« Vouloir prévenir les épidémies, identifier le plus en amont possible les facteurs de risque pour éviter les maladies ou ralentir leur développement, prédire dès la naissance des prédispositions à telle ou telle infection… Autant d’ambitions mille fois ex- primées par les scientifiques et les représentants du corps médical.
Jusqu’à présent il était répondu à ces questionnements par le recours aux méthodes traditionnelles de la recherche qui ont et sont toujours en grande partie fondées sur la notion de reproductibilité : à partir d’une hypothèse formulée sur le fondement de laquelle sont collectées des données, une observation permet d’opérer une relation entre des données et d’en déduire de nouvelles hypothèses ou de nouveaux traitements qui seront reproduits à des cas similaires.
Depuis plusieurs années, cette recherche s’est enrichie par d’autres sources très diverses prenant ainsi en compte le milieu dans lequel les individus évoluent : données environnementales, données socio-professionnelles, etc. »
Le Healthcare Data Institute est heureux de présenter son deuxième Livre blanc « Big Data et Prévention : de la prédiction à la démonstration ».
Téléchargez le Livre blanc « Big Data et Prévention : de la prédiction à la démonstration »
Les rédacteurs du Livre blanc « Big Data et Prévention : de la prédiction à la démonstration » :
- Isabelle Barbier-Feraud, Pagamon
- Jeanne Bossi Malafosse, avocate
- Patrice Bouexel, TeraData
- Catherine Commaille-Chapus, Open Health Company
- Anne Gimalac, Aston Life Sciences
- Guillaume Jeannerod, Epiconcept
- Magali Léo, CISS
- Bruno Leroy, Sanofi
- Bernard Nordlinger, AP-HP, Académie de médecine
- Michel Paoli, InterMutuelles Assistance
- Pablo Prados, Sanofi
- Jean-Yves Robin, Open Health Company
