Data Science en santé en Afrique

Santé numérique · Data Science · Afrique

Data Science en santé en Afrique : enjeux, opportunités et métiers de demain

Comment les données, la Data Science et l’intelligence artificielle pourraient transformer progressivement les systèmes de santé africains.

Pendant longtemps, lorsqu’on parlait de technologie en santé en Afrique, on pensait surtout à la télémédecine, aux applications mobiles ou à la numérisation des dossiers médicaux. Aujourd’hui, une autre transformation est en train de prendre de l’importance : la capacité à collecter, comprendre et exploiter les données de santé.

Chaque jour, les systèmes de santé produisent une quantité considérable d’informations. Consultations médicales, résultats biologiques, imagerie, hospitalisations, vaccinations, naissances, décès, prescriptions, données d’assurance maladie, surveillance épidémiologique… Toutes ces informations peuvent contribuer à mieux comprendre les problèmes de santé et à prendre de meilleures décisions.

Mais disposer de données ne suffit pas. Encore faut-il qu’elles soient fiables, accessibles, correctement structurées et analysées par des personnes capables de comprendre à la fois les données et les réalités du terrain médical.

C’est précisément à cet endroit que la Data Science en santé prend tout son sens.

La Data Science, c’est quoi exactement ?

La Data Science désigne l’ensemble des méthodes permettant de transformer des données en informations utiles à la décision. Elle mobilise notamment les statistiques, la programmation, l’analyse de données, la visualisation et, de plus en plus, l’intelligence artificielle et le machine learning.

Appliquée à la santé, elle peut permettre d’identifier des facteurs de risque, d’étudier l’évolution d’une maladie, d’améliorer l’organisation d’un hôpital, d’anticiper certains besoins ou encore d’aider les autorités sanitaires à orienter leurs politiques.

L’objectif n’est donc pas simplement de « faire de l’informatique ». L’objectif est de transformer les données de santé en connaissances utiles pour améliorer la santé des populations.

Pourquoi cette question est particulièrement importante en Afrique ?

L’Afrique fait face à des problèmes de santé considérables, mais dispose également d’une opportunité exceptionnelle : celle de construire des systèmes de santé davantage fondés sur les données.

Les besoins sont immenses. Les systèmes de santé doivent simultanément faire face aux maladies infectieuses, aux maladies chroniques, aux problèmes de santé maternelle et infantile, aux épidémies, au vieillissement progressif des populations et à des ressources financières et humaines souvent limitées.

Dans ce contexte, mieux utiliser les ressources disponibles devient essentiel.

Combien de patients sont réellement pris en charge dans une région ?

Quels sont les principaux motifs de consultation ?

Où observe-t-on une augmentation inhabituelle d’une maladie ?

Quels médicaments sont les plus consommés ?

Quels établissements sont les plus sollicités ?

Quels sont les besoins en personnel de santé ?

Où faut-il renforcer les équipements ?

Quels patients présentent un risque élevé de complication ou de réhospitalisation ?

Ces questions ne sont pas théoriques. Elles concernent directement le fonctionnement quotidien des systèmes de santé.

Mais l’Afrique ne manque-t-elle pas déjà de données ?

C’est justement l’un des paradoxes.

Le problème n’est pas nécessairement l’absence totale de données. Le problème est souvent leur qualité, leur fragmentation et leur faible utilisation.

Dans de nombreux systèmes de santé, les informations peuvent être réparties entre plusieurs logiciels, registres papier, fichiers Excel, plateformes nationales et bases de données qui ne communiquent pas toujours correctement entre elles.

Un patient peut ainsi avoir une information enregistrée dans un système hospitalier, une autre dans un laboratoire et une autre encore auprès d’une assurance maladie, sans que ces informations puissent facilement être croisées.

La vraie question

La question devient donc moins : « Avons-nous des données ? » et davantage : « Sommes-nous capables de transformer nos données en décisions ? »

Les grands défis

01

La qualité des données

Une analyse sophistiquée réalisée à partir de mauvaises données peut produire de mauvaises conclusions.

Des données peuvent être incomplètes, mal renseignées, dupliquées, mal codées ou collectées selon des méthodes différentes d’un établissement à l’autre.

La Data Science ne peut donc pas remplacer la qualité des systèmes d’information.

Avant de faire de l’intelligence artificielle, il faut d’abord apprendre à faire de bonnes données.

02

Les infrastructures

La transformation numérique nécessite des infrastructures : ordinateurs, réseaux, serveurs, logiciels, connexion Internet, systèmes d’information hospitaliers, cybersécurité, stockage et sauvegarde des données.

Les réalités sont toutefois très différentes selon les pays, les régions et même entre les établissements d’un même pays.

03

Former des professionnels capables de faire le lien

Nous avons besoin d’informaticiens qui comprennent la santé. Mais nous avons également besoin de professionnels de santé qui comprennent suffisamment les données, les statistiques et les technologies pour dialoguer avec les informaticiens.

Le véritable enjeu n’est donc pas de transformer tous les médecins en programmeurs.

Il est de créer des équipes capables de parler les deux langages.

Et c’est également un domaine qui m’intéresse personnellement

En tant que médecin, je me suis progressivement intéressé à cette question.

Au quotidien, le médecin prend des décisions à partir d’informations : symptômes, antécédents, examens biologiques, imagerie, traitements, évolution clinique.

Mais derrière chaque patient se trouve également une donnée.

Et derrière des milliers ou des millions de patients se trouve quelque chose de beaucoup plus grand : une capacité à comprendre les tendances de santé d’une population.

C’est cette transition qui m’intéresse particulièrement : passer progressivement de la médecine centrée sur le patient à une compréhension plus large des systèmes de santé grâce aux données, sans opposer les deux approches.

La Data Science ne remplace donc pas pour moi la médecine. Elle représente plutôt un nouvel outil permettant de mieux comprendre, mieux prévoir et parfois mieux décider.

Quels seront les débouchés ?

Le développement de la santé numérique va progressivement créer des besoins pour des profils capables de travailler à l’intersection de la médecine, des données et de la technologie.

01

Data Analyst en santé

Analyse les données provenant des hôpitaux, cliniques, laboratoires, assurances ou programmes de santé publique afin de produire des indicateurs utiles à la décision.

02

Data Scientist en santé

Construit des modèles statistiques ou de machine learning permettant notamment de réaliser des prédictions, d’identifier des facteurs de risque ou d’analyser des phénomènes complexes.

03

Biostatisticien

Peut travailler dans la recherche clinique, la santé publique, l’épidémiologie ou l’industrie pharmaceutique.

04

Informatique médicale

Participe à la conception, au déploiement et à l’amélioration des systèmes d’information hospitaliers.

05

IA en santé

Travaille sur l’aide au diagnostic, l’analyse d’imagerie, la prédiction des risques, la recherche médicale ou l’optimisation des parcours de soins.

06

Santé publique & données

Exploite les données pour la surveillance épidémiologique, la planification sanitaire et l’évaluation des politiques de santé.

Les opportunités peuvent également concerner les ministères de la Santé, les hôpitaux, les organismes internationaux, les ONG, les instituts de recherche, les assurances, les entreprises de technologies médicales et les start-up de santé numérique.

Les assurances pourraient également être fortement concernées

Imaginez une compagnie d’assurance disposant de millions de données sur les consultations, hospitalisations, examens, prescriptions et dépenses de santé.

Ces données peuvent permettre d’étudier les dépenses, d’identifier certains facteurs de risque, de mieux comprendre les parcours de soins ou encore d’améliorer la gestion des ressources.

Mais une condition est essentielle

Les données de santé sont particulièrement sensibles. Leur utilisation doit respecter les principes de confidentialité, de sécurité, de protection des personnes et de gouvernance des données.

L’intelligence artificielle ne doit pas être le point de départ

Aujourd’hui, le mot « IA » est partout.

On parle d’IA capable d’analyser des radiographies, de prédire certaines maladies, d’assister les professionnels de santé ou d’automatiser certaines tâches.

Ces possibilités sont réelles et importantes.

Mais dans de nombreux contextes africains, le défi immédiat peut être beaucoup plus simple : numériser correctement les données, améliorer leur qualité, assurer leur interopérabilité et former les professionnels capables de les exploiter.

L’IA sera probablement une partie de cette transformation. Mais elle ne sera pas toute la transformation.

Un risque : importer des solutions conçues ailleurs

Il serait tentant de prendre un modèle d’intelligence artificielle développé en Europe, en Amérique ou en Asie et de l’utiliser directement sur des populations africaines.

Mais un modèle performant dans une population donnée n’est pas automatiquement performant dans une autre.

Les profils épidémiologiques, les pratiques médicales, les infrastructures, les caractéristiques démographiques, les données disponibles et les conditions de prise en charge peuvent être différents.

Pourquoi l’Afrique ne développerait-elle pas davantage ses propres compétences pour produire, évaluer et adapter ses propres outils ?

L’Afrique a besoin de ses propres experts

Le véritable enjeu n’est finalement pas seulement technologique.

Il est humain.

Si l’Afrique veut construire des systèmes de santé véritablement numériques, elle aura besoin de médecins, infirmiers, pharmaciens, épidémiologistes, statisticiens, ingénieurs, informaticiens et data scientists capables de travailler ensemble.

Elle aura besoin de chercheurs capables de produire des connaissances adaptées aux réalités locales.

Elle aura besoin d’entrepreneurs capables de transformer ces connaissances en solutions.

Et elle aura besoin de décideurs capables de comprendre suffisamment les données pour prendre des décisions fondées sur des preuves.

Vers une nouvelle génération de professionnels de santé

La médecine de demain ne sera probablement pas uniquement une médecine plus technologique.

Elle devra surtout être une médecine plus informée par les données.

Le médecin restera au contact du patient. Mais il travaillera de plus en plus avec des systèmes capables d’analyser de grandes quantités d’informations.

Le professionnel de santé qui comprendra à la fois son domaine clinique et les principes fondamentaux de la donnée pourra devenir un acteur particulièrement intéressant de cette transformation.

Et pour l’Afrique, cette évolution représente une opportunité considérable.

Il ne s’agit pas de reproduire exactement les systèmes développés ailleurs. Il s’agit de construire des solutions adaptées à nos réalités, à nos populations et à nos systèmes de santé.

La question n’est donc plus de savoir si la Data Science entrera dans la santé africaine. Elle y est déjà.

La véritable question est désormais de savoir qui maîtrisera ces technologies, qui produira les données, qui les analysera et surtout qui les utilisera pour améliorer concrètement la santé des populations africaines.

Et peut-être que la prochaine génération de professionnels de santé devra apprendre à faire quelque chose qui semblait autrefois très éloigné de la médecine : soigner avec le savoir clinique, mais aussi décider avec les données.

Pour aller plus loin

JA
Dr Junias Asso Médecin · Santé publique · Santé numérique · Communication en santé
Categories:

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *