Sites Inria

Le 26.02.2015

Pandémies : les données c’est la santé

La lutte contre les maladies ne se limite pas aux progrès de la médecine. Élaborés à partir de données recueillies auprès des patients, les modèles numériques jouent eux aussi un rôle majeur dans les stratégies thérapeutiques.
Médecins du NHS, le système de santé publique du Royaume-Uni, pratiquant en équipement complet de protection individuelle (EPI) - photo Simon Davis/DFID, CC BY 3.0

Début février, l’épidémie d’Ebola en Afrique de l’Ouest avait tué près de 9 000 personnes et infecté près de 22 000 habitants. Une pandémie de grande ampleur, qui après des mois de lutte acharnée, semble enfin s’essouffler. D’abord sous-estimé lors de l’apparition de la maladie fin 2013, le risque avait ensuite été largement surestimé. En septembre 2014, un épidémiologiste allemand évoquait ainsi l’hypothèse de 100 000 cas à fin décembre 2014… Parfois imprécises, ces estimations restent vitales. Elles permettent à l'Organisation mondiale de la santé (OMS) de prévoir quels moyens doivent être déployés pour lutter efficacement contre la maladie.

Comprendre la maladie de l’intérieur

Pour disposer d’un scénario le plus précis possible, il est nécessaire d’étudier la maladie dans toutes ces dimensions : son l’évolution dans le corps du patient, sa transmission d’un individu à l’autre et sa propagation dans différentes zones géographiques (locale, régionale, continentale, mondiale). Pour chacune de ces échelles d’observations, les données vont permettre de comprendre précisément les mécanismes de diffusion des maladies. Et quand celles-ci viennent à manquer, les outils mathématiques se révèlent alors essentiels pour combler les lacunes.

C’est par exemple le cas pour la détection du paludisme. « Pour connaître l'état d'un patient et adapter la dose d’antipaludique, le praticien doit normalement compter les parasites en circulation dans le sang, les globules rouges sains et les globules rouges infectés, détaille Gauthier Sallet, chercheur au sein de l'équipe MASAIE d’Inria. Or, les parasites ayant tendance à se concentrer dans les organes internes, les prélèvements réalisés dans les veines des bras ne permettent pas de connaître l'avancement de l'infection. Pour avoir des données plus complètes, nous simulons un « faux patient » à partir d'algorithmes qui reproduisent la propagation du parasite dans l'organisme. Pour que le comportement de ce modèle numérique se rapproche du vrai patient, nous l'alimentons d'une seule donnée (les globules infectés). Au bout de huit mesures, le « faux patient » adopte un comportement très proche du vrai patient. Nous pouvons alors connaître chacun des paramètres nécessaires au traitement, n'importe où dans le corps. » Une avancée majeure qui pourrait par exemple permettre de connaître précisément le niveau d’infectiosité d’un malade.

Identifier les transmetteurs

À l’échelle supérieure, la problématique est différente : elle porte à la fois sur deux paramètres : le comportement humain et l’infectiosité des patients. L'équipe du professeur Philippe Vanhems du laboratoire de biométrie et de biologie évolutive (Université Lyon 1) du CHU de Lyon, a récemment géolocalisé les soignants et les patients hospitalisés dans un service de gériatrie pour décrire l’évolution d’une épidémie de grippe. « Nous avons équipé les patients et les soignants de badges porteurs de puces RFID permettant de décrire les contacts interindividuels et complété ces mesures par des prélèvements virologiques diagnostiques de grippe, détaille-t-il. Nous avons ainsi documenté la transmission du virus grippal d'une personne à l'autre. » Une expérience qui a permis de repérer des individus clefs : les « supercontacteurs ». Ce sont par exemple des soignants ayant de multiples contacts journaliers avec les patients (prise de température, etc.), susceptibles de faciliter l’éclosion d’un épisode épidémique. « Il ne faut pas les confondre avec les « superspreader », des personnes clés dans la transmission, car elle excrètent le virus en grande quantité et peuvent le transmettre très largement », précise Philippe Vanhems. Un travail d’identification capital car il complète les modèles mathématiques décryptant la diffusion de la maladie.

Simuler à l’échelle du monde

Dernière brique de la compréhension d’une pandémie, son étude à une large échelle géographique. Certains modèles mathématiques, comme GLEAM (Global Epidemic And Mobility model), sont aujourd’hui capables de calculer les probabilités de dispersions d'une maladie comme Ebola n'importe où dans le monde. Pour concevoir ce logiciel, une équipe scientifique implantée en France, en Italie et aux Etats-Unis a croisé trois types de bases de données : la population par carrés de 20 km sur 20 km, les données épidémiologiques décrivant la dispersion de la maladie et des données de mobilité. « Pour le transport aérien, nous avons pu nous appuyer sur l'incroyable base de données de l'IATA*, qui détaille 15 000 connexions dans 3 000 aéroports, précise Vittoria Colizza, chercheuse à l'Inserm. Pour le transport terrestre, nous avons récupéré des données pays par pays. Quand elles n'existaient pas, nous avons appliqué un algorithme de géographie pour extrapoler les déplacements des populations. La construction de cette seule base nous a demandé deux ans de travail. »

Une fois le modèle constitué, l'équipe l'a testé avec différents paramètres et comparé les résultats avec les données de l’OMS pour se rapprocher le plus possible des schémas de propagation connus. Au bout d'un certain nombre de scénarios évalués, GLEAM était capable de déterminer, pour n'importe quel point du globe, une échelle de risque moyen. De quoi guider les décisions des autorités sanitaires sur la fermeture d’un aéroport, d’une frontière ou la préparation de stocks de médicaments.

Tenir compte des contraintes locales

Seul problème, dans certains pays, les données restent lacunaires, voire inexistantes. C’est notamment le cas en Afrique. Difficile par exemple de mesurer l’étendue d'une épidémie en République démocratique du Congo quand aucun recensement n'y a été réalisé depuis 1986…

Appelé à la rescousse par le gouvernement de l'île de Zanzibar, au large de la Tanzanie, pour tenter d'identifier les mouvements qui importaient le paludisme du continent, Andrew J. Tatem, chercheur à l'université de Southampton s'est tourné vers les opérateurs téléphoniques. « Les données anonymes, issues des appels passés avec des téléphones mobiles, nous permettaient d’estimer les schémas de déplacement, détaille cet épidémiologiste. En combinant ces informations avec la carte détaillées des foyers d’infection de la malaria, nous pouvions estimer le risque qu’une personne infectée se rende du continent vers et l'île. » Une solution innovante qui pourrait être facilement reproduite dans d’autres pays.

Combinées ensemble, données et logiciels de simulation nous dressent désormais un panorama précis des pandémies et de leur évolution, et participent efficacement à leur éradication.

 

* IATA : l'Association internationale du transport aérien (International Air Transport Association)

 

Mots-clé :

Propulsé par