Tout sur la gestion des risques médicaux
                et la sécurité du patient

Dossier médical informatisé, informatisation médicale

  • Réduire le texte de la page
  • Agrandir le texte de la page
  • Facebook
  • Twitter
  • Messages0
  • Imprimer la page

2018 - BIG DATA et analyses prédictives en santé

13/12/2018

Shah N., Steyerberg E., Kent D. Big Data and Predictive Analytics : Recalibrating Expectations, JAMA. 2018;320(1):27-28. doi:10.1001/jama.2018.5602

Résumé

Tout le monde évoque l’arrivée imminente des big data en santé comme la révolution ultime du travail médical : nouvelles capacités d’analyses de masse de données connectées entre bases et registres médicaux, apprentissage automatique des machines, etc. On imagine assez facilement le médecin obligé à utiliser cette intelligence artificielle, et cantonné à un rôle de traducteur final auprès du patient du bilan proposé par la machine. La réalité sera sans doute plus modeste.

On dispose de statistiques puissantes depuis longtemps, et de modèles de risques dans diverses pathologies, mais la pratique quotidienne utilise peu cet arsenal scientifique. Les pièges, pour une utilisation différente, sont encore nombreux ; pas mal d’aides statistiques à la décision basée sur des modèles de risques sont peu utilisés ; par exemple quantifier un risque à 1 an de ré-hospitalisation en cardiologie ou en diabétologie s’est avéré très peu changer les attitudes cliniques.

De même le calcul de la calibration du risque (combien de patients ont le risque d’avoir une pathologie) reste peu compréhensible pour le médecin (et pour le patient), sans parler que ce calcul est relativement instable et contextuel contrairement au calcul classique de discrimination (Est-ce qu’un patient donné avec une pathologie/signe particulier à un risque supérieur à des patients sans cette pathologie/signe particulier). Tout cela amène à un apprentissage et sans doute un usage bien plus modéré qu’imaginé de ces nouvelles technologies.

Mon avis