Crédit image : © Kaikoro – stock.adobe.com
Une étude récente, dirigée par le Winship Cancer Institute de l’Université Emory et le Abramson Cancer Center de l’Université de Pennsylvanie, s’intéresse à l’efficacité d’une nouvelle solution d’intelligence artificielle (IA) pour les essais cliniques, nommée TrialTranslator. Les chercheurs ont démontré la capacité de cette solution à aider les cliniciens et les patients à évaluer dans quelle mesure un patient spécifique peut bénéficier d’une thérapie testée dans un essai clinique.1
L’étude a été dirigée par le Dr Ravi B. Parikh, oncologue médical certifié, directeur médical des applications de données et de technologies au Winship Cancer Institute de l’Université Emory, et professeur associé au Département d’hématologie et d’oncologie médicale de l’École de médecine de l’Université Emory. Le co-auteur est le Dr Qi Long, professeur de biostatistique et de sciences informatiques, qui est également directeur fondateur du Center for Cancer Data Science à l’Université de Pennsylvanie, ainsi que directeur associé pour la science des données quantitatives du Abramson Cancer Center de Penn Medicine.
Aux côtés de ses collègues, Parikh a développé TrialTranslator, un cadre d’apprentissage machine (ML) capable de traduire les résultats d’essais cliniques pour des populations réelles.
Dans un communiqué de presse, Parikh a déclaré : « Nous espérons que cette plateforme IA fournira un cadre pour aider les médecins et les patients à déterminer si les résultats d’un essai clinique peuvent s’appliquer à un patient individuel. De plus, cette étude pourrait aider les chercheurs à identifier les sous-groupes pour lesquels de nouveaux traitements ne fonctionnent pas, encourageant ainsi de nouveaux essais cliniques pour ces groupes à haut risque. »
Long a ajouté : « Notre travail démontre le potentiel énorme d’exploiter l’IA/ML pour tirer parti de données réelles riches et complexes afin de faire avancer la médecine de précision. »
Intitulée “Évaluation de la généralisabilité des résultats d’essais oncologiques pour des patients en conditions réelles grâce à des émulations d’essais basées sur l’apprentissage machine”, l’étude a utilisé une base de données nationale d’enregistrements de santé électroniques (EHR) de Flatiron Health pour émuler 11 essais cliniques portant sur des régimes anticancéreux considérés comme standards de soins dans les cas de cancer du poumon non à petites cellules, de cancer du sein métastatique, de cancer de la prostate métastatique et de cancer colorectal métastatique.
Suite à leur analyse, les auteurs ont constaté que les patients présentant des phénotypes à risque faible ou moyen avaient des temps de survie et des bénéfices associés au traitement similaires à ceux observés dans les essais. En revanche, les patients à phénotype à haut risque ont montré des temps de survie significativement plus faibles et des bénéfices associés au traitement très réduits.
« Ces résultats mettent en lumière le potentiel de cadres tels que TrialTranslator, qui intègrent des ensembles de données dérivés des EHR, le phénotypage basé sur l’IA et des émulations d’essais, pour traduire les résultats d’essais cliniques randomisés en oncologie pour des patients individuels, » ont écrit les auteurs. « De tels outils peuvent soutenir les cliniciens et les patients dans leur prise de décision éclairée sur les traitements, en comprenant les bénéfices attendus des nouvelles thérapies et en planifiant les soins futurs. »2
Dans l’ensemble, les résultats de l’étude suggèrent que le pronostic des patients est un meilleur prédicteur de la survie et des bénéfices du traitement qu’une simple évaluation des critères d’éligibilité. Les auteurs recommandent que les essais utilisent des méthodes plus sophistiquées pour évaluer le pronostic des patients au lieu de se baser uniquement sur des critères d’éligibilité.
Dans le communiqué cité précédemment, Parikh a ajouté : « Bientôt, avec une supervision appropriée et des preuves suffisantes, il y aura une augmentation des biomarqueurs basés sur l’IA capables d’analyser l’information en pathologie, en radiologie ou dans les dossiers de santé électroniques pour aider à prédire si les patients répondent ou non à certaines thérapies, diagnostiquer plus tôt des cancers ou améliorer les pronostics pour nos patients. »
Références
1. Nouvelle plateforme IA identifie quels patients sont les plus susceptibles de bénéficier d’un essai clinique. Communiqué de presse. Emory Health Sciences. Winship Cancer Institute de l’Université Emory. 8 janvier 2025. Consulté le 10 janvier 2025. https://www.eurekalert.org/news-releases/1069923
2. Orcutt, X., Chen, K., Mamtani, R. et al. Évaluer la généralisabilité des résultats des essais oncologiques pour des patients en conditions réelles grâce à des émulations d’essais basées sur l’apprentissage machine. Nat Med (2025).
Points à retenir
- TrialTranslator permet de mieux adapter les résultats des essais cliniques aux situations réelles des patients.
- L’étude a révélé que le pronostic est un meilleur indicateur de la survie que les critères d’éligibilité.
- L’utilisation des données issues des EHR pourrait révolutionner la médecine de précision en oncologie.
En conclusion, l’intégration de l’intelligence artificielle dans le domaine médical semble prometteuse, surtout en oncologie. La capacité d’adapter les résultats des essais cliniques aux patients réels pourrait transformer la manière dont les traitements sont personnalisés. Cela pose également des questions éthiques sur le rôle de l’IA dans le processus décisionnel médical. Quelles seront les implications de cette évolution sur la relation entre médecins et patients ?
- Source image(s) : www.appliedclinicaltrialsonline.com
- Source : https://www.appliedclinicaltrialsonline.com/view/new-study-demonstrates-first-of-its-kind-artificial-intelligence-platform-trialtranslator
Nos rédacteurs utilisent l'IA pour les aider à proposer des articles frais de sources fiables à nos utilisateurs. Si vous trouvez une image ou un contenu inapproprié, veuillez nous contacter via le formulaire DMCA et nous le retirerons rapidement. / Our editors use AI to help them offer our readers fresh articles from reliable sources. If you find an image or content inappropriate, please contact us via the DMCA form and we'll remove it promptly.