Partager les modèles d'IA, pas les données des patients, pour la recherche
Les données de santé européennes restent enfermées dans des systèmes nationaux cloisonnés. Une nouvelle proposition publiée dans Science défend une autre approche : plutôt que de partager les données des patients, partager les modèles d'IA entraînés sur ces données.
Le concept s'appelle l'apprentissage fédéré. Plutôt que d'envoyer des données de santé brutes vers un emplacement central, hôpitaux et instituts de recherche conservent leurs données en local. Un modèle d'IA est transmis jusqu'aux données, apprend à partir d'elles, puis renvoie uniquement les paramètres du modèle mis à jour. Aucun dossier patient ne quitte l'établissement.
La proposition publiée dans Science cible l'Espace européen des données de santé, une initiative de l'UE visant à rendre les données de santé plus accessibles à la recherche. Les auteurs soutiennent que les obstacles juridiques et techniques actuels au partage des données sont contournés dès lors que ce sont les modèles, et non les données, qui circulent.
Pertinence pour la recherche sur la longévité
La recherche sur le vieillissement exige de vastes ensembles de données. Les études sur la longévité suivent des personnes pendant des décennies, dans plusieurs pays et institutions. La fragmentation actuelle des données de santé européennes ralentit considérablement ce type de travaux.
Grâce à l'apprentissage fédéré, les chercheurs peuvent entraîner des modèles d'IA sur les données de milliers de patients dans plusieurs pays, sans que ces données quittent jamais un hôpital. C'est non seulement plus sûr pour la vie privée ; cela rend possible une recherche aujourd'hui pratiquement inaccessible.
Ce qui reste à résoudre
Les modèles partagés ne sont pas totalement étanches. Dans certaines conditions, ils peuvent révéler des informations sur les données qui ont servi à les entraîner. Les auteurs en sont conscients et demandent des garanties techniques supplémentaires.
L'approche suppose aussi une standardisation technique. Si chaque hôpital structure ses données différemment, les modèles peinent à apprendre de leur combinaison. L'interopérabilité est donc un problème d'infrastructure que de meilleurs modèles seuls ne peuvent pas résoudre.
Pour le domaine de la longévité, il s'agit néanmoins d'une orientation politique pertinente. Un meilleur accès aux données de santé européennes accélérerait à la fois la recherche fondamentale et la recherche clinique sur le vieillissement.
Envie de creuser le sujet vous-même ?
Rechercher des termes comme : federated learning health data Europe