Accueil du site > Colloque Philo’Doctes > Archives > Session d’automne 2019 > Evangelos Koumparoudis

« Les répercussions des données massives pour la médecine »

par philo.doctes (16/12/2019)

Le mardi 3 décembre, résumé de l’intervention d’Evangelos Koumparoudis, doctorant du département de Logique, Ethique et Esthétique de l’Université de Sofia.

Les données massives générées dans le domaine des sciences de la vie ont transformé progressivement notre approche biomédicale. On parle de plus en plus d’une biologie intégrative et d’une médecine personnalisée. Plusieurs d’outils algorithmiques et modèles bioinformatiques et biostatistiques sont proposées pour gérer et analyser une variété de donnees, telles que des biomarqueurs, des dépenses de santé, le suivi des traitements, des facteurs environnementaux, des habitudes de vie. Egalement, les évolutions de la biologie des systèmes et des technologies ‘omiques’ (génomique, protéomique, métabolomique…) ont contribué a la création de formules préventives et prédictives des certaines maladies : la maladie coronarienne (Huijgen et al. 2008), le carcinome mammaire et le cancer ovarien (Malone et al. 2006, King et al. 2003), ainsi que le diabète sucré (Fajans et al. 2001). Le but de cette intervention est premièrement de présenter les méthodes d’analyse des données médicales : la réutilisation et fouille de données massives, le machine-learing et le deep-learning. En parallèle, de réfléchir sur les limites et l’efficacité de ces méthodes d’exploitation. Hors des limites qui s’imposent notamment sur les statistiques, l’analyse de données massives révèle aussi des problèmes épistémologiques (par exemple, la démarche scientifique paradigmatique par formulation d’hypothèse et par causalité). Dans la méthode traditionnelle hypothético-déductive des sciences biomédicales, la première étape est la formulation d’une hypothèse qui sera confirmée ou rejetée par l’expérimentation. La logique algorithmique au paravent de donnes massives fonctionne par mise en corrélation des données, donc la prédiction n’est pas un résultat d’une hypothèse testée par une méthode causale. Ensuite, on se focalisera sur les méthodes numériques portant sur l’élimination du risque au cours de la pratique clinique, ce qu’enveloppe la notion de la médicine de précision. Les nouvelles informations produites par tous ces systèmes de recherche médicale ne peuvent pas être facilement incorporée dans une classification de maladies contemporaine. A la suite de l’explosion des données pertinentes pour les maladies (disease relevant data) au plan moléculaire, un appel a eu lieu pour une classification des maladies fondée sur la biologie moléculaire. Ce type de classification peut enrichir les discussions entre l’impossibilité d’une conception objective de la sante et de la maladie à partir de la normativité biologique, défendue par Georges Canguilhem, et les approches modernes, celle dite bio-statistique et analytique de Christopher Boorse et celle dite holiste de Lennart Nordenfelt. Les politiques liées aux données massives concernent : a) Le contrôle et la surveillance des patients et les enjeux éthiques et juridiques qui y sont présents dans un contexte du biopouvoir b) La création du citizen-cyborg, après les idées de James Hughes et Donna Haraway c) L’exclusion de certains groupes minoritaires d) Les aspects économiques et surtout le développement inégal parmi les états et par conséquence, l’incapacité des économies moins puissantes à établir des programmes de gestion des données massives à leur système sanitaire e) I’ impact sur l’environnement, vu la grande consommation d’énergie requise par le stockage et la fouille de données massives. »