La data science pilote la réponse au COVID-19 : insights et stratégies

Malgré les efforts continus pour améliorer les systèmes de santé mondiaux, les épidémies émergentes restent une préoccupation majeure de santé publique. Une réponse efficace à de telles épidémies repose sur une intervention opportune, idéalement informée par toutes les sources de données disponibles.

La complexité croissante des données d'épidémie a mené à l'essor de l'analytique d'épidémie — une science des données conçue pour informer la réponse aux épidémies.

Comment cela fonctionne-t-il ? Il y a quatre objectifs majeurs :

• Collecter des données multi-sources. Ici, il est important de se rappeler que la collecte de données n'est pas simplement choisir des données structurées de documents cliniques. Des sources de données brutes sont aussi impliquées. Par conséquent, l'analytique de données d'épidémie nécessite suppression du bruit, nettoyage des données, et normalisation pour permettre aux données de générer des insights actionnables.
• Fournir une conscience situationnelle. Dans la pandémie, les temps d'incertitude, il est critique de savoir quand le risque est gérable et quand il est le plus susceptible de devenir dangereux. La conscience situationnelle surveillée via des sources publiques diverses aide à atténuer et contrôler ce risque.
• Façonner une réponse efficace. À ce stade, la visualisation de données intervient. Elle présente les résultats analytiques sous une forme claire et conviviale (via tableaux de bord, graphiques, etc.), aidant les décideurs à concevoir des mesures de réponse efficaces sans délais.
• Formation et renforcement des capacités. Une fois une crise résolue, les décideurs regardent en arrière à la situation pour analyser les scénarios de réponse acceptés et sélectionner les stratégies réussies. Puis ils font des amendements pertinents à la formation professionnelle et aux plans d'urgence sanitaire pour être mieux préparés à faire face à une autre crise sanitaire.

La pandémie de COVID-19 n'est pas la seule au 21e siècle ou même dans la dernière décennie. Pas si longtemps, Ebola et Zika ont semé la désolation en Afrique de l'Ouest et dans les Amériques. La réponse rapide et son adaptabilité, les mécanismes de surveillance, et les stratégies de gestion ont aidé les chercheurs et cliniciens à l'époque. Mais sont-elles suffisantes maintenant ? Pas vraiment.

Donnée la portée globale de la pandémie, une réponse efficace est difficile à concevoir sans la coopération extensive des parties clés, et ce n'est pas seulement à propos de recherche transversale dans l'analytique d'épidémie. Avec le virus tourmentant plus de 200 pays, une stratégie de réponse adéquate devrait s'appuyer sur les meilleures pratiques de chaque région.

Heureusement, les chercheurs cliniques et professionnels médicaux du monde entier ont joint leurs efforts dans la lutte contre le virus. Cherchant les meilleures stratégies de résolution de crise, ils ont développé une culture élaborée de partage de données. Ils open-sourcent maintenant leurs développements et travaillent constamment à les améliorer. Grâce à cette approche, nous avons vu des projets de diagnostic uniques, comme DarwinAI (Canada). Avec cet outil de vision par ordinateur en place, il est possible de diagnostiquer le COVID-19 par des scans radiographiques thoraciques seulement. Avant, la seule méthode de diagnostic médical par imagerie du COVID-19 était la tomodensitométrie (CT).

L'approche coopérative inclut l'analytique d'épidémie aussi, qui a alimenté l'analytique en temps réel et de prévention. Ces deux types d'analytique sont au cœur de la contenance de la dissémination du virus.

Données en temps réel

Dans une situation critique, ce type d'analytique pilote la prise de décision rapide basée sur les données et adapte le processus à chaque situation séparément. Une telle analytique est d'importance spéciale pour les professionnels médicaux locaux qui sont en première ligne de la lutte contre le virus.

Les outils d'analytique locale en temps réel sont développés en tenant compte des besoins des acteurs clés. Par exemple, Kinetica et Disaster Tech ont déployé une plateforme analytique dynamique propulsée par l'IA pour assister les intervenants de crise américains à suivre les données liées au coronavirus à la volée. La solution permet aux services d'urgence de visualiser des données statistiques en direct sur la disponibilité des équipements de protection individuelle (EPI), la capacité hospitalière, le nombre de kits de test, la disponibilité d'équipement, et plus pour choisir l'emplacement le plus approprié pour un patient et gagner du temps.

L'analytique en temps réel n'est pas limitée à résoudre des tâches opérationnelles localement. Our World in Data, un projet basé à Oxford conçu pour adresser les problèmes globaux, a déployé une publication massive dédiée aux statistiques COVID-19 mondiales pour alimenter l'analytique continue en temps réel. La source fournit l'accès à une masse de données liées au coronavirus, des nouveaux cas et taux de mortalité à la réponse politique pour chaque pays vivant la crise du coronavirus. Tous les graphiques, rapports, et autres visualisations de données interactives sont mis à jour quotidiennement et disponibles en téléchargement.

Analytique pour la prévention

L'analytique en temps réel a aidé le gouvernement sud-coréen à alimenter la conception de stratégie de prévention et la surveillance des patients Covid-positifs. Elle utilise les données de l'IoT et des solutions IA sous-jacentes aux réseaux de villes intelligentes en direct et les informations personnelles fournies par les patients confirmés. Cela permet aux chercheurs de suivre les mouvements des patients, identifier leurs contacts, et prédire l'échelle potentielle d'épidémie dans une région donnée avec l'aide de l'analytique de big data. Les données sont aussi utilisées pour rédiger des mesures préventives et instructions.

Taïwan a réussi à exploiter l'analytique en temps réel pour la prévention opportune aussi. Juste avant la célébration du Nouvel An lunaire qui marque la saison des fêtes asiatiques, le pays a intégré la base de données d'assurance maladie nationale avec celles pour l'immigration et les douanes. Quand des voyageurs infectés ont commencé à arriver, une solution d'analytique de big data a peigné les bases de données intégrées et établi le lien entre les historiques de voyage des visiteurs et les symptômes qu'ils ont vécus. La solution a envoyé des alertes en temps réel pendant une visite à l'hôpital pour assister l'identification des cas. Elle a aussi permis la classification des voyageurs par risques d'infection en s'appuyant sur l'origine du vol et l'historique de voyage sur les 14 derniers jours.

Dans une situation d'incertitude et de tumulte comme la pandémie présente, les données perspicaces sont roi. Et ce sont les solutions analytiques pertinentes qui peuvent les exploiter et tirer parti de mesures de réponse et prévention adéquates sans délais. En ce sens, l'analytique d'épidémie fonctionne bien.

En même temps, la propagation globale du virus apporte un autre aspect sous les projecteurs — la coopération internationale. Pour développer des stratégies de gestion efficaces, les parties prenantes clés et décideurs de partout dans le monde devraient réviser et améliorer les solutions développées et polir les mesures de réponse en s'appuyant sur les données en temps réel. Ainsi, unir les efforts dans tous les domaines, de l'analytique aux diagnostics et traitements, est le seul moyen d'arrêter la pandémie et d'être mieux préparés pour toute autre urgence sanitaire.

Yaroslav Kuflinski est observateur intelligence artificielle/apprentissage automatique chez Iflexion.