L'éthique médicale à l'épreuve de la médecine prédictive

Dans un billet précédent, nous avions abordé l'éthique numérique de solutions construites avec un algorithme permettant le télésuivi au domicile des patients atteints de maladies chroniques (http://www.telemedaction.org/451936125). Nous avions souligné que l'algorithme doit aider le patient à conduire sa santé et ne pas se substituer à son choix personnel de vie.

Nous proposons dans ce billet d'approfondir cette question à l'heure où les algorithmes de la médecine prédictive, en particulier de la médecine génomique, sont construits généralement dans le cadre d'une recherche médicale clinique. Ces recherchent commencent à donner des résultats qui peuvent entraîner un débat éthique lorsqu'ils prédisent la survenue de maladies dont certaines ne disposent pour le moment d'aucun traitement.

Nous avons déjà abordé le sujet de la médecine 5P, telle que Leroy Hood l'avait décrite pour la première fois dans un article paru en 2013 (https://doi.org/10.5041/RMMJ.10112). A cette époque, la médecine prédictive concernait essentiellement les traitements les plus appropriés pour les patients, pour éviter les intolérances et les accidents iatrogènes. (http://www.telemedaction.org/424107696)

En dix ans, le concept de médecine prédictive s'est élargi au diagnostic génomique des maladies grâce aux nouvelles possibilités offertes par l'usage des algorithmes dans le traitement des mégadonnées génétiques. 

Médecine de précision et médecine prédictive

La médecine de précision se définit comme une médecine personnalisée, améliorée par la technologie. C'est le cas de certains traitements où les médicaments sont administrés sur une base individualisée en fonction de l’âge, de l’indice de masse corporelle, des comorbidités et d’autres paramètres cliniques. Des technologies telles que le séquençage à haut débit, la spectrométrie de masse et l’imagerie ont fourni une image de plus en plus détaillée des altérations moléculaires et cellulaires sous-jacentes à de nombreuses maladies. Elles ont révélé une énorme variabilité entre les individus. La médecine de précision peut déboucher sur la médecine prédictive.

La médecine prédictive précise le risque d'apparition de certaines maladies grâce à la génomique, c'est à dire au séquencage du génome. L'existence d'un risque de maladie grave débouche sur un programme de surveillance rapprochée pour traiter la maladie lorsqu'elle apparaît. Il s'agit là de dépistage. Par exemple, l'auteur de ce billet a connu au cours de son exercice professionnel une personne qui avait un très haut risque (familial) de cancer colorectal, justifiant la pratique d'une coloscopie de dépistage tous les 6 mois, associée à une exérèse des polypes du colon. Ce dépistage intensif n'a cependant pas empéché l'apparition du cancer entre deux coloscopies, d'emblée au stade des métastases disséminées, hors de toute solution thérapeutique. Le décès est survenu en quelques semaines.

On rappelle aussi l'histoire de cette actrice de cinéma qui ayant un haut risque génétique de cancer du sein a choisi la mastectomie bilatérale préventive associée à une castration par ovariectomie. Se faire enlever des organes susceptibles de se cancériser, c'est de la prophylaxie. Mais une telle démarche soulève des débats éthiques.

Qu'est-ce qu'un algorithme prédictif ?

Un algorithme est dit "prédictif" lorsqu'il vise à déterminer si une personne a un risque dans le futur d'avoir une maladie. Les algorithmes prédictifs s'appuient sur des études scientifiques. Ce sont les résultats de ces études qui permettent aux scientifiques de tirer des probabilités et  des règles de calcul que l'algorithme prendra en compte dans son équation.

Ces algorithmes, développés par des start-up, des laboratoires de diagnostic, l’industrie pharmaceutique ou par des groupes de chercheurs universitaires, ne déterminent pas si le patient aura nécessairement la maladie. Ils indiquent uniquement les risques de développer telle pathologie.

Prenons l'exemple récent d'un algorithme qui prédit à 5 ans la survenue d'un infarctus du myocarde (IM). ( https://trustmyscience.com/nouvel-algorithme-predit-precisement-rapidement-risque-infarctus/) L'équipe médicale de l'hôpital privé Cédars-Sinai à Los Angeles a mis au point un algorithme prédictif d'un IM dans les 5 ans. Cet algorithme a été construit sur une mesure de l'épaisseur des plaques d'athérome au niveau des artères coronaires, grâce à une angiographie coronaire par tomodensitométrie avec une imagerie en 3D. L'étude clinique scientifique préalable a réuni plus de 10 000 patients coronariens ayant tous eu, entre 2010 et 2019, une angiographie coronarienne par tomodensitométrie. L'algorithme a été ensuite "entrainé" dans une étude clinique composée de 6 cohortes avec au total 921 patients. Ci-dessous, les deux principales publications de cette équipe américaine.

Machine learning for prediction of all-cause mortality in patients with suspected coronary artery disease: a 5-year multicentre prospective registry analysis. Motwani M, Dey D, Berman DS, Germano G, Achenbach S, Al-Mallah MH et al.Eur Heart J. 2017 Feb 14;38(7):500-507. doi: 10.1093/eurheartj/ehw188.PMID: 27252451.

Artificial Intelligence in Cardiovascular Imaging: JACC State-of-the-Art Review. Dey D, Slomka PJ, Leeson P, Comaniciu D, Shrestha S, Sengupta PP, Marwick TH.J Am Coll Cardiol. 2019 Mar 26;73(11):1317-1335. doi: 10.1016/j.jacc.2018.12.054.PMID: 30898208.

Cet algorithme prédictif apporte une aide diagnostic supplémentaire au cours de la réalisation d'une angiographie coronarienne, l'information sur le risque à 5 ans d'IM étant donnée en quelques secondes au cours de l'examen. Il permet ainsi au cardiologue de prévenir la survenue de l'IM par un traitement adapté aux lésions angiographiques visualisées et aux données personnelles du patient, c'est à dire l'indication éventuelle d'une pose de stent pour arréter l'évolution de la sténose athéromateuse ou d'un pontage coronarien. L'algorithme est un indicateur précoce de la plus ou moins grande sévérité de la lésion athéromateuse coronarienne et du risque d'IM à 5 ans ou moins. Cet algorithme permet au cardiologue de mettre en place une action thérapeutique préventive de l'IM.

Il existe de plus en plus d'algorithmes permettant de prédire à quelques années la survenue d'une maladie (maladies neurodégénératives comme l'Alzheimer, maladies mentales comme l'autisme, cancers, rejet de greffe d'organes, etc.) et donc de mettre en place une stratégie de dépistage précoce et de traitement adapté. Le professionnel médical qui informe le patient de ce risque identifié par l'algorithme sera confronté, d'une part à l'obligation de garantir la fiabilité du résultat donné par l'algorithme, d'autre part à l'obligation d'informer le patient sur une maladie possible dont le traitement peut ne pas être encore connu. C'est en particulier le cas aujourd'hui de la moitié des 7000 maladies héréditaires dites "mendéliennes".

Comment aborder l'éthique de la médecine génomique prédictive ?

Il faut d'abord rappeler que le concept de la médecine prédictive n'est pas né avec l'intelligence artificielle. Il existait bien avant. Rappelons quelques exemples de la période pré-algorithmique.

Le dépistage à l'âge de 20 ans par échographie rénale des premiers kystes d'une Polykystose autosomique dominante de l'adulte (PKAD) dont la maladie clinique et son handicap principal (dialyse et greffe) n'apparaîtont qu'à l'âge de 60 ans et plus.

La découverte d'une hypercholestérolémie monogénique à la naissance totalement asymtomatique, dont la complication cardiovasculaire majeure (IM) ne manquerait pas d'intervenir avant l'âge de 30 ans si aucun traitement efficace n'était engagé au cours de l'adolescence (plasmaphérèses, médicaments hypocholesterolémiants).

Le débat éthique qui prévalait à la fin du 20ème siècle devant de telles maladies héréditaires était celui du moment de l'information du jeune patient. Devait-on ou non créer un handicap sociétal (emploi, scolarité, prêt bancaire, etc.) chez un jeune adolescent/jeune adulte alors que le handicap médical n'apparaitrait que quelques dizaines d'années plus tard ? L'ignorance de ce risque de maladie à un moment de sa vie devait-il prévaloir ?

Le débat éthique sur la médecine génomique personnalisée, de plus en plus accessible grâce aux algorithmes et aux supercalculateurs, est en pleine évolution. Le contexte français, où les droits des patients acquis par la loi Kouchner le 4 mars 2002 imposent au professionnel médical un devoir d'information, ajoute une spécifité au débat éthique de la médecine génomique. Nous pouvons l'illustrer par quelques thèmes qui l'animent.

La médecine génomique nécessite un nombre important de séquençages d’ADN de personnes saines et malades. C’est uniquement par de larges études qu’il est possible d’identifier les marqueurs génétiques qui permettent de proposer des traitements adaptés aux patients. La construction des algorithmes capables de traiter ces « big data » génétiques nécessite un encadrement et une validation par les autorités compétentes, afin que les données personnelles soient protégées et que la construction algorithmique soit fiable et sécurisée.

La seule compréhension du génome humain ne suffit pas. L’être humain est un écosystème constitué non seulement de son génome, mais aussi du génome des bactéries qui le colonisent et de l'épigénétique. Ainsi, pour progresser dans la médecine génomique personnalisée, il faut donc prendre en compte la métagénomique (génome des bactéries) ainsi que l’épigénétique, c’est-à-dire les facteurs environnementaux (biologiques comme les virus, physiques comme la radioactivité, chimiques comme la fumée de cigarette, les solvants, la pollutions) qui peuvent agir sur l’expression de l’ADN.

Là encore, l’analyse poussée des données personnelles d’un grand nombre de patients est nécessaire. La confidentialité et la sécurité des données personnelles doivent être garanties. Les personnes "donatrices" de leur génome pour la recherche clinique doivent être bien informées sur les objectifs de la recherche et la sécurité de l'usage de leurs données.

Les pratiques de médecine génomique doivent être encadrées par la loi afin d’éviter certaines dérives, comme le choix de gènes ou de gamètes lors de la procréation médicalement assistée (PMA). Dans cet exemple, le débat éthique s'inspire de la loi bioéthique qui est revue régulièrement pour s'adapter à l'évolution sociétale.

L’analyse de l’ADN permet de connaître les prédispositions génétiques d’un individu sur de nombreuses maladies. Mais on peut se demander s’il est préférable de vivre dans l’ignorance de ces prédispositions ou de connaître les risques de développer une maladie génétique ? C'est un élément important du débat éthique et sociétal sur la médecine génomique.

1er avril 2022

 

 

 

 

 

 

 

 

 

 

 

Derniers commentaires

01.12 | 12:57

Merci, très intéressant cet article qui me permet de donner un exemple pour illustrer un cours!

16.11 | 16:08

Merci du commentaire

16.11 | 16:07

Merci de votre commentaire

16.11 | 04:04

Très intéressant en effet, merci.

Partagez cette page