de santé en interne
L’analyse de données de santé pendant la phase de commercialisation
Via une solution numérique, la collecte de données peut aussi venir partiellement de retours utilisateurs laissant leurs avis et commentaires. Ces informations sont d’une grande valeur pour éprouver l’UX du dispositif. Judicieusement analysées, elles peuvent notamment permettre d’optimiser :
- La fluidité et l’intuitivité du parcours utilisateur.
- La compréhension globale du dispositif
- Les interactions avec les call to actions internes au dispositif.
L’analyse de données de santé dans le cadre d’un projet innovant ou d’une recherche scientifique
En revanche, des recherches analytiques, fondées sur l’utilisation de certains outils ou modèles mathématiques, permettent de lier les données pour trouver des corrélations utiles : on parle « d’indicateurs », ou plus précisément dans un contexte médical de « signature de la maladie ». Découvrir de nouvelles signatures de maladie, par analyse de quantums de données, peut s’avérer utile pour détecter plus tôt certaines pathologies et améliorer l’efficacité de leurs traitements.
L’analyse de données de santé lors d’une investigation clinique
L’exploitation correcte d’ensemble de données est également importante lors d’une étude clinique. Effectivement, de celle-ci dépend la valeur de l’étude et de ses conclusions, au regard de l’organisme notifié qui choisit de délivrer ou non un marquage CE lorsque le but de l’étude réalisée est celui-ci.
C’est pourquoi il est important de faire appel à un ou plusieurs statisticiens/méthodologistes qualifiés lors de la mise en place d’une méthodologie clinique. Ces experts veilleront notamment à déterminer le nombre optimal de participants (NSN) à l’étude clinique et à élaborer des schémas précis d’analyse statistique (Plan d’analyse statistique).
La valorisation des données de santé pour l’utilisateur
Au sein même du fonctionnement d’un dispositif médical, on peut considérer qu’il existe trois niveaux de traitement de la donnée.
Le traitement des données à l’état brut
Ces données sont fournies telles qu’elles se présentent à l’utilisateur, à qui il appartient de les interpréter. C’est le cas, par exemple, d’un tensiomètre se contentant de fournir les chiffres de tension artérielle à l’instant T.
La programmation d’un algorithme
Le deuxième niveau de traitement consiste à programmer un algorithme capable de détecter les anomalies, pour aiguiller l’utilisateur vers un médecin quand nécessaire. Dans le cas de notre tensiomètre, celui peut indiquer par des codes couleurs si la tension mesurée est bonne ou mauvaise par exemple.
L’agrégation des données
Enfin, le dernier niveau d’exploitation de la data consiste à agréger des données pour produire des indicateurs à même de faciliter le diagnostic médical par les praticiens de santé. Pour notre tensiomètre, l’agréation des données, d’êge, de genre, de taille, de poids, ou de régime alimentaire ; en plus de la tension, permettra de faciliter le diagnostic médical des praticiens de santé
Une façon d’améliorer un dispositif médical consiste à passer d’un niveau d’exploitation des données de santé brutes à une analyse plus poussée de ces données. Cela change souvent la classification du dispositif médical, mais permet d’augmenter la valeur perçue de votre solution au niveau supérieur. Par ailleurs, une autre amélioration possible passe par le travail sur la présentation de ces données : c’est ce qu’on appelle l’UI design.
Zoom sur l’intérêt de l’UI design dans la présentation des données
L’UI design joue un rôle essentiel dans l’exploitation des données de santé en simplifiant la complexité des informations médicales. En créant des interfaces conviviales et intuitives, les professionnels de la santé peuvent accéder aux données vitales rapidement et efficacement, améliorant ainsi leur processus décisionnel.
De plus, une conception d’interface bien pensée favorise l’engagement des patients en leur permettant de comprendre facilement leurs propres données de santé, ce qui peut renforcer leur implication. Une interface utilisateur bien conçue peut également réduire les erreurs humaines en facilitant la compréhension des données complexes, contribuant ainsi à des diagnostics plus précis et à des traitements plus efficaces.
En intégrant les principes de l’UI design dans l’exploitation des données de santé, nous améliorons non seulement l’efficacité des professionnels de la santé, mais aussi l’expérience et les résultats des patients.
La valorisation secondaire des données de santé auprès d’un partenaire commercial
Une entreprise en medtech doit garder à l’esprit que les données qu’elles collectent peuvent s’avérer très utiles à d’autres organisations, parmi lesquelles on trouve assurances, mutuelles, laboratoires pharmaceutiques ou structures de recherche. Il faut donc réfléchir dès le début de chaque projet à la façon dont on pourra ensuite valoriser ses données. Attention toutefois à respecter les cadres légaux en vigueur, qui sont particulièrement stricts en France et en Europe. Cela inclut des aspects tels que l’hébergement de données de santé (HDS) pour garantir leur sécurité et confidentialité, le respect des dispositions de la RGPD pour protéger la vie privée des individus, ainsi que la nécessité d’obtenir un consentement éclairé pour collecter des données personnelles. L’anonymisation des données est également cruciale pour empêcher toute identification directe ou indirecte des individus, conformément aux lois et réglementations en vigueur.
Besoin de plus de conseils pour exploiter des données de santé dans un cadre commercial ? N’hésitez pas à vous rapprocher de nos experts, qui sauront vous aider de façon adaptée à votre situation.