Révolutionner le recrutement dans les essais cliniques pour GA

Faire entrer un nouveau médicament sur le marché, c'est un processus long et coûteux. Ça prend généralement entre 10 et 15 ans et ça peut coûter environ 1 milliard de dollars. Une grande partie de ce processus implique des Essais cliniques, où les chercheurs testent la sécurité et l'efficacité de nouveaux traitements. Cependant, un gros problème dans les essais cliniques aujourd'hui, c'est de trouver suffisamment de participants. Ça peut entraîner des retards, et les études ne finissent souvent pas à temps. Certaines études suggèrent que jusqu'à 86 % des essais pourraient être en retard.

Pour surmonter les défis de recrutement, plusieurs méthodes ont été suggérées. Ça inclut de nouveaux designs d'essais et l'utilisation de la technologie pour aider à recruter des participants.

#Dégénération Maculaire Liée à l'Âge (DMLA)

La Dégénérescence maculaire liée à l'âge (DMLA) est une des principales causes de perte de vision chez les gens de plus de 50 ans dans les pays développés. Une forme sévère de DMLA s'appelle l'Atrophie géographique (AG), qui entraîne une perte de vision centrale due à la mort des cellules. Cette condition mène finalement à une perte de vision irréversible et à la cécité légale. Actuellement, l'AG touche 5 à 10 millions de personnes dans le monde, et ce chiffre devrait augmenter. Jusqu'à récemment, il n'y avait pas de traitements approuvés pour l'AG, mais maintenant deux ont reçu l'approbation de la Food and Drug Administration des États-Unis.

Ces traitements ralentissent la progression de l'AG mais n'améliorent pas la vision. En conséquence, plusieurs nouveaux essais pour différentes interventions sont en cours ou prévus.

#Défis dans les Essais Cliniques pour l'AG

Un défi majeur dans les essais cliniques pour l'AG est de trouver des patients qui répondent aux critères d'éligibilité. Ces critères exigent souvent des techniques d'imagerie spécifiques, comme l'autofluorescence du fond d'œil (FAF). Contrairement à la tomographie par cohérence optique (OCT), la FAF n'est pas réalisée systématiquement sur tous les patients atteints de DMLA. Simplifier le recrutement pourrait aider à identifier des traitements efficaces pour cette maladie grave.

Les méthodes traditionnelles de recrutement de patients utilisant les Dossiers de santé électroniques (DSE) peuvent être inefficaces. Elles dépendent de la recherche dans les notes cliniques, ce qui nécessite un effort manuel pour trouver des patients éligibles avec AG et confirmer leur diagnostic à l'aide d'images FAF. Les DSE peuvent aussi contenir des inexactitudes, surtout dans les données non structurées. L'AG pourrait être sous-déclarée, et les dossiers peuvent ne pas avoir assez de détails d'imagerie pour répondre aux critères stricts des essais.

#Le Rôle de l'Intelligence Artificielle (IA)

L'intelligence artificielle (IA) pourrait aider à résoudre certains de ces défis de recrutement. L'IA peut analyser de grandes quantités de données provenant des DSE pour trouver des participants potentiels qui sont probablement éligibles pour des essais cliniques. Dans les essais avec des critères de sélection basés sur l'imagerie, comme l'AG, l'IA peut extraire des informations précieuses des données d'imagerie qui sont régulièrement collectées lors des visites cliniques.

Utiliser l'IA pour évaluer les images rétiniennes pourrait mener à un processus de dépistage plus efficace et pourrait réduire les temps de recrutement dans les essais en cours et futurs.

#IA dans l'Identification des Patients pour les Essais d'AG

Cette étude se concentre sur l'utilisation de l'IA pour identifier les patients avec AG afin d'aider au recrutement pour les essais cliniques. Le but principal est de comparer les résultats d'une approche basée sur l'IA avec les recherches traditionnelles dans les DSE pour trouver des patients qui ont les caractéristiques d'imagerie nécessaires pour être inclus dans des essais cliniques spécifiques. Un objectif secondaire est d'analyser à quel point les évaluations de l'IA correspondent aux évaluations humaines des tailles de lésions d'AG à partir d'images FAF par rapport aux images OCT.

Le système d'IA est conçu pour identifier les patients atteints d'AG tout en excluant ceux qui ont la forme humide de la maladie, connue sous le nom de néovascularisation choroïdienne (NCV). L'IA traite les scans OCT, segmente différentes caractéristiques anatomiques et utilise ces informations pour prédire la présence de diverses pathologies maculaires, y compris l'AG.

#Ensemble de Données et Participants

L'étude a utilisé un grand ensemble de données de l'hôpital ophtalmique Moorfields à Londres. Cet ensemble de données incluait plus de 306 000 patients qui ont fréquenté l'hôpital entre janvier 2008 et avril 2023. Parmi eux, environ 79 000 patients répondaient aux critères pour être inclus dans cette étude.

Des données démographiques, comme l'âge, le sexe et le statut socio-économique, ont été collectées. L'étude a obtenu l'approbation de l'autorité sanitaire concernée, et le consentement éclairé a été levé car elle utilisait des données rétrospectives et anonymisées.

#Aperçu du Système d'IA

Le système d'IA utilisé dans cette étude peut effectuer une segmentation et une classification multi-classes. Il traite les scans OCT en trois dimensions, segmente les caractéristiques anatomiques, puis prédit la présence de différentes pathologies maculaires. Le modèle a été entraîné à l'aide d'un ensemble de données séparé provenant de l'hôpital.

#Estimation de la Zone et de la Localisation de l'AG

Dans les essais cliniques pour l'AG, l'éligibilité dépend souvent d'évaluations d'imagerie spécifiques. Après avoir confirmé la présence de l'AG en utilisant les résultats de l'IA, l'étude quantifie la zone d'AG en analysant les données segmentées des scans OCT. Cette zone est ensuite comparée à ce qui est requis pour l'éligibilité à l'essai.

Le système d'IA détermine également la localisation de l'AG. Certains critères d'essai exigent d'identifier si l'atrophie est proche de la fovéa (le centre de la rétine) ou si elle est située à la fovéa elle-même. Les informations des scans OCT sont utilisées pour localiser la fovéa.

#Critères des Essais Cliniques

Pour démontrer l'approche de l'IA pour présélectionner des patients, des critères pertinents d'un essai clinique en cours ont été sélectionnés. Cet essai évaluait un nouveau traitement pour des patients atteints d'AG. Pour être qualifiés, les individus devaient être âgés de plus de 55 ans, avoir une absence de NCV et répondre à des exigences spécifiques de zone pour l'AG.

Le système d'IA est également capable de s'ajuster pour répondre à différents critères d'autres essais en cours, ce qui lui permet de produire des listes présélectionnées sur mesure en fonction des exigences d'éligibilité variables.

#Comparaison entre les Méthodes IA et DSE

Une façon courante de trouver des participants éligibles pour les essais est d'effectuer des recherches par mots-clés dans les DSE. Dans cette étude, une recherche par mots-clés a été effectuée en utilisant des lettres cliniques pour identifier des patients avec AG. Les résultats ont montré que la recherche traditionnelle dans les DSE a identifié un certain pourcentage de patients éligibles.

En revanche, le système d'IA, fonctionnant de manière autonome, a identifié un pourcentage plus élevé de patients éligibles. Lorsque les deux méthodes étaient combinées, le nombre de patients identifiés comme éligibles a encore augmenté.

#Validation Clinique du Système d'IA

La précision de l'IA à prédire l'éligibilité a été évaluée en la comparant à des évaluations d'experts. Le système d'IA a obtenu une valeur prédictive positive (VPP), indiquant une forte probabilité d'identifier correctement les patients éligibles en fonction des critères d'imagerie.

L'accord entre les estimations de la zone d'AG de l'IA et les évaluations des experts a montré des résultats prometteurs. Le système d'IA s'est bien comporté dans la segmentation et la mesure des zones d'AG, démontrant qu'il peut être un outil précieux pour les essais cliniques.

#Conclusion

Cette étude met en avant comment un outil d'IA peut aider à recruter des participants pour des essais cliniques axés sur l'AG. Avec la recherche continue sur de nouveaux traitements pour cette condition, le système d'IA a le potentiel de simplifier le processus de recrutement des patients. En identifiant efficacement les patients qui répondent à des critères d'imagerie spécifiques, cette approche peut améliorer considérablement l'efficacité pour trouver des participants appropriés pour les essais cliniques.

Alors que la technologie IA continue d'évoluer, les efforts futurs se concentreront sur l'évaluation de son application pratique dans des contextes réels, en veillant à ce qu'elle fonctionne bien dans différentes populations de patients et avec divers systèmes d'imagerie. Cela pourrait mener à une méthode plus efficace pour trouver des participants pour des essais cliniques, contribuant finalement à faire avancer les options de traitement pour ceux touchés par l'AG.