Approches multi-échelles pour la modélisation de la propagation de la grippe pilotée par les données. – HarMS-flu

Malgré les avancées en science et médecine qui ont permis de gagner du terrain contre certaines maladies infectieuses, de nouvelles infections émergent et se propagent rapidement, avec parfois des proportions pandémiques, et d’énormes coûts humains et économiques. L’épidémiologie numérique est un champ interdisciplinaire qui intègre l’étude des systèmes complexes, la physique statistique, les technologies de l’information et de la communication (TIC) et les systèmes d’information géographique, et qui offre de nouveaux outils aussi importants que les outils médicaux, cliniques, ou de diagnostic moléculaire ou génétique, à savoir les modèles numériques. Grâce aux nouvelles technologies, les individus laissent de nombreuses traces digitales de leurs comportements, ce qui donne accès à de grandes quantités de données décrivant les activités humaines. Les ordinateurs modernes permettent d’analyser ces données et d’utiliser des algorithmes sophistiqués pour décrire des processus complexes de propagation. Les TIC et la « révolution des données » ont mené dans ce domaine au développement de modèles numériques réalistes pour la simulation de la propagation de maladies infectieuses, fournissant un cadre permettant des expériences synthétiques. Moins de 10 ans après les premières publications, les modèles ont permis de nombreux progrès dans la planification de la réponse à une épidémie, stimulant une demande croissante de modèles numériques quantitatifs, réalistes, détaillés et fiables, guidés par les données, afin d’aider à la prise de décisions. Lors de leur première utilisation en temps réel durant la pandémie de grippe H1N1 en 2009, les modèles numériques ont montré leur intérêt et leurs limites. En effet, les propagations de maladies contagieuses font intervenir plusieurs échelles spatiales et temporelles, de la transmission entre individus jusqu’au niveau de populations entières. Cependant, les modélisations ont jusqu’à présent considéré ces différentes échelles de manière séparée. Notre capacité à comprendre la propagation de manière globale et d’y réagir est donc limitée. Les facteurs sociaux et comportementaux dans les sociétés humaines, la façon dont les populations sont structurées et réagissent à des modifications culturelles, politiques, environnementales ou technologiques, sont des ingrédients qui interagissent avec l’aspect biologique de la transmission des pathogènes ainsi qu’avec les stratégies d’intervention mises en place. Pouvons-nous combiner et comprendre l’interaction entre les multiples échelles mises en jeu, qui sont intrinséquement pertinentes pour la description de la propagation des maladies infectieuses dans les populations humaines? Le projet HarMS-flu propose un effort interdisciplinaire dans cette direction, avec le potentiel de transformer notre compréhension du système complexe population-environnement-maladie, et notre capacité à lutter contre une éventuelle nouvelle pandémie. Nous comptons (i) recueillir et analyser des données sur le comportement des hôtes (les individus) et leurs interactions, à plusieurs échelles et dans différentes conditions (e.g., pendant l’épidémie de grippe annuelle, ou en l’absence d’épidémie), ainsi que des données épidémiologiques; (ii) développer des approches théoriques et des cadres numériques pour l’intégration des différentes échelles en jeu, grâce aux données recueillies, et déterminer leur pouvoir prédictif; (iii) développer une plateforme numérique multi-échelle basée sur les données, qui intègre les données et les efforts de modélisation développés dans le projet, et permette la simulation de la propagation d’une maladie infectieuse et les interventions possibles. Grâce à la collaboration entre modélisateurs, développeurs, médecins, épidémiologistes et professionnels de la santé publique, HarMS-flu permettra d’atteindre une capacité de modélisation inédite, afin de fournir des indications sur la façon de lutter contre une éventuelle pandémie de grippe en France.