Big Data, médecine personnalisée, applications mobiles santé, attention aux effets de mode

Un rapport de Arlen Weintraub publié en novembre 2014 par FierceBiotech résume bien les tendances et confusions autour de ces notions très en vogue (From Apps to Big Data: Operational Innovations in Life Cycle Management).

La quantité de données traitées suffit à revendiquer un label Big Data alors que cette notion va bien au dela des simples aspects quantitatifs ; la médecine personnalisée se résume trop souvent à simplement respecter les indications dûment approuvées et les applications mobiles citées comme exemple se limite le plus souvent à des aides à l’observance.

Les applications mobiles santé au service de la compliance au traitement

L’adhésion au traitement, médicamenteux ou pas, est un élément essentiel de son efficacité mais également de sa sécurité. Il est possible d’ajouter la dimension économique puisque comme cela est reporté dans l’article ; le traitement le plus coûteux est celui qui n’est pas pris ;

« the most expensive drug is the one the patient doesn’t take », Brad Curtis, principal research scientist of global medical affairs for Lilly Diabetes.

La question aujourd’hui n’est plus de développer une telle application mais de savoir si celle-ci peut trouver sa place sur ce marché déjà très encombré. La fâcheuse mais compréhensible tendance à proposer un tel service en le limitant aux produits du laboratoire a laissé le champ libre à des acteurs spécialisés et indépendants. En effet, si il est fréquent qu’un patient souffrant d’une maladie chronique prenne plusieurs médicaments, la probabilité de ceux-ci soient commercialisés par un même groupe est très faible pour ne pas dire nulle si des génériques sont disponibles.

Une exception toutefois, et de taille, avec Care4Today de Janssen du groupe J&J (entre 50 et 100’000 téléchargement sur plateforme Android, chiffre non disponible sur iOS Apple) qui visiblement gagne le statut de référence dans le domaine. La raison est très simple, comme le précise Fran Devlin, Head of Marketing de Care4Today, l’application est agnostique et permet de suivre 40’000 médicaments différents, bien au-delà du portefeuille de Janssen aux USA et au Royaume-Uni où cette application est disponible.
Il est peu probable qu’il existe encore une place pour une application équivalente développée par un autre laboratoire.

Reste le domaine des affections et maladies chroniques d’exception, c’est-à-dire touchant une population restreinte et aux traitements spécifiques, le plus souvent en monothérapie. L’exemple cité dans l’article de MS Self, l’application mobile santé développée par le laboratoire Acorda Therapeutics à destination des patients souffrant de sclérose en plaque est tout à fait significatif.

Au-delà des rappels envoyés aux patients, ceux-ci sont invités à partager des informations sur leur statut avec le laboratoire qui, en retour peut suggérer des recommandations adaptées à la situation. Les capacités d’apprentissage et d’intégration de données externes, comme les prévisions météo du lieu de résidence du patient, permettent à l’application d’anticiper et potentiellement de prévenir une gêne, voire une dégradation de l’état du patient. Ainsi, celui-ci pourra recevoir via l’application une suggestion de reporter certaines activités prévues dans son agenda et qui ont été associées par le passé avec une gêne dans des conditions climatiques, chaud et humide par exemple, identiques à celles des prévisions météo.

MSSELF App

Il est important de souligner que ces alertes sont spécifiques de chaque patient, dont la sensibilité aux conditions climatiques est très variable d’un individu à l’autre.
Voilà donc un bon exemple non pas de médecine personnalisée mais de prise en charge individualisée.

Un autre élément mérite d’être souligné, la notion d’échange entre le patient et l’application, et au-delà bien sûr le laboratoire. Le patient envoie des informations, il donne et il reçoit en échange des informations et des conseils pertinents car individualisés.

 

 

Cet échange semble d’ailleurs être un élément clé du succès de telles applications mobiles santé même si sa forme peut être très variée. Ainsi pour l’application mobile Care4Today de Janssen, le laboratoire s’engage à verser pour chaque jour d’utilisation de la plateforme $0.25 à l’organisation caritative du choix du patient. Rappelons que l’application du laboratoire pharmaceutique est totalement ouverte et non limitée aux médicaments qu’ils commercialisent.

Au-delà de l’image de marque et de la notoriété, où se trouve alors l’intérêt de proposer un tel service ?
Dans les données recueillies comme nous allons le voir maintenant.

Big Data et applications mobile santé

Comme le déclare le Sr. Director, Corporate Digital Strategy de Acorda Therapeutics, Mr Mike Russo,

« l’auto-évaluation est une immense opportunité pour l’industrie »

Ainsi, plusieurs responsables cités dans l’article font état de leurs ambitions de constituer de nouvelles bases de données dont l’exploitation pourra déboucher sur la définition de nouveaux critères cliniques, « clinical endpoints », pour le développement de futures molécules, notamment par le biais d’accords de collaboration et partenariat.

Ainsi Merck a passé un accord de 5 ans avec l’institut Regenstrief, Indianapolis, pour exploiter les données provenant de près de 100 hôpitaux afin notamment de mieux comprendre comment les médecins prennent en charge les patients souffrant d’affection chronique comme l’ostéoporose, le diabète ou encore l’insuffisance cardiaque chronique.
Si l’approche est respectable et pleine d’intérêt, il est étonnant de voir resurgir de vieux serpents de mer ; ainsi l’objectif déclaré est de trouver des corrélations, a posteriori par définition, entre compliance au traitement et consultations médicales ou bien encore entre l’utilisation de rappels automatiques et l’efficacité du traitement, «  change patient behavior for the better and improve outcome ».
Rien de bien nouveau donc ni de très prometteur à ce stade puisque depuis des décennies ces approches rétrospectives et statistiques ont toujours été décevantes; il est peu probable que l’augmentation de la taille des données puisse avoir un quelconque intérêt.

A l’inverse, l’objectif déclaré de combiner ces analyses avec des données non-structurées comme par exemple, les notes manuscrites des prescripteurs, les « hospital discharge summaries », est lui bien nouveau.

 

Big Data et pharmaco-économie

De nombreux autres accords de ce type sont cités comme ceux entre Wellpoint et AstraZeneca ou Boehringer Ingelheim, ou encore entre Eli Lilly et Humana.

La division Wellpoint HealthCore Research intègre les données de sources diverses, établissements hospitaliers, laboratoires (de biologie), pharmacies avec notamment comme objectif de mieux comprendre les interactions entre prescriptions, délivrances et compliance au traitement.
L’intérêt déclaré de ces partenariats et collaborations est de pouvoir fournir aux assureurs privés ou publics de solides données sur l’utilisation et l’efficacité de tel ou tel médicament en situation réelle ; « real life study ». Compte tenu de la pression toujours plus forte sur le prix des traitements et médicaments, il est très probable que de telles collaborations sont promises à un bel avenir.

Big Data et tartes à la crème

le chemin qui mène au Big Data est encore long…

Pour illustrer ce point, il suffit de lire les déclarations de Jeff Huth, senior vice President of managed markets pour Boehringer Ingelheim (US). Il est clairement énoncé d’utiliser cette approche pour comprendre pourquoi la warfarine est encore autant utilisée et retarde l’adoption des nouveaux anticoagulants comme le Pradaxa de Boehringer Ingelheim.

Ceci est curieux voire choquant. Il est probable que la position d’autres responsables de Boehringer Ingelheim dans les départements marketing, affaires réglementaires et bien évidemment affaires médicales soit sensiblement différente.

Comment nier l’âpreté du débat entre experts sur ces nouveaux anticoagulants, comment oublier la décision de Boehringer Ingelheim de payer 650 $Mio  pour solder près de 4000 plaintes liées à des effets indésirables probablement lié à un défaut d’information corrigé en 2011. Non, les Big Data n’ont pas réponse à tout.

Ce même Jeff Huth semble d’ailleurs éloigné de la réalité du développement et de la commercialisation d’une nouvelle molécule innovante. Ainsi il déclare qu’il est aujourd’hui nécessaire d’inclure les bons critères pharmaco-économiques d’évaluation dans les études, parce qu’historiquement l’industrie pharma s’est concentrée presque exclusivement sur l’approbation par la FDA (NDR ; sur des critères cliniques). Il est amusant de voir certains redécouvrir l’eau chaude grâce à ces nouveaux outils.

Plus sérieusement, le recueil, le traitement et l’analyse continue de données en situation réelle est une immense opportunité pour la justification et donc la défense du prix des traitements car si il n’est pas toujours facile d’obtenir initial un prix et des conditions de remboursement à la hauteur des investissements et des risques pris, il est encore plus difficile de le maintenir tout au long de la période d’exploitation.

Big Data et médecine personnalisée

Deux termes, deux concepts à la mode, largement utilisés et cités mais rarement à bon escient.

La notion de Big Data, ou mégadonnées, données massives voire datamasse en français renvoie bien sûr à l’importante quantité de données recueillies, stockées et traitées. Si cette abondance pose de nouveaux défis pour le recueil, le stockage et bien sûr le traitement, l’intérêt notamment pour les industries de santé réside dans l’utilisation qui peut être faite des données une fois traitées.

L’inspiration peut venir des meilleures pratiques actuellement en place dans des domaines très concurrentiels comme la publicité personnalisée, et bien sur le commerce classique ou en ligne.

Un bon exemple d’une exploitation concrète de ces Big Data est l’envoi sur le smartphone d’un client potentiel d’une offre promotionnelle au moment où il passe physiquement devant le magasin qui commercialise le produit pour lequel il a effectué une ou plusieurs recherches récentes sur le web.

On peut facilement imaginer des applications dans le domaine thérapeutique comme on l’a vu précédemment avec l’application MS Self de Accorda Therapeutics, il est utile de rapidement définir les limites inhérentes à la protection des données personnelles notamment en matière médicale.

Ainsi, il est hautement improbable que les Etats-Unis et l’Europe autorise une exploitation quelconque de données individuelles par des acteurs tels que les laboratoires pharmaceutiques et autres industries de santé ; il est donc improbable de voir un jour des applications mobiles ou des services web envoyer par exemple des recommandations d’ajustements de doses de médicaments au delà de l’insuline pour les patients diabétiques et les anti-vitamines K pour les patients sous anticoagulants.

C’est probablement dommage et certainement un peu hypocrite de la part des autorités de santé compte tenu des avancées dans d’autres domaines notamment le pancréas artificiel –voir l’article sur ce sujet mais c’est un fait. La commercialisation d’un médicament ou d’un dispositif médical n’est pas une activité comme les autres.

Médecine personnalisée ou médecine individualisée ?

Au-delà des finesses sémantiques, il est bon de rappeler que la médecine a toujours été personnalisée et individualisée, il suffit d’interroger n’importe quel médecin ou professionnel de santé. Ce qui est nouveau aujourd’hui c’est la personnalisation ou l’individualisation notamment de la thérapeutique et au delà de la prise en charge. Bien évidemment c’est beaucoup moins communicant.

Cette notion de médecine personnalisée contient dans sa définition même quelques contradictions ; ainsi Wikipedia dans sa version anglaise propose ;

« Personalized medicine or PM is a medical model that proposes the customization of healthcare – with medical decisions, practices, and/or products being tailored to the individual patient. In this model, diagnostic testing is often employed for selecting appropriate and optimal therapies based on the context of a patient’s genetic content and/or other molecular analysis.[1] The use of genetic information has played a major role in certain aspects of personalized medicine (e.g. pharmacogenomics), and the term was first coined in the context of genetics, though it has since broadened to encompass all sorts of personalization measures.[1]”

Force est de constater que les exemples les plus significatifs de médecine personnalisée comme Herceptin pour le « traitement du cancer du sein métastatique, avec surexpression tumorale de HER2 » renvoient en fait à des approches par groupes ou populations, de patients répondeurs ou pas à tel ou tel traitement car porteurs ou pas de tel ou tel marqueur biologique.
Un groupe n’est pas un individu.

Il est bien sûr possible d’imaginer que la multiplication des marqueurs biologiques puisse conduire à une réelle individualisation de la prise en charge thérapeutique. Peut-on toutefois imaginer que l’arsenal thérapeutique puisse un jour comprendre autant de médicaments et de combinaisons médicamenteuses qu’il y a d’individus à traiter ? Ce n’est pas improbable c’est juste irréaliste.

La médecine individualisée est-elle un mythe ?

Pour autant cette quête de l’adaptation de la prise en charge notamment thérapeutique n’est pas vaine; elle va bien au-delà de la sélection des meilleures options thérapeutiques pour un groupe donné de patients. Deux conditions sont toutefois à réunir :

  • Intégrer au processus de décision des données individuelles et donc uniques
  • S’affranchir des limitations inhérentes à la protection des données personnelles

 

Pour le recueil de données individuelles, les applications santé mobiles sont certainement promises à un très bel avenir soit parce que c’est le patient lui-même qui alimente, en pleine conscience sa propre base de données, soit comme on l’a vu, parce que l’application mobile suit le patient car intégrée à son smartphone ou sa tablette.

L’individualisation de la prise en charge, notion plus complète et plus ambitieuse que la personnalisation, intègre ces deux notions nouvelles et prometteuses, le suivi dans le temps et dans l’espace de chaque patient.

Au registre de la protection des données personnelles, les applications mobiles représentent également une voie prometteuse puisque le patient est informé du recueil des données et consentant à leur utilisation.

To Big data or not to Big Data ?

La progression vers cette médecine individualisée passe obligatoirement par le rapprochement, le traitement et l’utilisation de données de sources variées, historiques et en temps réel, individuelles et extraites de base de données communautaires.
Au-delà des questions techniques, logistiques et réglementaires, c’est bien la question du recueil et du traitement de données au niveau individuel qui est le véritable défi. Les applications mobiles santé sont à l’évidence une solution très prometteuse aussi bien pour recueillir l’information que pour la restituer, après traitement, à chaque individu.

Le domaine de la compliance (ou observance), présente l’avantage de l’universalité, toute prescription médicale ayant pour but d’être suivie. Il pourrait donc s’agir du point de départ commun car une telle approche accompagne le patient tout au long de son traitement.

Au-delà de l’aide à l’observance, les opportunités sont plus limitées et spécifiques d’une pathologie ou d’un traitement donné. L’auto-ajustement des doses d’insuline, pour les patients diabétiques ou le monitoring des AVK (anti-vitamines K), coumadine et warfarine, pour les patients porteurs de valves cardiaques ou souffrants de fibrillation auriculaire, sont des modèles extrêmement riches d’enseignements techniques et réglementaires. Pour aller plus loin sur ces questions, il est recommandé de consulter l’article traitant de la première application mobile autorisée par la FDA pour le suivi continue de la glycémie de patients diabétiques.

Compte tenu de la diversité des compétences à réunir et des moyens à coordonner pour avancer sur ce sujet, l’avenir est certainement à la collaboration entre industries de santé, agrégateurs de données, développeurs, professionnels de santé et très certainement assureurs privés ou publics. Fédérer autant d’acteurs prendra beaucoup de temps mais les alliances et partenariats en place montre que cela est possible.

Pour conclure, il est probable que « Big Data » et « médecine personnalisée » aient un avenir commun et que celui-ci passe par le recueil et le traitement continus de données au niveau individuel. Les applications mobiles santé ouvrent une voie très prometteuse pour satisfaire aux exigences réglementaires et juridiques de cette individualisation.