Le Health Data Hub au coeur de l’actualité du numérique santé !

Le Health Data Hub, qui garanti l’accès aisé et unifié, transparent et sécurisé, aux données de santé, est au coeur de l’actualité du numérique santé en cette fin d’année : BOAS, IA génératives, valorisation de la donnée, AMI données industrielles… Panorama.

Le Health Data Hub a pour objectif d’améliorer la qualité des soins et l’accompagnement des patients à travers l’accès aux données de santé dans un environnement transparent et sécurisé. Il met en œuvre les grandes orientations stratégiques relatives au Système National des Données de Santé (SNDS) fixées par l’Etat et notamment le ministère des Solidarités et de la Santé.

AMI Partage de données industrielles : 6 projets primés par le Health Data Hub

Depuis sa création, le Health Data Hub collabore avec des acteurs privés dans sa gouvernance et à travers les projets qu’il accompagne. La plateforme nationale dédiée à l’exploitation des données de santé en France, a récemment mis en lumière six projets novateurs dans le cadre de l’Appel à Manifestation d’Intérêt (AMI) “Partage de données industrielles”. Ces initiatives, choisies pour leur potentiel d’impact, s’appuient sur des bases de données en oncologie fournies par des partenaires industriels, notamment Roche et MEDIPATH.

Roche a ainsi proposé deux bases de données collectées en vie réelle, axées sur les parcours de remboursement personnalisés (PRM) pour le cancer du sein et du poumon, et sur l’usage et l’efficacité des traitements associés. MEDIPATH a, de son côté, proposé une base de données spécifique au cancer du poumon non à petites cellules, incluant des informations sur la biologie moléculaire.

Les six projets lauréats sont variés dans leurs objectifs, mais convergent tous vers une meilleure compréhension des maladies et l’optimisation des soins :

• Le projet FAMediLinkSNDS (Stève Consultants) qui a pour objectif d’évaluer la faisabilité de l’appariement entre la base MEDIPATH et la base principale du SNDS via plusieurs approches afin de mieux comprendre le parcours des patients touchés par un CBNPC.
• Le projet chara-prAIdict Lung (Ummon Healthtech) qui vise à prédire les mutations génétiques du cancer du poumon à partir d’images histologiques. L’objectif est d’améliorer le dépistage et de réduire le recours à des tests par ailleurs coûteux.
• Le projet IMOPEC-Sein (Stève Consultants) qui tend à analyser et comprendre les schémas thérapeutiques et les parcours de soins hospitaliers chez les patientes atteintes d’un cancer HER2+.
• Le projet OBECCO (Fondation Hôpital Saint-Joseph) vise à évaluer et comparer en vie réelle l’efficacité, pour des patientes obèses, des méthodes différentes de dosage d’anti-cancéreux administrés pour traiter les cancers du sein.
• Le projet ONCOVAL (Octopize) dont l’objectif est de favoriser l’exploitation des données des bases mises à disposition grâce à la génération de données de synthèse.
• Le projet STORM (RCTs) qui vise à standardiser au format OMOP-CDM, la base de données PRM sur le cancer du sein, afin d’évaluer la concordance des analyses entre la base d’origine et la version standardisée, tout en offrant un retour critique sur ce processus.

Pour encourager ces initiatives, le Health Data Hub apporte un financement pouvant atteindre 100 000 euros par projet, ainsi qu’un accompagnement personnalisé sur une durée maximale de 24 mois. Début 2025, le Health Data Hub renouvellera cet appel à projets et lancera la seconde vague.

France 2030 : lancement du projet PARTAGES

Porté par un consortium d’une trentaine de partenaires incluant des laboratoires de recherches (du CNRS, de l’INRIA, ou de diverses universités), des établissements de santé, et des entreprises deep tech, le projet “PARTAGES” est l’un des lauréats de l’appel à projets France 2030 sur l’IA générative.

Coordonné par le Health Data Hub (HDH), le projet PARTAGES (Préparer, Accélérer, Rendre Tangibles les Apports de l’IA Générative pour le système de santé) vise à répondre à des besoins concrets des professionnels de santé grâce à des solutions basées sur l’IA générative. Parmi les cas d’usage envisagés, on retrouve :

• La transcription automatique des consultations médicales : un outil pour réduire la charge administrative et permettre aux médecins de se concentrer sur leurs patients.
• L’assistance à la décision clinique : des algorithmes capables de fournir des recommandations basées sur des données médicales complexes.
• L’optimisation des parcours de soins : une approche pour personnaliser les traitements et améliorer les résultats pour les patients.

En mettant l’accent sur la démocratisation de ces outils, PARTAGES vise à rendre ces technologies accessibles à tous les acteurs de la santé, des grands hôpitaux aux cabinets de médecine générale.

Le projet rassemble des partenaires variés, notamment des organismes de recherche comme le CNRS et l’INRIA, des établissements de santé, ainsi que des entreprises spécialisées dans les technologies de pointe. Ce consortium reflète une volonté de collaboration entre secteurs public et privé pour maximiser l’impact des solutions proposées.

L’un des objectifs clés de PARTAGES est également de garantir que ces innovations respectent les normes éthiques et légales en matière de traitement des données de santé. Cela inclut la transparence des algorithmes et la protection des données personnelles des patients.

Le soutien de l’État dans le cadre de France 2030 illustre l’importance stratégique de l’IA générative pour la souveraineté numérique de la France. Ce projet s’inscrit dans une dynamique plus large visant à positionner le pays comme un leader mondial dans l’utilisation des données et de l’intelligence artificielle en santé.

Panorama des éditeurs de solution de réutilisation et de valorisation de des données de santé

Dans un contexte de croissance de l’utilisation secondaire des données de santé, l’ANAP et le Health Data Hub ont réalisé conjointement un panorama des éditeurs de solution de réutilisation et de valorisation de ces données qui couvre dix solutions existantes sur le marché et décrit leur couverture fonctionnelle respective afin de faciliter le choix par les porteurs de projets.

A travers ce panorama, l’Anap et le HDH fournissent un état des lieux de l’offre de logiciels existante à date, en mettant en évidence les principaux éléments différenciants entre des solutions présentant des couvertures fonctionnelles très différentes. Ce document vise à apporter aux établissements de santé des informations clés à mettre en regard des besoins fonctionnels exprimés lors du cadrage d’un projet d’Entrepôt de Données de Santé.

Ce panorama sera mis à jour en fonction des évolutions du marché afin d’informer au mieux les détenteurs de données dans leurs projets d’utilisation secondaire des données de santé.

Septième vague de l’AMI BOAS

Le Health Data Hub a dévoilé le nom des lauréats de la septième vague de son appel à manifestation d’intérêt relatif au développement de la Bibliothèque Ouverte d’Algorithmes en Santé. Le jury de cet appel à manifestation, composé de membres du CESREES, de cliniciens, de chercheurs et d’experts de la base principale du SNDS, s’est réuni et a désigné trois projets lauréats :

• SNDS_GraftLoss, porté par le CHU Dupuytren de Limoges, vise à développer un algorithme de détection des pertes de greffon rénal dans la base principale du SNDS. Cet algorithme sera validé à l’aide d’un jeu de données issues du registre CRISTAL,  géré par l’Agence de la biomédecine et gold standard dédié aux transplantations.
• PerinatAlgoVal, porté par Santé publique France, vise à évaluer la fiabilité de plusieurs algorithmes couvrant la périnatalité (diabète gestationnel, hypertension gravidique, dépression post-partum) à l’échelle nationale. La validation de ces algorithmes permettra d’améliorer le suivi de la santé des mères et des nouveau-nés dans la base principale du SNDS.
• PREDICT-EDI, porté par le CHU de Toulouse, ambitionne de développer un algorithme pour prédire l’Indice Européen de Défavorisation (EDI). Cet algorithme utilisera des méthodes d’apprentissage supervisé pour analyser les données de la base principale du SNDS et de la base APSoReN, qui regroupe les données hospitalières pseudonymisées des patients victimes de  traumatisme crânien pris en charge au CHU de Toulouse, en établissant des relations entre variables socio-économiques, cliniques et de consommation de soins.

À terme, les résultats de ces trois projets seront mis à la disposition de la communauté scientifique via la Bibliothèque Ouverte d’Algorithmes en Santé. Ils rejoignent les 22 projets déjà accompagnés dans le cadre de ce programme par le Health Data Hub.

Source : Health Data Hub