Encourager les gens à prendre leurs médicaments à l’heure prévue et à suivre leur plan de traitement, c’est souvent un réel défi – à la fois pour les personnes soignées et les médecins qui surveillent leurs progrès. Dans le cas de la tuberculose, en particulier, les doses de médicaments sautées peuvent avoir de graves conséquences sur le rétablissement. Et la difficulté est d’autant plus grande dans les collectivités éloignées ou mal desservies, qui n’ont qu’un accès restreint aux soins et aux technologies de base. C’est là qu’entrent en jeu les interventions en santé comportementale (ISC). Les ISC sont des programmes de soutien sur mesure qui misent sur des outils numériques, comme les téléphones intelligents des patientes et patients, pour envoyer des rappels personnalisés, offrir des conseils de santé et suivre la progression du traitement. L’objectif? Aider les gens à continuer de bien suivre leur traitement. Mais voici où le bât blesse : la plupart des ISC reposent encore sur un système uniforme qui traite tout le monde de la même façon, sans égard aux besoins ou aux circonstances.
Justin Boutilier, professeur à l’École de gestion Telfer, s’intéresse à cet enjeu. Grâce à une subvention à la découverte du CRSNG, il met au point un solide système d’analyse qui pourrait bien transformer la conception et le
déploiement des interventions.
Ce projet s’appuie sur des partenariats étroits avec des organismes de première ligne – notamment Keheala (Kenya), qui fournit un service numérique pour promouvoir l’adhésion au traitement par la patientèle atteinte de tuberculose, et NanoHealth (Inde), un réseau en santé communautaire centré sur le dépistage et la gestion du diabète au sein des populations défavorisées.
Et comment fonctionne le système du professeur Boutilier? En combinant l’apprentissage machine avec des outils d’optimisation, l’équipe de recherche tente d’adapter le soutien à chaque personne selon leurs particularités, leurs préférences, leur emplacement et leurs circonstances. Le système analyse des données réelles d’anciens patients et patientes pour prédire les réactions à différents types de soutien (rappel par texto, appel téléphonique, visite en personne, etc.). Il détermine ensuite comment et quand fournir ce soutien. Cette technologie peut aider les cliniques à utiliser plus judicieusement leurs ressources financières et humaines limitées, sans laisser pour compte les gens dans les collectivités éloignées et à faible revenu.
Le résultat : on offre le bon soutien, aux bonnes personnes, au bon moment. Comme l’explique le professeur Boutilier : « Mes travaux montrent que la personnalisation nous permet d’optimiser l’utilisation de ressources limitées, pour ainsi améliorer les résultats individuels et le rapport coût-efficacité du programme. Par exemple, pour le traitement de la tuberculose, les avantages de cette approche sont les plus marqués en situation de ressources très limitées, comme dans la majorité des pays fortement touchés par cette maladie. »
Les retombées de ces travaux pourraient s’avérer transformatrices.
L’Organisation mondiale de la Santé a réclamé de meilleurs soins centrés sur la personne par l’utilisation d’outils numériques, surtout dans les pays qui ont peu de ressources. En passant d’un simple suivi du comportement à la conception d’outils numériques qui tirent parti des données recueillies, le projet du professeur Boutilier vise à réduire les coûts des soins et à offrir un soutien ciblé aux personnes qui en ont le plus besoin, les aidant ainsi à suivre leurs ordonnances et à prendre leur santé en main.
Qui plus est, Justin Boutilier prépare la relève en science des données à lancer la prochaine vague de solutions éthiques et alimentées par l’IA en santé. Car ce n’est pas qu’une question de rappels : il faut bâtir un système de santé plus intelligent et plus équitable qui s’adapte aux besoins des patientes et patients, qui leur permet de veiller à leur propre santé, et qui les motive à continuer sur la voie de la guérison.
