Tirer des enseignements de l’expérience grâce aux données de vie réelle

Accroître nos connaissances et prendre les mesures qui s’imposent nous permettra d’améliorer les soins de santé.

C’est indiscutable, mais que veut-on dire par là ? Pour accroître leurs connaissances, les scientifiques identifient des problèmes, recueillent des données, étudient des faits et testent des hypothèses, à la recherche de preuves qui les guideront vers des solutions. 

Ces dernières années, le volume des données disponibles a connu une croissance exponentielle et leurs sources se sont multipliées. Les techniques employées pour étudier et exploiter ces big data, comme l’intelligence artificielle ou l’apprentissage automatique, s’améliorent par ailleurs à vue d’œil. 

Pour en tirer des connaissances susceptibles d’être utiles aux patients, il convient d’organiser et de rendre intelligibles ces flots de données en employant les outils appropriés et en se posant les bonnes questions. 

Sanofi cherche à améliorer la prise en charge des patients en dépassant les traditionnelles méthodes expérimentales et en employant ces nouveaux outils pour extraire des enseignements des volumes croissants de données de vie réelle, qui compléteraient les données traditionnellement générées par les essais cliniques.

« L’analyse des données de vie réelle nous aide dans notre objectif de mieux comprendre la valeur de nos produits dans la vie réelle, leur efficacité et leur innocuité, » explique Javier Jimenez, Vice-Président, Global Head for Real-World Evidence and Clinical Outcomes de Sanofi. « Nous avons pour but de proposer une approche bien plus individualisée, conçue sur mesure pour chaque patient. »

Mais que sont au juste les données de vie réelle ? Il s’agit de preuves cliniques de l’utilisation et du bénéfice/risque potentiel des produits médicaux issus de l’analyse des archives médicales, les données comportementales et les renseignements socio-économiques et environnementaux provenant d’hôpitaux, d’assurances, de dispositifs portables, voire des réseaux sociaux. Toutes ces informations ont le potentiel d’améliorer la prise de décisions en matière de santé : leur traitement global et consciencieux, dans le respect des réglementations en matière de vie privée, peut révéler des perspectives et des interactions, conduisant ainsi à l’amélioration des médicaments, des méthodes et de la prise en charge des patients.

Les données de vie réelle peuvent en effet fournir des informations critiques sur les traitements, tout en réduisant potentiellement les coûts et délais de mise au point d’un médicament.

Fondés sur des échantillons relativement restreints et soigneusement constitués, les essais cliniques traditionnels sont utiles pour évaluer l’innocuité et l’efficacité des traitements. Les données de vie réelle permettent quant à eux de tirer des enseignements de l’accès ou non à des soins de santé de qualité, de la situation socioéconomique, du comportement ou du mode de vie du patient.

Un essai clinique peut ne pas révéler que les patients prenant du poids sous un traitement donné en arrivent à réduire les doses prescrites, contrairement aux données tirées d’enquêtes et de consultations médicales, après avoir été soigneusement recueillies et analysées.

« Ajoutées aux résultats des essais cliniques, toutes ces informations contribuent à se faire une idée plus globale des interactions entre la biologie, le système de santé et le comportement du patient », estime Javier Jimenez. « Pour illustrer cela, un article publié peut en général contenir des centaines de variables, alors qu’une étude en Données de la vie réelle peut inclure des milliers de variables comme le comportement des patients, des données socio-économiques ou des détails sur d’autres comorbidités et traitements. Ainsi, ces études sont plus axées sur le patient que sur le produit », termine Jimenez.

Sur sa plateforme de données de vie réelle DARWIN, Sanofi emploie déjà l’apprentissage automatique et l’intelligence artificielle pour analyser des données anonymes tirées des archives d’environ 450 millions de vies de patients, asseyant ainsi sa position de chef de file dans l’exploration des données de vie réelle. Elle a de surcroît annoncé le 20 novembre dernier le lancement d’un partenariat avec Aetion, une entreprise fondée par des membres de la faculté de médecine d’Harvard. L’intégration des plateformes DARWIN et Aetion Evidence Platform engendrée par cette collaboration permettra d’analyser des données de vie réelle dans le but de fournir des réponses transparentes, rapides et validées scientifiquement sur l’efficacité, l’innocuité et la valeur des traitements.

Loin de se résumer à un engouement éphémère, le recours aux données de vie réelle constitue une promesse d’avenir. Sanofi est à la pointe de son optimisation pour améliorer la vie des patients, tout en protégeant la vie privée et la sécurité des données. 

« L’utilisation pharmaceutique des données et des analyses vise avant tout à améliorer la vie des malades, » explique Bernard Hamelin, Global Head of Medical Evidence Generation de Sanofi. « Pour y parvenir, nous bâtissons un écosystème de données, de plateformes d’analyse et d’experts. »

« Aetion fournit une méthode structurée de l’analyse des données », explique Javier Jimenez.  « Cette collaboration nous apporte avant tout des flux de travail permettant d’harmoniser l’analyse des données entre les équipes. »

La Food and Drug Administration (FDA) des États-Unis, qui évalue depuis des années l’innocuité de différents produits au moyen de données de vie réelle, cherche actuellement des programmes pilotes pour étendre l’utilisation de ces données à différents domaines, comme la définition de nouveaux sous-groupes de patients, la formulation de nouvelles mentions d’étiquetage ou la conception d’essais cliniques. 

« L’idée n’est pas de remplacer les essais cliniques, mais de les compléter en étudiant les effets des thérapies dans la vie réelle et en utilisant les informations ainsi recueillies pour constamment ajuster et perfectionner la prise en charge des patients, » précise Javier Jimenez. La position déterminante de la FDA a ouvert la voie à l’utilisation de ces données à des fins d’efficacité, dans l’approbation de nouvelles indications et de nouveaux composés. « L’aventure ne fait que commencer. »  

L’objectif poursuivi, selon Javier Jimenez, consiste à lancer un processus cyclique : les patients produisent des données qui leur reviennent ensuite sous la forme d’informations traitées, « leur permettant ainsi de décider par eux-mêmes comment gérer leur santé au quotidien », explique-t-il.

« De nombreuses entreprises commencent à parler d’intelligence augmentée plutôt qu’artificielle pour décrire les techniques avancées d’analyse de données », ajoute Javier Jimenez, qui considère que l’automatisation de nombreux processus a déjà commencé à « libérer du temps que les êtres humains peuvent désormais se consacrer à des tâches plus essentielles. »

« Tout revient au bout du compte à notre objectif d’améliorer la prestation des services de santé et à fournir les meilleures informations pour prendre à tout moment la meilleure décision concernant chaque patient », ajoute Javier Jimenez.

Pour en savoir plus

Ce site utilise des cookies pour mesurer son audience et nous permettre d’améliorer votre expérience utilisateur. En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de ces cookies.

En savoir plus
OK