Gustave Roussy, centre français de lutte contre le cancer, classé premier en Europe et quatrième mondial, est un leader incontesté de la recherche clinique, indispensable pour identifier les meilleures stratégies thérapeutiques pour les patients. Lors des congrès internationaux ESMO (European Society for Medical Oncology) à Barcelone et WCLC (World Conference on Lung Cancer) à San Diego, il a dévoilé, avec Lifen, une start-up spécialisée dans la gestion des données de santé, deux études illustrant le potentiel de l’IA pour accélérer la présélection des patients dans les essais cliniques, en particulier en oncologie pulmonaire.
Gustave Roussy est un institut entièrement dédié aux patients atteints de cancer. Expert des cancers rares et des tumeurs complexes, il accueille près de 50 000 patients, en consultation et/ou hospitalisation, chaque année, dont 3 500 enfants et adolescents, et leur propose une prise en charge personnalisée qui allie innovation et humanité. 40% des patients qui y sont traités pour un cancer font partie d’un essai clinique.
En décembre 2023, il a signé un accord cadre visant à accélérer la recherche médicale avec Lifen, une start-up française créée en 2015, lauréate France 2030, qui s’est donnée pour objectif d’améliorer la prise en charge des patients et la recherche clinique en simplifiant l’accès, la structuration et le partage des données médicales grâce à l’IA.
La présélection, un défi majeur pour les essais cliniques
Aujourd’hui, 86 % des essais cliniques échouent à atteindre leurs objectifs dans les délais prévus. L’une des principales causes de cet échec réside dans la complexité de la présélection des patients, un processus laborieux qui repose encore largement sur la saisie manuelle des données des dossiers médicaux. Cette tâche, chronophage et sujette à des erreurs, rend difficile l’inclusion rapide des participants dans les essais cliniques, freinant ainsi leur accès à de nouveaux traitements.
L’intelligence artificielle : un levier pour la recherche clinique
Dans ce contexte, l’IA apparaît comme une solution pour assister les médecins dans leur prise de décision, accélérant le processus et rendant les essais cliniques plus accessibles. Les études présentées par Gustave Roussy et Lifen visaient à comparer l’efficacité de la
saisie automatique des données (ADE) et de la saisie manuelle (MDE) pour le présélection des patients atteints d’un cancer du poumon.
Elles montrent que l’ADE, grâce à des algorithmes d’IA avancés, peut non seulement accélérer la présélection des patients, mais aussi améliorer la précision des données utilisées pour déterminer leur éligibilité aux essais cliniques.
Les résultats des études sont particulièrement prometteurs :
- Une précision accrue : L’ADE a automatisé l’extraction et la structuration de 160 variables à partir de notes non structurées des 1 344 patients inclus. Elle a atteint une complétude des données de 86,4 % et une précision totale de 96,7 % (sur les données complétées) dans un sous-ensemble de 138 patients comparés à la MDE.
- Réduction des erreurs : Les erreurs strictes ont été deux fois moins fréquentes avec l’ADE qu’avec la MDE, ce qui souligne la fiabilité de l’automatisation. En outre, Les erreurs commises par l’ADE étaient principalement dues au manque d’informations disponibles, et non à des erreurs de traitement ;
- Gain de temps considérable : Le temps de traitement par patient a été réduit à trois minutes grâce à l’ADE, contre plusieurs heures en traitement manuel.
Des études basées sur l’automatisation et la précision des données
Les études rétrospectives menées par Gustave Roussy et Lifen ont analysé des cohortes de patients atteints de cancer du poumon avancé entre février 2021 et juin 2024. En utilisant des notes médicales non structurées, l’ADE a extrait et structuré jusqu’à 160 variables, incluant des données démographiques, l’histologie, le statut PD-L1, le statut moléculaire et métastatique, ainsi que l’historique des traitements.
Les résultats de ces études ont démontré l’exactitude de l’ADE dans la capture de données critiques pour déterminer l’éligibilité des patients. Les modèles de langage de grande taille, couplés à une ingénierie de prompt et des exemples en peu de coups (few-shot learning), utilisés par l’ADE ont non seulement facilité la présélection, mais également amélioré l’exhaustivité des informations disponibles, un élément clé pour garantir des résultats d’essais cliniques de qualité.
Avec une précision dépassant 95 % pour la majorité des critères d’inclusion, ces études montrent que l’ADE représente une solution prometteuse pour optimiser la présélection des patients et garantir un recrutement rapide et efficace dans les essais cliniques.
