Collaboration avec le Réseau Polyarthrite Rhumatoïde du Languedoc Roussillon

1. Collaboration avec le Réseau Polyarthrite Rhumatoïde du Languedoc Roussillon Retour d'expérience sur le développement d'une solution pour une meilleure compréhension de l'évolution de la Polyarthrite Rhumatoïde Sandra Belfils – IBM Operational Decision Manager / Product Designer Valérie Le Roy – Architecte de solutions pour la santé

2. Centre d’Excellence Mondial pour la Santé à La Gaude Smarter Healthcare Focus Areas Business Process Modernization Digital Hospital eHealth Transformation Care Coordination Outcome management Patient Care & Insights Provider Outcome Analytics Technical Core Competencies Integrating the Healthcare Enterprise (IHE), Continua Health Alliance, HL7 & DICOM Service Oriented Architecture for Healthcare Master Data Management Advanced Analytics Universal integration Remote Patient Monitoring 2

3. The Industry Solution Center @ IBM Client Center Smarter Healthcare To build a smarter system, healthcare solutions need to be instrumented, interconnected and intelligent Digital Hospital Immersive Environment Patient Home 3

4. La Polyarthrite Rhumatoïde • Maladie dégénérative inflammatoire chronique, caractérisée par une atteinte articulaire bilatérale et symétrique, évoluant par poussées vers la déformation et la destruction des articulations atteintes • Prévalence est variable suivant les pays, nette prédominance féminine • Pic de fréquence autour de la quarantaine • Maladie auto-immune d’origine inconnue Objectifs du Réseau Polyarthrite Rhumatoïde du Languedoc-Roussillon • Diagnostic et traitement précoce de la PR pour une prise en charge coordonnée • Accès rapide aux biothérapies et suivi de celles-ci • Formation médicale continue des soignants • Réseau construit autour du malade grâce à un dossier patient partagé informatisé et sécurisé

5. Notre Objectif InitialDévelopper un scénario utilisant la solution ICPA sur un cas client La solution ICPA (IBM Content and Predictive Analytics): Permet d’analyser le langage naturel Permet de construire des modèles prédictifs (solution SPSS) Développer un scénario avec le Réseau Polyarthrite Rhumatoïde du Languedoc-Roussillon La Polyarthrite Rhumatoïde est une maladie chronique, avec des phases de poussée de la maladie Un traitement approprié délivré en avance permettrait d’éviter les phases de poussée. Le challenge Trouver des prédicteurs de risque dans les données disponibles lors de la première visite du patient Alerter l’équipe médicale sur l’évolution probable du patient, afin d’optimiser les résultats cliniques

6. Architecture de la solution

7. Cycle de développement itératif

8. Première étape : calcul de la sévérité Nécessité de prendre en compte de l’information située dans du texte (présence d’érosions et présence d’anticorps anti-CCP )

9. Première étape : calcul de la sévérité Développement d’annotateurs Les médecins utilisent très fréquemment le champ synthèse (texte libre) pour donner des informations médicales très importantes. Ce champ n’est pas actuellement analysé par l’application existante du Réseau La solution ICPA permet le développement d’annotateurs spécifiques pour extraire de l’information du texte. Exemple : état érosif

10. Première étape : calcul de la sévérité Développement d’annotateurs Plusieurs annotateurs ont été développés: - stade érosif - présence d’anticorps anti-CCP - progression structurelle Le stade érosif et la présence d’anticorps anti-CCP sont des champs qui existent déjà dans l’application, mais ils sont rarement utilisés par les médecins. En général, les médecins préfèrent utiliser le champ synthèse et du texte libre pour signaler cette information L’utilisation d’ICPA permet maintenant d’analyser cette information

11. Deuxième étape : développement d’un modèle prédictif Le modèle est construit à partir des données collectées - On connaît l'évolution de l'indicateur de sévérité de chaque patient - On sait quels patients vont évoluer vers une polyarthrite sévère - But : arriver à prédire quels patients vont évoluer vers une polyarthrite sévère en se basant uniquement sur les données de la première consultation - Résultat espéré : - Obtenir un modèle le plus précis possible - Avoir une meilleure connaissance des données Nécessité de développer un nouvel annotateur permettant de récupérer les antécédents médicaux du patient décrits dans le champ synthèse : - Diabète - Cholestérol - Hypertension artérielle - Infarctus du myocarde - Infections - Tabagisme

12. Deuxième étape : développement d’un modèle prédictif

13. Résultats Analyse Prédictive 110 facteurs ont été analysés. 11 facteurs sont réellement utilisés pour construire le modèle prédictif : - Stade érosif - Positivité du facteur rhumatoïde - Vitesse de sédimentation > 30 - 1 biothérapie - 2 biothérapies - Situation d’invalidité - 2ième articulation métacarpo-phalangienne de la main droite touchée - Genou droit touché - Genou gauche touché - 2ième articulation interphalangienne proximale de la main droite touchée - Antécédents personnels d’hypertension artérielle

14. Résultats Modèle développé 74% de précision - trop faible au niveau statistique pour être utilisé en situation réelle - assez précis pour valider la démarche adoptée Besoin de plus de données - plus de patients - plus de complétude dans les données - plus de fréquence dans les relevés Enseignements sur la solution ICPA Validation de sa couverture fonctionnelle - Analyse de textes - Analyses prédictives Meilleure connaissance de son architecture et de son cycle de développement