Big Data, Intelligence Artificielle et Santé au Travail

Le développement de l'Intelligence Artificielle (IA) dans le domaine de la santé exige un grand nombre de données (Big Data), en disposant d’un gigantesque gisement à exploiter pour tous les patients mais aussi pour tous les salariés : il s’agit de collecter des données de santé provenant de différents organismes, analyser les données, établir des corrélations entre elles, et les rendre disponibles afin d’entraîner des modèles d’intelligence artificielle.
En ce qui concerne la santé au travail, l’objectif principal de l’exploitation des données de santé par des outils d’intelligence artificielle est l’amélioration de la prévention des risques professionnels.
Le Health Data Hub (HDH) France, plateforme de partage et guichet unique des données de santé, créé fin 2019, doit permettre une collecte, une coordination et un accès sécurisés et d’y intégrer les données de la médecine du travail en 2021, avec une alimentation du Dossier Médical Partagé (DMP) par le Dossier Médical en Santé au Travail (DMST) des Services de Santé au Travail (SST).

L’objectif de l’Intelligence Artificielle (IA) pour la santé au travail

Le concept d’exposome, c'est-à-dire l’intégration de l’ensemble des expositions nocives environnementales, comportementales et professionnelles auquel est soumis un individu tout au long de son existence, permet d’identifier et d’évaluer les risques potentiels pour la santé, pour mieux les prévenir au plan individuel et au plan collectif.
Cette notion d’exposome est apparue suite au constat que les affections chroniques (respiratoires, cutanées, cancéreuses, allergiques, hormonales ...) étaient croissantes et qu’à la susceptibilité individuelle différenciée par des composantes génétiques (génome), s’ajoutaient les influences essentielles liées aux expositions de toute sorte, physiques, chimiques, radiologiques, acoustiques, biologiques, psychologiques ... : d’où la nécessité de recherches et de mesures pour bien repérer les caractéristiques des expositions pathogènes (durée/intensité...), à la fois professionnelles et extraprofessionnelles. Cela autorise des politiques de prévention sur les expositions considérées comme responsables d’une part considérable des maladies chroniques, des campagnes de prévention sur les sujets ou les secteurs prioritaires qui permettent, dans le cadre professionnel, une prise de conscience primordiale des employeurs, des travailleurs et de leurs représentants.
Ce concept d’exposome nécessite toutefois de très nombreuses données et d’importants développements méthodologiques dans l'évaluation et la traçabilité des expositions avant de devenir pleinement opérationnel : les circonstances des expositions professionnelles toxiques et nocives sont multifactorielles, et sont souvent révélatrices d’une multitude de dysfonctionnements chroniques, dont chacun pris isolément n’est pas forcément grave. L’exposome professionnel est le résultat d’un très grand nombre de cumuls et de combinaisons d’événements indésirables possibles : les dangers présentent un certain degré d’imprédictibilité, dépendant de multiples additions et interdépendances, les rendant pour une grande part indéterministes.
Tous les éléments matériels ou techniques ou organisationnels comportent une part d’incertitude et de combinatoire qui peuvent très difficilement être appréhendés tant les causes avec les enchaînements et les conjonctions de faits générateurs sont nombreuses.
De plus, l’accroissement de la mobilité professionnelle, le développement de la sous-traitance et des contrats de travail précaires compliquent beaucoup le suivi des expositions professionnelles alors que, par exemple, la multiplication des produits chimiques utilisés nécessite une vigilance accrue quant au risque cancérogène ou allergène diffus et différé qu’ils induisent. L’exigence d’une organisation de la traçabilité des expositions devient donc de plus en plus cruciale et délicate sans procédure efficace de collecte des données, au moment ou, par ailleurs, le désastre sanitaire de l’amiante dans le passé en démontre l’absolue nécessité a posteriori à l’opinion publique.
La multitude des paramètres à prendre en compte, la combinatoire élevée des expositions, la dimension temporelle importante, rend l’élaboration des modèles et outils de mesure de l’exposome fiables extrêmement difficile : seul le recours à l’Intelligence Artificielle et à ses modélisations entraînées et optimisées sur une telle masse immense de données (Big Data) permet une analyse efficiente afin de faciliter le suivi et la mutualisation des informations de prévention des risques professionnels et de la santé au travail. L’IA apporte des outils méthodologiques pour l’exploitation des données, la modélisation et la compréhension des conséquences des expositions sur la santé au travail.
L’IA en matière de santé au travail répond donc à plusieurs enjeux, individuels, collectifs, épidémiologiques, de santé publique et sanitaire, selon la catégorie d’acteurs concernés :

• Pour le salarié, cela permet de connaître la réalité des risques encourus, des meilleurs moyens mis en place et à utiliser pour y faire face, permet la mise en œuvre de suivis médicaux préventifs personnalisés et post-professionnels.


• Pour l’employeur, cela permet de compléter la démarche a priori d’analyse du risque pour prendre les mesures qui permettent de réaliser les corrections et améliorations et de l’action préventive a posteriori, à partir de données statistiques fiables, pertinentes et adaptées à son secteur d’activité.


• Pour les institutions de la santé au travail, l’IA permet d’alimenter les recherches épidémiologiques et toxicologiques avec des données qui sont sinon très insuffisantes ou trop dispersées. Il s’agit de bien repérer les caractéristiques des expositions pathogènes (durée/intensité...), d’éliminer par des analyses de signification statistique les nombreux biais causés par la mauvaise connaissance des types et des niveaux d'exposition professionnelle, les nombreux facteurs de confusion entre les interactions des expositions professionnelles associées et extraprofessionnelles (tabagisme, alcool, alimentation, rayons UV...). Cela autorise des politiques gouvernementales de prévention sur les expositions considérées comme responsables d’une part considérable des maladies professionnelles, des campagnes de prévention sur les sujets ou les secteurs prioritaires qui permettent une prise de conscience primordiale, car les travailleurs et leurs instances représentatives sont encore mal informés des différents facteurs de risques en particulier cancérogènes et allergènes en entreprise.

Le Health Data Hub (HDH) France

L’efficacité des mesures de collecte des données de santé au travail nécessite notamment de rechercher les moyens de la transmission d’informations entre médecins du travail compte tenu des mobilités professionnelles, ainsi qu’avec la médecine de ville et hospitalière : au delà du suivi individuel, l’apport de ces mesures à la traçabilité des expositions professionnelles et à la prévention collective, suppose l’adoption de référentiels communs pour la collecte et la saisie des données de façon à agréger les informations individuelles et la création de bases de données et de modèles pour les exploiter à des fins collectives (par exemple pour la comparaison, pour un même secteur, des entreprises entre elles, ce qui permet d’identifier celles qui ont le plus de risques, ou un modèle IA capable de prédire les crises cardiaques).
Le Health Data Hub, ouvert depuis 2020, est ainsi un guichet unique qui délivre des outils pour accéder à des catalogues de bases de données de santé : c’est une base de données médico-administrative qui regroupe l’ensemble non nominatif des actes médicaux, feuilles de soins et séjours hospitaliers, causes médicales de décès … et à partir de 2021, les données provenant de la médecine du travail par l’intermédiaire de données structurées et codées du Dossier médical en santé au travail (DMST) alimentant le Dossier Médical Partagé (DMP).
Le Dossier Médical en Santé au Travail (DMST) est constitué d’éléments objectifs communicables (résultats d’examens médicaux, arrêts de travail, historique des postes occupés, expositions professionnelles ainsi que les avis et propositions du médecin de travail ...) et des éléments subjectifs non communicables (commentaires du salarié, appréciations et éléments diagnostiques du médecin du travail …).
Dans le cadre de la médecine du travail, le dossier médical partagé (DMP) est accessible uniquement pour y déposer des documents.
Le Health Data Hub (HDH) permet d’extraire les données nécessaires aux travaux de recherche du secteur de la santé. Les centres de recherche publics mais également des acteurs privés, associations de patients, institutions … peuvent présenter leur demande d'accès à la plateforme sous condition de projet d'intérêt général et après autorisation de la Commission Nationale de l'Informatique et des Libertés (CNIL) : la plateforme bénéficie d’un haut degré de sécurité avec une double authentification et un chiffrement des données et leur anonymisation.

Pour aller plus loin :

https://www.officiel-prevention.com/dossier/formation/formation-continue-a-la-securite/la-notion-dexposome-professionnel

JUIN 2020