PrédictEST : pour suivre l'évolution de la Covid-19 dans le Grand Est

Contact presse

PrédictEST : pour suivre l'évolution de la Covid-19 dans le Grand Est
La Région Grand Est, l’Eurométropole de Strasbourg, l’IHU de Strasbourg
et PRIeSM présentent PrédictEST : le premier outil de modélisation épidémiologique prédictive de la Covid-19 du Grand Est.

PrédictEST Premier outil prédictif

Initiée en réponse à la crise actuelle, cette solution de pilotage et d’aide à la décision répond aux enjeux et aux besoins du territoire, tant au plan sanitaire, économique que sociétal. Enrichie quotidiennement de données réelles, fournies par le Ministère de la Santé (via GEODES de Santé Publique France), PrédictEST permet de suivre instantanément l’évolution pandémique, de prévenir un éventuel rebond de l’épidémie en anticipant l’apparition de nouveaux clusters et en posant les meilleures décisions pour éviter leur développement. Unique en France, cette solution est née de la volonté d’accompagner le déconfinement régional, à l’appui de données tangibles, fiables et précises ; le tout implémenté et retranscrit dans un outil numérique, efficient, accessible et réactif. Véritable « cockpit prédictif », cette solution numérique dresse un état des lieux exhaustif du taux d’incidence et de la circulation virale dans le Grand Est, portant jusqu’à une maille géographique fine, autrement dit jusqu’à l’échelle du quartier. Fort de ces données de santé et d’algorithmes développés spécifiquement, avec le concours de l’Université de Reims Champagne-Ardenne, de la Direction Générale de l’Armement, de Capgemini, PrédictEST permet également la projection à 30 jours de l’évolution de la Covid-19, avec un taux de fiabilité de plus de 90%. L’outil se formalise autour de tableaux de bords et de cartes ergonomiques, particulièrement intuitifs. Ainsi, décideurs, responsables et élus locaux disposent d’une solution numérique efficiente pour piloter l’action publique et prendre les décisions adaptées à chaque situation. PrédictEST est disponible dès le 3 décembre 2020 avec un déploiement progressif via l’attribution de licences professionnelles.


PrédictEST
Un projet d’innovation soutenu par


et

Annexes

L’IA et la Data : réponses efficientes à la crise…
Destiné aux pouvoirs publics et aux collectivités territoriales, PrédictEST compte parmi les réponses numériques les plus probantes au contexte sanitaire actuel. Sa technologie se base sur l’analyse statistique et la modélisation épidémiologique.


Véritable baromètre de la situation en temps réel, PrédictEST rend compte quotidiennement de la situation sanitaire dans le Grand Est.


Cette visualisation et simulation facilitent ainsi le suivi, à l’échelle d'une maille géographique et temporelle fine, l'état de l'épidémie, la projection de ses évolutions, d'alerter en cas de rebond et d’agir avant l'apparition d’éventuels clusters. Son niveau de précision est remarquable : ce dispositif digital est capable d’établir une vue réelle du taux d’incidence jusqu’à une maille territoriale fine (jusqu’à l’IRIS* - norme INSEE), en d’autres termes jusqu’à l’échelle du quartier.


Partagées en temps réel, ces données de qualité sont totalement sécurisées et anonymisées. Issues des bases nationales (ROR, SI-DEP…), elles sont retranscrites sous forme de tableaux de bords dynamiques et de cartes ergonomiques. Afin d’exploiter celles-ci, inesia a récemment obtenu l’autorisation de la CNIL pour constituer son premier entrepôt de données de santé, labellisé « HDS - Hébergement de Données de Santé ».


PrédictEST intègre également des données socio-économiques et territoriales, permettant de contextualiser l’évolution de l’épidémie et d’en mesurer l’impact.


PrédictEST affiche ainsi divers indicateurs exhaustifs :
 Propagation du virus
 Tests de dépistage réalisés
 Niveau d’utilisation des capacités de soins
 Evolution de la distanciation sociale
 Niveau d’activité des services publics
 Situation économique régionale
 …


Réactif et prédictif, PrédictEST assiste ainsi la prise de décision et la coordination de l’action publique par les autorités sanitaires et responsables territoriaux.


La conception, mais aussi la réplicabilité́ et l’évolutivité de PrédictEST ont constitué une préoccupation majeure pour l’ensemble des partie-prenantes associées au projet. D’abord parce que d’autres usages sont prévus, notamment le suivi d’autres épidémies, ou celui de la campagne vaccinale de la Covid-19. Mais aussi parce que cet outil peut s'avérer utile partout en France, voire dans le monde. Ainsi, la réplicabilité sur d’autres territoires, auprès d’autres ARS ou régions, est parfaitement envisageable, les sources de données étant disponibles pour l’ensemble des territoires.


Protéger la vie, maintenir l’équilibre sociétal et préserver l'économie sont les 3 principes fondamentaux qui ont motivé la conception de PrédictEST, parfaite réponse aux enjeux de RSE actuels.


 


Une technologie inédite en Grand Est !
Les sociétés Capgemini et Dassault Systèmes constituent les partenaires industriels exclusifs de PRIeSM (plateforme régionale de e-santé mutualisée) pour conduire ce projet précurseur. Unique en France, PrédictEST est né de la volonté d’accompagner le déconfinement régional, à l’appui de données tangibles, fiables et précises ; le tout implémenté et retranscrit dans un outil numérique, efficient, accessible et réactif.


PrédictEST va au-delà de la simple géolocalisation et identification des nouveaux cas Covid-19. L’outil est conçu comme un observatoire du contexte sanitaire, mais aussi socio-économique.


Il intervient à différents niveaux :
 Consolider les données de santé du territoire, pour les élus et acteurs de
santé (Région, départements, communautés d’agglomérations, communes de plus de 20.000
habitants, consulaires…) ;
 Identifier rapidement les points sensibles épidémiques ;
 Simuler la propagation de la Covid-19 dans le Grand Est ;
 Accélérer la collaboration entre les acteurs du territoire ;
 Faciliter la gestion de crise par une information unifiée et partagée ;
 Anticiper l’impact économique et le coût sociétal ;
 …


 


Une cohésion territoriale pionnière.
La Région Grand Est, l’Eurométropole de Strasbourg, en lien avec l’agence d’innovation régionale Grand-Enov+, l’Institut Hospitalo-Universitaire de Strasbourg (IHU) et PRIeSM ont pris l’initiative, dès cet été, d’élaborer une plateforme numérique d’aide au pilotage et à la décision, nommée PrédictEST.


Cet ambitieux projet est porté institutionnellement et techniquement par PRIeSM, association à but non lucratif, qui a pour vocation de contribuer à l’innovation en e-santé et en intelligence artificielle dans le Grand Est. La solution s’inscrit comme l’un des fleurons de cette dynamique innovante insufflée régionalement autour de l’IA et de la santé numérique, domaines prioritaires pour le territoire. Elle est la première étape de construction d’une infrastructure de données régionale, ouverte et collaborative.


Pour son développement et déploiement, PrédictEST s’appuie donc sur inesia, la plateforme numérique de PRIeSM. La même qui porte le socle numérique et services associés du projet Territoire de Santé de Demain – TSD, conduit par l’Eurométropole de Strasbourg, soutenu par l’Etat dans le cadre du volet territoires d’innovation du Programme d’investissements d’avenir, opéré par la Caisse des Dépôts.


Ainsi, avec le soutien des collectivités territoriales, telles la Région Grand Est et l’Eurométropole de Strasbourg, l’IHU Strasbourg, l’INRIA, l’Université de Reims Champagne-Ardenne, de la Direction Générale de l’Armement, et l’Université de Strasbourg aspirent à transformer rapidement les innovations scientifiques du territoire, en outils opérationnels de premier plan. La démarche incarnée par PrédictEST répond ainsi à cet enjeu de cohésion et de coordination territoriale, forgée autour de l’intelligence artificielle et du numérique en santé.


PrédictEST
Disponible dès le 3 décembre dans le Grand Est
Accès destiné aux décideurs locaux.



* IRIS = « Ilots Regroupés pour l'Information Statistique », données infra-communales qui fait référence à un découpage par maille de 2 000 habitants.