Article
Utiliser les bons mots-clés et les bons filtres peut mener, sur Twitter, a des résultats inattendus. C’est le cas des études d’épistémologie menées par Marcel Salathé et son équipe suisse. Twitter, au service de la médecine ?
Jusque là, tout le monde était resté sur le phénomène Google Flu Trends pour l’utilisation des données internet dans la prévision des épidémies. La grippe et la dengue y étaient répertoriées au rythme de frappe effréné des internautes craignant d’avoir attrapé un cancer du cerveau en prenant le métro. Mais en août dernier, , le géant de Mountain View arrêtait son algorithme en raison de sa fiabilité défaillante.
Pendant ce temps-là, en Suisse, un ingénieur de l’Ecole polytechnique fédérale de Lausanne (EFPL) analysait dans son coin un même type de data, pour un but somme toute assez similaire. La différence ? La base de données qu’il utilisait, puisqu’il s’agit de Twitter.
« Les informations y sont clairement plus accessible que n’importe où ailleurs » estime Marcel Salathé, ingénieur épidémiologiste à l’EFPL. Exit donc les données piochées dans les milliers de dossiers patients inaccessibles au commun des mortels.
L’épidémiologie 2.0, utile au médecin 2.0
Dernièrement, l’équipe du SalathéLab (le laboratoire de Marcel et son équipe de chercheurs) a utilisé des données Twitter pour prédire la recrudescence de cas de grippe H1N1 et anticiper la disponibilité des vaccins. Un travail qui s’effectue main dans la main avec le corps médical, pour lequel ces recherches s’appliquent. Mais Marcel Salathé l’avoue : « nos traitements de données ciblent surtout les patients ». L’ingénieur souligne toutefois que « pour les services de santé, et de ce fait les médecins, les démarches d’analyses des données sont très utiles ».
A l’heure ou le DMP peine à circuler dans le corps médical, il faut bien constater qu’une grande partie des données se trouvent librement accessibles sur les réseaux sociaux. Et si la médecine peut utiliser à bon escient ce vivier d’informations, on peut imaginer, dans un futur proche, qu’un système de prédiction et d’analyse des pathologies récurrentes comme la grippe soit automatisé et opérationnel.
Source:
Johana Hallmann