5 nouveaux lauréats sélectionnés dans le cadre de la 3e vague de l’Appel à Manifestation d’Intérêt BOAS !

Le projet BOAS, ou Bibliothèque Ouverte d’Algorithmes en Santé, vise à soutenir le développement et la validation d’algorithmes de ciblage dans les données du Système National des Données de Santé (SNDS). Permettant de repérer les populations présentant un trait de santé particulier, les algorithmes de ciblage sont des outils essentiels à la réalisation d’études à partir des données du SNDS.

“Le projet BOAS c’est aujourd’hui 9 lauréats pour les deux premières vagues, ainsi que 5 nouveaux lauréats pour la troisième. Ces AMI ont mobilisé plus de 20 acteurs et ont suscité un engouement de la communauté pour l’open source” explique Stéphanie Combes, Directrice du Health Data Hub.

BOAS : une démarche Open Source

L’initiative de Bibliothèque Ouverte d’Algorithme en Santé (BOAS) s’inscrit dans une démarche open source, portée par le HDH et la DREES. Le HDH co-construit une série d’outils et d'initiatives en collaboration avec l’ensemble des acteurs du SNDS pour faciliter la prise en main des données en mutualisant les efforts et les connaissances. Au niveau du Ministère de la santé et de la prévention, le projet s’inscrit dans la continuité de la feuille de route AMDAC (Administration des données, des algorithmes et des codes sources) portée par la DREES.

L'événement a aussi permis, lors d’une table ronde, de conclure sur plusieurs pistes concernant le futur du projet BOAS. Plusieurs experts ont évoqué la nécessité de pérenniser l'initiative dans les prochaines années, afin de promouvoir la création de nouveaux algorithmes de ciblage impactants pour l’écosystème, et d’inciter les acteurs à partager leurs algorithmes.

5 nouveaux projets accompagnés par le HDH

Les deux premières vagues de l’AMI BOAS ont donné lieu à 9 projets qui seront bientôt disponibles en open source. Fort du succès des deux premières vagues, le HDH a décidé de lancer une troisième édition de l’AMI. Suite au dépôt de 17 dossiers de candidature, le jury de sélection des lauréats de la vague 3 de l’AMI, composé de cliniciens, de chercheurs et d’experts SNDS, s’est réuni le 28 novembre dernier et a sélectionné 5 lauréats.

ADHÉRENCE

Porté par l’équipe HeKa (Inserm, Inria, Université Paris Cité), l’hôpital européen Georges Pompidou et l’hôpital Henri Mondor (tous deux hôpitaux de l’AP-HP), ce projet vise à développer, évaluer et partager des algorithmes de ciblage des patients atteints de trois types de maladies chroniques. En particulier, le projet considérera l’adhésion dans le cas des cancers traités par voie orale, par exemple par inhibiteurs des tyrosines kinases (médicaments anti-cancéreux), de l’insuffisance cardiaque (IC) et ses traitements, et les transplantations d’organes solides traitées par immunosuppresseurs

AICC-MC

Développé par Santé Publique France et l’Université de Bordeaux, ce projet vise à améliorer la détection des cancers de la peau en développant de nouveaux algorithmes d’identification qui reposent sur la mise à jour des codes maladies, utilisés par les hôpitaux pour décrire les soins effectués, et des affections longues durées (ALD), actuellement utilisés pour cibler les patients atteints de mélanomes cutanés.

ALGO-IBD

Mené par le Centre de pharmaco-épidémiologie de l’AP-HP (Cephépi) et l’Institut Pierre Louis d’Epidémiologie et de Santé Publique (IPLESP), le projet propose de développer des algorithmes d’identification des maladie inflammatoires chroniques intestinales (MICI) à partir de trois sources de données de vie réelle : le Système National des Données de Santé (SNDS), l’entrepôt de données de santé de l’Assistance Publique-Hôpitaux de Paris (EDS AP-HP), et une cohorte prospective de patients atteints de MICI suivis dans des centres de l’AP-HP (SUVIMIC). Ce projet permettra à terme d'évaluer l’efficacité des traitements.

Rhumatismes inflammatoires

Porté par l’hôpital Ambroise-Paré (AP-HP), le Centre de recherche Epidémiologique et Santé des Populations (CESP), l’Université de Versailles, et les cohortes Gazel et Constances (Inserm UMS 11), ce projet vise à étudier la prévalence des rhumatismes inflammatoires chroniques, les comorbidités qui leur sont associées ainsi que leur pronostic. Ce Projet pourra permettre de préciser la prévalence de ces maladies et leurs comorbidités cardiovasculaires. C’est un point d’intérêt majeur car à ce jour il n’y a pas d’algorithmes validés pour le diagnostic de ces maladies ni pour l’évaluation du risque cardiovasculaire.

RISH

Proposé par l’Institut de Recherche et de Documentation en Economie de la Santé (IRDES) à partir d’algorithmes existants, l’objectif de ce projet est de valider des algorithmes de ciblage de personnes à risque de handicap dans le SNDS afin de permettre à la communauté médicale de disposer d’indicateurs synthétiques indiquant si un individu est à risque ou non de handicap. Les algorithmes permettant de construire ces indicateurs seront mis à disposition pour être réutilisés (sélection de pathologies spécifiques, repérage d'aide technique....). Les pathologies ciblées sont les troubles moteurs et organiques, les troubles psychiques, intellectuel et cognitif (PIC), les troubles visuels et les troubles auditifs.

À PROPOS DU HEALTH DATA HUB

Le Health Data Hub est un groupement d’intérêt public créé par la Loi du 24 juillet 2019 relative à l’organisation et la transformation du système de santé. Il associe 56 parties prenantes, en grande majorité issues de la puissance publique (CNAM, CNRS, France Assos Santé…) et met en oeuvre les grandes orientations stratégiques relatives au Système National des Données de Santé fixées par l’Etat et notamment le ministère des Solidarités et de la Santé. C’est un service à destination de l’écosystème de santé, des acteurs à l’origine de la collecte de données, des porteurs de projets d’intérêt général et de la société civile. En ce sens, il promeut l’innovation en santé et l’accessibilité des données et des connaissances par le biais, entre autres, d'événements fédérateurs comme l’organisation de data challenge et d’appels à projets.