Une étude menée par la Cleveland Clinic et Dyania Health aux Etats-Unis met en lumière le potentiel des grands modèles de langage pour identifier plus rapidement les patients susceptibles de bénéficier de la recherche clinique.
Une étude récemment publiée par la Cleveland Clinic et Dyania Health démontre comment un système de modélisation du langage à grande échelle, entraîné médicalement, peut examiner avec précision et efficacité les dossiers médicaux électroniques (DME) afin d’identifier les patients admissibles à un essai clinique sur une maladie rare.
Publiée dans The Journal of Cardiac Failure, la revue officielle de la Heart Failure Society of America, l’étude apporte la preuve concrète que l’examen des dossiers médicaux assisté par l’intelligence artificielle (IA) peut améliorer la rapidité, la précision et l’équité de l’inscription aux essais cliniques.
L’étude a évalué les performances d’un système d’IA – développé par Dyania Health et déployé à la Cleveland Clinic – chargé de présélectionner les participants à DepleTTR-CM, un essai de phase 3 sur la cardiomyopathie amyloïde à transthyrétine (ATTR-CM), un type d’insuffisance cardiaque principalement observé chez les personnes âgées.
En une semaine, le système a examiné 1 476 patients et en a identifié 46 comme potentiellement compatibles. Parmi les résultats :
- 29 des 30 patients identifiés comme correspondant à l’essai grâce au système d’IA et à l’examen par un clinicien impliqué n’avaient pas été identifiés par le recrutement traditionnel.
- Le système d’IA a atteint une précision de 96,2 % en répondant à 7 700 questions spécifiques à l’essai, réparties dans 9 domaines.
- Sept patients ont finalement été inclus dans l’étude en six jours grâce à un dépistage assisté par IA, avant que le recrutement ne soit interrompu en raison de l’atteinte de l’objectif de recrutement du site, contre 10 par le biais d’un dépistage traditionnel sur 90 jours.
- Les justifications fournies par l’IA concernant les conclusions relatives aux critères se sont avérées exactes à 100 % et interprétables par les médecins examinateurs.
- Le système a correctement exclu 198 patients sur 200 non éligibles, atteignant une valeur prédictive négative (VPN) de 99 %.
Surtout, le processus piloté par l’IA a permis d’identifier une population de patients plus diversifiée. Parmi les 30 patients identifiés par l’IA, 36,6 % étaient noirs, contre seulement 7,1 % identifiés par le biais du dépistage classique. De plus, seulement 60 % des patients identifiés par l’IA avaient déjà été mis en contact avec un spécialiste de l’insuffisance cardiaque, contre 92,8 % pour ceux identifiés par les méthodes traditionnelles, ce qui suggère que l’IA peut élargir l’accès aux essais cliniques pour les populations traditionnellement sous-représentées.
« Cette étude démontre comment une IA médicalement entraînée peut faciliter l’analyse des dossiers médicaux à grande échelle, transformant ainsi un processus traditionnellement fastidieux », a déclaré le Dr Trejeeve Martyn, investigateur principal de l’étude et directeur du programme de santé des populations atteintes d’insuffisance cardiaque à la Cleveland Clinic.
« En identifiant rapidement des candidats de qualité pour les essais cliniques au sein d’un vaste système de santé, nous pouvons accroître l’efficacité du recrutement et inclure davantage de patients d’origines diverses et provenant d’une zone géographique plus étendue. Nous sommes convaincus que cette technologie peut être utilisée dans l’ensemble de notre système de santé et nous étudions comment la plateforme peut contribuer à accélérer la recherche observationnelle, les registres de maladies et la mise en œuvre, fondée sur des données probantes, de traitements approuvés mais sous-utilisés. »
Le système d’IA a utilisé une combinaison de données structurées des dossiers médicaux électroniques et de traitement automatique du langage naturel pour analyser des notes cliniques et des rapports de laboratoire complexes. Il a également fourni des justifications détaillées et vérifiables pour chaque décision d’inclusion ou d’exclusion, permettant ainsi aux coordinateurs de recherche de vérifier l’admissibilité avec certitude.
« La recherche clinique est souvent limitée par notre capacité à associer efficacement et équitablement les patients aux essais cliniques », a déclaré Eirini Schlosser, PDG et cofondatrice de Dyania Health. « Cette étude apporte des preuves convaincantes que l’IA peut contribuer à résoudre ce problème, non seulement en améliorant l’efficacité des processus, mais aussi en aidant à identifier des patients éligibles qui pourraient autrement passer inaperçus, en particulier ceux issus de groupes historiquement sous-représentés. »
Le modèle d’IA, Synapsis AI, a été intégré au système de dossier médical électronique de la Cleveland Clinic et a analysé les données de 25 hôpitaux et 250 centres de soins ambulatoires dans l’Ohio, la Floride et le Nevada. La validation par l’équipe clinique est restée une étape essentielle du processus afin de garantir la sécurité et l’exactitude des données.
La mise en œuvre concrète de l’IA dans le cadre d’un essai clinique réel, ainsi que les indicateurs de performance et les résultats relatifs à la diversité des données, suggèrent la possibilité d’étendre plus largement l’utilisation des outils d’IA pour l’appariement des participants aux essais cliniques, les registres de santé des populations et le reporting qualité en temps réel.
La Cleveland Clinic a investi dans Dyania et pourrait tirer un bénéfice financier de la vente de cette technologie.
