L’avenir des soins de santé s’appuie sur des preuves concrètes (RWE, Real World Evidence) et sur l’intelligence artificielle (IA), qui transforment les soins aux patients et favorisent la prise de décision médicale.

Un panel d’experts s’est prononcé sur l’apport d »la RWE et de l’IA en fonction de sondages effectués sur un panel d’entreprises d’industries de santé.

Les experts suivants ont contribué à cette analyse :

– Kelly H. Zou / Viatris, responsable de l’analyse médicale mondiale et des preuves du monde réel, 

– Nicholas Kelley,/ Novartis directeur de la stratégie et de l’innovation du portefeuille de science des données et d’IA, 

– Andrew Rosen / Moderna, directeur principal, chef d’équipe des données probantes intégrées, 

– Gilles Paubert / Cegedim, Vice-président senior, responsable mondial des données de santé de 

Un sondage réalisé auprès d’entreprises a révélé que près de la moitié (46 %) avaient investi dans l’IA pour améliorer leur utilisation des données du monde réel (RWD), et 33 % supplémentaires ont déclaré qu’ils envisageaient un tel investissement.

Même si les participants étaient quelque peu partagés quant à leur adoption de l’IA jusqu’à présent, les panélistes ont été unanimes dans leur verdict selon lequel la technologie peut avoir un impact profond sur l’utilisation du RWD dans les soins de santé.

Andrew Rosen de Moderna a souligné l’opportunité d’une médecine personnalisée grâce à une analyse intelligente des données RWD, déclarant : « Nous pouvons permettre une meilleure prise de décision clinique, en traitant les patients non seulement comme leur maladie, mais en considérant la constellation complète de propriétés qui composent ce patient ».

Cette approche va au-delà de la seule focalisation sur la maladie, en prenant en compte divers facteurs tels que les données cliniques, démographiques, personnelles et comportementales. En adaptant les traitements aux besoins du patient, les professionnels de la santé peuvent optimiser les résultats et améliorer le bien-être général des patients. La médecine préventive est apparue comme une autre application importante de l’IA et de la RWD, comme l’a mentionné Rosen, qui a évoqué la possibilité de développer des modèles permettant de détecter les maladies et d’intervenir plus tôt, permettant ainsi de meilleurs résultats pour les patients.

L’utilisation de cohortes virtuelles a suscité une attention considérable en tant que stratégie efficace pour améliorer les médicaments. Nicholas Kelley de Novartis a souligné la valeur des cohortes virtuelles, qualifiant celles provenant des registres de maladies et d’autres sources de « très intéressantes ».

“Ils peuvent aider à entrer dans de nouvelles indications, enrichir les essais grâce à la modélisation de la progression, à la prédiction des risques et à comprendre la généralisabilité de la population dans un contexte réel“, a-t-il ajouté.

L’exploitation de diverses sources de données via des cohortes virtuelles peut fournir des informations précieuses sur les populations de patients, aider à identifier de nouvelles indications de traitement et améliorer la compréhension de l’efficacité des traitements dans des scénarios du monde réel.

Néanmoins, les panélistes et les participants ont abordé les défis liés à l’utilisation des données des patients, la confidentialité des données étant soulignée comme le plus grand défi auquel l’industrie est actuellement confrontée. Un peu moins de la moitié (45 %) des participants ont identifié la confidentialité des données comme le plus grand défi, suivis par 15 % qui ont choisi la transparence et l’« explicabilité » des algorithmes d’IA.

Il est toutefois possible d’y remédier en comprenant parfaitement les lois et réglementations relatives à la confidentialité des données lors de l’utilisation de l’IA. Kelly H. Zou de Viatris a déclaré : « Une façon de résoudre ce problème consiste réellement à utiliser des données fédérées [car ces] modèles de données garantissent que les données n’ont pas besoin de voyager. Vous pouvez utiliser des réseaux de recherche distribués et protéger les données. » Cette approche permet de protéger la vie privée des patients tout en permettant l’utilisation des données à des fins de recherche, en maintenant le niveau nécessaire de transparence et de responsabilité.

Réaliser une évaluation approfondie de la qualité des données est crucial pour l’interprétation de l’IA, comme le souligne Gilles Paubert de Cegedim. Il a déclaré : « L’évaluation de la qualité des données est vraiment essentielle. Cela implique une inspection, la description des données manquantes, la résolution des erreurs de mesure potentielles et la compréhension des mécanismes sous-jacents. » L’examen de ces aspects sert de base pour générer des informations précises et significatives à partir des modèles d’IA.

L’exploitation des algorithmes d’IA et d’ensembles de données complets permet aux professionnels de la santé de prendre des décisions éclairées, d’adapter les traitements et d’améliorer les résultats pour les patients. Nous vous invitons à explorer le webinaire complet ici pour obtenir des informations plus approfondies de la part des panélistes et explorer d’autres sujets abordés, tels que les défis associés au déploiement de modèles prédictifs auprès des professionnels de la santé et les biais dans les ensembles de données. 

Source :Reuters Events