Une avalanche d'informations sur nos gènes, l'état de notre corps et nos comportements promet de prolonger notre santé et d'offrir des traitements personnalisés. Pourtant, les défis pour les médecins demeurent considérables.
En 2008, les performances du joueur de baseball américain David Ortiz ont chuté. Chez les Red Sox, on s'interrogeait sur l'avenir de ce sportif de 32 ans. Fallait-il se séparer de « Big Papi » ? Le club a patienté, et cela a payé : Ortiz a rebondi pour devenir joueur de l'année en 2013.
« Nos enfants auront un sosie numérique, une collection exhaustive de toutes les informations sur leur santé personnelle. »
Pourquoi les Red Sox n'ont-ils pas lâché leur star déclinante ? Grâce au big data. Le club a analysé un modèle intégrant les données de 18 000 joueurs de l'histoire de la Major League Baseball et leurs trajectoires de carrière. Des « doubles » d'Ortiz avaient connu une baisse similaire avant de briller à nouveau. Ainsi en a-t-il été pour lui.
Seth Stephens-Davidowitz, ancien data scientist chez Google, relate cette anecdote dans Everybody Lies, explorant les potentiels du big data. Comme dans le baseball où il excelle, ce dernier pourrait transformer la médecine : en comparant gènes, analyses sanguines, maladies et habitudes sur de vastes populations, on identifierait mieux les risques et les traitements optimaux.
Cette révolution est en marche. Selon IBM, les données médicales doublent tous les trois ans. L'objectif ultime ? Un « sosie numérique » personnel compilant toutes nos données de santé pour une prévention optimale et des soins sur mesure.
« Nos enfants auront certainement un tel sosie », affirme Koen Kas, futurologue de la santé et oncologue moléculaire à l'Université de Gand. Il participe au projet Health EU, où près de 50 institutions visent une subvention européenne d'un milliard d'euros pour une version prototype.
« Aujourd'hui, mon médecin ne me connaît pas vraiment », souligne Kas. « Je tracke un colis à la minute près, mais lui ignore mes 8 750 autres heures annuelles. Cela changera avec la collecte en temps réel et les avancées en biologie. »
Kas évoque les médecins de village chinois, payés pour maintenir la santé de leurs patients. « Revenons à la prévention : sur 100 euros investis en santé, 90 vont aux deux dernières années de vie, moins d'un à la prévention. La médecine personnalisée et prédictive exige un suivi 24/7. »
Big Brother ? Des plateformes comme Geens.com (Belgique) permettront de contrôler nos données. « À Disneyland, un bracelet optimise mon parcours contre les files d'attente. Je troque un peu d'intimité pour du confort ; en santé, plus de données partagées signifie plus de bénéfices. »
Des chercheurs américains détectent la dépression via les filtres Instagram ; des Britanniques, Parkinson par l'analyse vocale sur smartphone. À Stanford, 60 sujets ont généré 250 000 mesures/jour sur un an (2 milliards de données), prédisant infections trois jours à l'avance.
Ces études pionnières indiquent la voie. Bientôt, nos montres connectées alerteront comme un voyant de voiture. « Les capteurs passeront du poignet au corps ou à l'environnement », prédit Kas. Les wearables deviendront nos « canaris dans la mine ».
Mais la fiabilité reste un frein : sur 260 000 apps santé, seules 125 sont médicalement validées, comme FibriCheck (belge) pour les arythmies cardiaques, utilisé par 50 000 patients.
Les biomarqueurs prédictifs manquent pour maladies courantes (cardiovasculaires, diabète). Des projets comme 100 000 Genomes (UK) ou Baseline (USA, avec Google) comblent les lacunes via d'énormes cohortes.
Plus de données ne rime pas toujours avec insights. L'exploration de données et l'IA aident : « Le médecin se noie dans les flux (scanners, ADN, littérature) », note Andre Dekker (Université de Maastricht).
Les modèles prédictifs répondent à des questions cruciales comme la survie à deux ans post-cancer. Les oncologues peinent (57 % d'exactitude, comme un pile ou face). Un modèle IA de Dekker atteint 69 %, révélant même des doses radiothérapie optimales.
« Le cerveau humain gère 5 facteurs max ; l'ordinateur, infiniment plus », insiste Dekker, partisan d'une « médecine data-driven » apprenant des cas passés.
« Mieux qu'un humain ? C'est suffisant pour la pratique. »
Watson (IBM) propose des thérapies anticancéreuses via IA, formé par Sloan Kettering. Mais critiqué pour suggestions risquées, sa valeur clinique reste limitée.
« Pas de preuves d'avantage patient », note Martijn van Oijen (AMC Amsterdam). Mises à jour imprévisibles, opacité des algorithmes et biais culturels freinent la confiance.
Pourtant, l'optimiste Van Oijen voit l'IA comme une « hotline » consultative : « Inarrêtable, elle libère les médecins des débats interminables. »
Johan Decruyenaere (UZ Gent) tempère via le « Gartner Hype Cycle » : pic d'attentes, vallée de déception, puis réalisme. « Nous sommes au sommet du buzz. Les données révèlent corrélations, non causalités. »
Prudence s'impose : erreurs en santé coûtent cher. Son équipe prédit infections en réanimation via data mining, réduisant l'incertitude clinique.
Niels Chavannes (Leiden) pointe le « paradoxe de prévention » : gadgets pour bien-portants, ignorant vulnérables. Risque : surmédicalisation. Besoin d'études coût-bénéfice solides.
