Orange Healthcare et Sanoïa : du Machine Learning pour le suivi des rhumatismes inflammatoires

Orange Healthcare, Sanoïa et l'hôpital de la Pitié-Salpêtrière à Paris démontrent que les poussées de rhumatismes inflammatoires (polyarthrite rhumatoïde et spondylarthrite axiale) peuvent être détectées grâce à un traceur d'activité combiné à une technologie d'apprentissage par machine.


Lors de la réunion annuelle de l'American College of Rheumatology qui s'est tenue à San Diego du 3 au 8 novembre 2017, Sanoïa et Orange Healthcare ont participé à une présentation scientifique en collaboration avec le professeur Laure Gossec, du service de rhumatologie de l'hôpital de la Pitié-Salpêtrière à Paris : une analyse de 15 millions de points d'information provenant d'une cohorte de 170 patients suivis pendant 3 mois, réalisée par le machine learning (*) (étude Act-Connect).


Les scientifiques d'Orange Labs ont utilisé un outil d'apprentissage automatique interne (Khiops ©) pour développer un modèle qui détecte les poussées de la maladie avec un taux de fiabilité de 96%.


Un essai prometteur


En utilisant et en analysant des données anonymes recueillies à partir d'objets médicaux connectés, les résultats de cet essai ont été très prometteurs. Selon Élie Lobel, PDG d'Orange Healthcare : "Les conclusions de cette étude sont le résultat d'une fertilisation croisée des expertises de l'industrie, de la recherche clinique (CRO) et des professionnels de santé, démontrant notre capacité à accélérer le développement de services adaptés au suivi des maladies chroniques". Cette technique illustre comment l'intelligence artificielle peut être utilisée dans le domaine de la santé. Elle peut contribuer :


  • Au système de soins : elle permet un suivi plus étroit du patient, par la télémédecine ou la programmation de rendez-vous autour de l'activité de la maladie

  • A la Recherche clinique : elle offre un accès continu et en temps réel à certaines données sur les patients. Ces données indiquent la fréquence des poussées et servent à mesurer l'efficacité des médicaments en rhumatologie.


Le professeur Laure Gossec déclare : "placer le patient au centre de ses soins est notre priorité. Avoir accès à des outils numériques faciles à utiliser, qui peuvent quantifier l'expérience quotidienne d'un patient et les transformer en indicateurs cliniques, est extrêmement innovant".


"L'écosystème des soins de santé a longtemps cherché à s'appuyer sur des objets connectés, afin de pouvoir tirer pleinement parti des données qu'ils fournissent dans un contexte médical, en tant que source d'information et de prévisibilité. Cet essai, qui allie agilité et rigueur scientifique, montre comment cela est possible en termes pratiques. Nous allons maintenant intégrer ces résultats aux services CRO digitaux que nous proposons aux promoteurs de la recherche", conclut Hervé Servy, PDG de Sanoïa.


(*) Le machine learning est un domaine d'étude de l'intelligence artificielle qui fournit à un ordinateur ou à une machine une méthode d'apprentissage automatisée lui permettant d'effectuer un certain nombre de tâches difficiles ou exigeantes. L'objectif est de rendre la machine ou l'ordinateur capable d'apporter des solutions à des problèmes complexes, en traitant un énorme volume d'informations. Cette offre permet ainsi d'analyser et d'identifier les corrélations entre deux ou plusieurs situations spécifiques, et de prévoir leurs différents résultats.


Pour en savoir plus sur l'apprentissage machine, consultez le site : http://www.lebigdata.fr/machine-learning-et-big-data


Orange Healthcare and Sanoïa : the use of Machine Learning to monitor inflammatory rheumatism


Orange Healthcare, Sanoïa and the Pitié-Salpêtrière hospital in Paris demonstrate that flare-ups in inflammatory rheumatism (rheumatoid arthritis and axial spondyloarthritis) can be detected using an activity tracker combined with machine learning technology.

At the Annual Meeting of the American College of Rheumatology which took place in San Diego from November 3–8, 2017, Sanoïa and Orange Healthcare took part in a scientific presentation in collaboration with Professor Laure Gossec, from the rheumatology department at the Pitié-Salpêtrière hospital in Paris: an analysis of 15 million information points from a cohort of 170 patients monitored over 3 months, conducted by machine learning (*) (Act-Connect study).


Data scientists at Orange Labs used an in-house machine learning tool (Khiops ©) to develop a model that detects flare-ups in the condition with a reliability rate of 96%.

A promising trial

Using and analyzing anonymized data gathered from connected medical objects, the results of this trial were very promising. According to Élie Lobel, CEO of Orange Healthcare: “The conclusions of this study are the result of cross-fertilization of expertise from industry, clinical research (CRO) and health professionals, demonstrating our ability to accelerate the development of services adapted to the monitoring of chronic diseases.” This technique illustrates how artificial intelligence can be used in the healthcare domain. It can contribute to:

  • The care system: it enables closer monitoring of the patient, through telemedicine or the scheduling of appointments around the activity of the disease,

  • Clinical research: it offers continuous and real-time access to certain patient data. This data indicates the frequency of flare-ups and acts as a measure of the effectiveness of drugs in rheumatology.

Professor Laure Gossec says: “putting the patient at the center of their care is our priority. Having access to digital tools that are easy to use, which can quantify a patient’s everyday experience and transform them into clinical indicators is extremely innovative.”

“The healthcare ecosystem has long sought to rely on connected objects, so as to be able to take full advantage of the data they provide in a medical context, as a source of information and predictability. This trial, which combines agility with scientific rigor, demonstrates how this is feasible in practical terms. We will now incorporate these outcomes in the Digital CRO we offer to sponsors of research,” concludes Hervé Servy, CEO of Sanoïa.


(*) Machine learning is a field of study within artificial intelligence that provides a computer or a machine with a method of automated learning, enabling it to carry out a number of difficult or demanding tasks. The goal is to make the machine or computer capable of providing solutions to complex problems, by processing a huge volume of information. This offer thus makes it possible to analyze and identify correlations between two or more specific situations, and predict their various outcomes.

Find out more about machine learning at: http://www.lebigdata.fr/machine-learning-et-big-data