This content has not been translated yet: it is shown in its original language (French).
Contents
Aujourd'hui, la médecine est réactive : vous tombez malade, vous consultez, vous recevez un traitement. La médecine prédictive inverse ce paradigme : elle anticipe, elle personnalise, elle intervient avant.
Fusionner toutes nos données
Comment ? En combinant dans un même modèle :
- les données génomiques (votre ADN) ;
- épigénomiques (votre horloge biologique) ;
- microbiomiques (votre flore intestinale) ;
- cliniques (vos constantes, vos antécédents) ;
- comportementales (activité physique, sommeil, alimentation) ;
- environnementales (pollution, stress).
Un modèle de machine learning estime alors votre risque de développer chaque maladie sur les 5, 10 ou 20 prochaines années.
Des courbes de survie personnalisées
Le modèle de Cox, combiné aux forêts de survie aléatoires et aux réseaux de neurones récurrents pour les données suivies dans le temps, permet de construire des courbes de survie personnalisées : votre propre trajectoire de risque.
UK Biobank (500 000 participants génotypés et suivis) et le programme All of Us aux États-Unis sont les précurseurs de cette médecine des données. En Afrique, des initiatives comme H3Africa et AWI-Gen posent les fondations des grandes cohortes.
Commencer simplement au Bénin
Pour le Bénin, la médecine prédictive peut commencer par des actions simples :
- un score de risque cardiovasculaire calculé à chaque consultation, adapté aux populations africaines ;
- un algorithme de détection précoce de la tuberculose dans les zones à forte prévalence ;
- une prédiction du paludisme grave chez l'enfant à partir des données cliniques d'admission.
Le chaînon manquant
Le message est simple : les données sont là, les algorithmes existent, les problèmes africains sont réels. Il manque des data scientists formés, engagés et ancrés dans leur continent.
Soyez-le.
