Dans le dernier blog de notre série Datawatch, nous examinons le rôle que joue l'analyse dans la lutte contre les épidémies - du choléra dans les années 1800 au COVID-19 aujourd'hui.
Le COVID-19 a radicalement changé le monde en peu de temps, présentant de nouveaux défis aux dirigeants mondiaux et aux experts médicaux. Pour le combattre, nous avons dû utiliser tous les outils à notre disposition, et l'expérience passée nous montre que l'analyse avancée est peut-être l'arme la plus puissante de notre arsenal.
Vous seriez pardonné de penser que l'analyse et la science des données sont des outils relativement nouveaux qui nous donnent aujourd'hui un avantage dans notre lutte contre les épidémies virales. En un sens vous auriez raison, les outils et techniques utilisés par les data scientists ont considérablement évolué ces dernières années. Mais l'analyse est en fait utilisée de cette manière depuis plus d'un siècle, l'un des premiers exemples remontant à 1854.
À cette époque, les habitants de Londres victorien étaient au milieu d'une épidémie de choléra endémique qui avait tué plus de 600 personnes en une semaine. On savait peu de choses sur ces types d'épidémies à l'époque, et beaucoup de gens supposaient que le choléra était une maladie transmise par voie aérienne. Cependant, grâce à une analyse et une modélisation rudimentaires des données, le Dr John Snow a rapidement pu dissiper ce malentendu.
Bien avant que les cartes SIG n'existent, le Dr Snow a commencé à rassembler des données relatives aux décès dus au choléra et à les tracer, à la main, sur une carte de Londres. Grâce à cette première forme de visualisation des données, Snow a pu retracer la source de l'épidémie jusqu'à une pompe à eau sur Broad Street. La poignée de la pompe a été remplacée et l'épidémie a été stoppée net.
Étonnamment, ces mêmes techniques sont encore utilisées aujourd'hui – même si la visualisation s'est quelque peu améliorée. Vous pouvez voir à quoi ressemblerait le travail du Dr Snow s'il était effectué aujourd'hui, ici.
Big data, analytique et lutte contre le COVID-19
Bien que la théorie derrière cette technique soit encore largement utilisée aujourd'hui, nous avons maintenant à notre disposition des outils dont le Dr Snow n'aurait pu rêver qu'en 1854. Plus particulièrement, une énorme puissance de calcul qui nous permet de traiter d'énormes quantités de données en un temps record. .
Cette technologie a joué un rôle énorme dans notre bataille contre la récente pandémie de COVID-19, aidant les experts médicaux et les dirigeants mondiaux à identifier les bonnes réponses, à développer les bonnes solutions et à tracer les meilleures voies de rétablissement. Voici seulement trois façons dont l'analyse nous a aidés à lutter contre la pandémie.
Suivi de la propagation du virus
Le suivi de la propagation du COVID-19 a été essentiel dans notre combat pour atténuer et surmonter ses impacts. Il est intéressant de noter que dans ce cas, l'analyse a joué un rôle dans le suivi du COVID-19 avant même que la plupart d'entre nous ne sachent qu'il existait.
En 2019, un système d'IA appartenant à une startup à risque d'épidémie appelée BlueDot a détecté certaines similitudes entre ce que la presse appelait "une souche de pneumonie" à Wuhan et l'épidémie de Sars de 2003.
Depuis cette découverte initiale, BlueDot a continué à suivre la propagation du COVID et à surveiller ses mouvements, en utilisant l'IA pour analyser une multitude de données non structurées, y compris des publications sur les réseaux sociaux et des reportages.
Les médias sociaux peuvent en fait jouer un rôle énorme dans des situations comme celle-ci. En appliquant l'analyse des sentiments aux données sociales non structurées, il est possible de tout suivre, des régions dans lesquelles le virus s'est propagé, aux attitudes vis-à-vis des réponses législatives proposées et des directives gouvernementales.
Toutes ces données peuvent ensuite alimenter des plans d'action et aider les responsables de la santé à réagir de manière plus appropriée, en définissant avec précision les meilleures mesures de distanciation sociale et de quarantaine, par exemple.
Développer des vaccins
Alors que la pandémie entrait dans sa deuxième année, il est devenu évident que cela n'allait pas disparaître. Et cela signifiait que la vaccination était notre meilleure chance de retrouver une vie normale.
Le problème est que le développement d'un vaccin prend généralement des années. Avant Pfizer et AstraZenica, le vaccin contre les oreillons détenait le record du développement le plus rapide, et cela a pris près d'une demi-décennie.
Cependant, grâce aux progrès de l'analyse et de l'IA, un vaccin COVID a été approuvé et mis à disposition pour une utilisation d'urgence dans l'année suivant l'épidémie du virus.
Une grande partie de cela était due à la coopération mondiale et au fait que les virologues ont déjà rencontré des coronavirus. Mais l'analyse des données et des outils comme l'IA et l'apprentissage automatique ont également été des facteurs importants.
Par exemple, AlphaFold, un outil de la plate-forme DeepMind de Google, a utilisé des algorithmes d'IA pour cataloguer la structure des protéines potentielles qui pourraient aider le virus à se propager - un élément essentiel pour comprendre comment un virus fonctionne et comment il peut être contenu.
AlphaFold est un système de pointe qui peut prédire la structure des protéines en fonction de leur séquence génétique. Ce système a été utilisé pour étudier les protéines associées au COVID, avant que les informations ne soient mises à la disposition des scientifiques travaillant sur le vaccin.
Dans le même but, l'IA et le traitement du langage naturel ont joué un rôle important dans l'application de l'analyse à l'ensemble de données de recherche ouvert COVID-19 - une collection de près de 500 000 articles scientifiques rassemblés dans le monde entier et mis à la disposition de la communauté mondiale de la recherche. .
Ailleurs, dans un laboratoire du Tennessee, le deuxième supercalculateur le plus rapide au monde a analysé des données pour tenter de comprendre le comportement du virus, analysant 2,5 milliards de combinaisons génétiques pour déterminer comment le COVID attaque le corps humain.
Répondre au bon moment de la bonne manière
COVID-19 a peut-être été le test le plus difficile imaginable pour les établissements de santé du monde entier. Avec des ressources limitées, des décisions difficiles ont dû être prises chaque jour. Par exemple, quels actifs critiques sont nécessaires à chaque emplacement ? Et où et quand des lits d'hôpitaux seront-ils nécessaires à mesure que le virus se propagera dans les populations ?
Ces problèmes ne peuvent pas être résolus en feuilletant des feuilles de calcul - il y a tout simplement trop de données, trop de variables et une image qui change chaque jour. Cependant, grâce à des analyses avancées, les responsables de la santé ont pu prendre ces décisions clés sur la base d'informations vitales, exploitables et opportunes.
Par exemple, les modèles épidémiologiques ont été utiles pour prévoir la propagation de l'infection dans les régions, aidant les travailleurs de la santé à prédire le nombre potentiel de personnes infectées qui nécessiteront un traitement médical - et à quoi ressemblera ce niveau de traitement.
La simulation prédictive et la modélisation de scénarios ont également été utilisées pour aider à prévoir le nombre requis de travailleurs de la santé en fonction de scénarios donnés, ainsi que la pression que les épidémies peuvent exercer sur les services de santé. Ces données ont ensuite été directement intégrées aux plans nationaux de confinement.
Un exemple de cela en action peut être vu au Sheba Medical Center en Israël, où les prévisions basées sur les données sont utilisées pour optimiser l'allocation des ressources avant même que les épidémies ne frappent. Le centre a utilisé l'apprentissage automatique pour analyser les données relatives aux cas confirmés, aux décès, aux résultats des tests, à la recherche des contacts et à la disponibilité des ressources médicales, afin de s'assurer qu'il est prêt à faire face à ce qui nous attend.
Le centre a également mené un concours national pour développer la meilleure technologie pour prédire le taux de détérioration des patients COVID.
Un changement radical pour la virologie
L'ampleur et la vitesse de propagation de la COVID-19 sont sans précédent. Mais l'ampleur de notre réponse a été tout aussi impressionnante. Grâce aux dernières techniques d'analyse, les travailleurs de la santé ont pu se préparer à des scénarios imprévisibles, les gouvernements ont pu mieux comprendre les meilleures actions pour assurer la sécurité des personnes et les entreprises ont pu adopter des approches mesurées pour s'adapter au monde qui les entoure.
Au milieu de cette pandémie, il est difficile de trouver beaucoup de points positifs, voire aucun, mais les leçons apprises pendant le COVID-19 auront un effet énorme sur la façon dont nous aborderons des événements similaires à l'avenir.
Qu'il s'agisse de développer des vaccins, de s'assurer que les ressources appropriées sont au bon endroit au bon moment ou d'accélérer notre compréhension de la situation pour assurer la sécurité du plus grand nombre de personnes possible, l'analyse est en mesure de fournir les réponses aux questions les plus complexes de ces situations présentes. Et il le fait depuis les années 1800.
________________________________________________________________
Nitin Aggarwal est vice-président et responsable commercial de l'analyse chez The Smart Cube, un fournisseur mondial de solutions d'analyse et d'intelligence d'approvisionnement.
