Dans notre dernier post, nous avons exploré les phases amont : de la découverte de médicaments à leur commercialisation en passant par les essais cliniques. La gen AI ne manque pas de potentiel avec l’accélération des processus et l’amélioration de l’efficacité en général.
Mais les promesses de l'IA générative vont bien au-delà des premières phases de R&D clinique. Bien encadrée, elle peut révolutionner presque tous les domaines des opérations cliniques, de l'optimisation des prises de rendez-vous à la recommandation de doses personnalisées pour la médecine de précision.
Voyons comment l'IA générative peut accélérer et sécuriser l'innovation dans un autre domaine, celui de la surveillance post-commercialisation.
Une quatrième étape essentielle de la R&D clinique
La surveillance post-commercialisation est l'étape cruciale de la R&D pharmaceutique après les essais cliniques. Connue également sous le nom d'essais de phase IV, c'est l'étape au cours de laquelle une nouvelle thérapie est approuvée et proposée à un groupe restreint de patients, afin de contrôler son efficacité sur une population plus large que dans les essais de phase III.
La surveillance post-commercialisation permet d'identifier les effets indésirables des médicaments. Par définition, elle implique de passer au crible d'importants volumes de données : une tâche colossale, que les médecins et les chercheurs doivent réaliser manuellement et qui allonge les délais de R&D des nouveaux traitements.
C'est face à un grand volume de données que l'IA générative prend tout son sens, en l'associant à l'expertise des cliniciens pour analyser des masses de données brutes et extraire des informations sur les effets indésirables et autres anomalies. Et ce n'est là qu'un aspect de son potentiel post-commercialisation : elle peut également aider à préparer la documentation, à communiquer avec les patients et les médecins, et à mettre à jour les supports marketing et les emballages.
Potentiel de l'IA générative pour la pharmacovigilance et le reporting
La pharmacovigilance et le reporting comprennent de nombreuses activités, allant de la surveillance des réactions des patients au nouveau médicament à la mise à jour de la littérature médicale, en passant par la préparation de rapports pour les régulateurs. L'IA générative permet notamment d'accélérer et d'améliorer ces processus :
- Génération de documents réglementaires : la gen AI peut aider à automatiser la création de documents réglementaires comme les rapports périodiques de mise à jour de la sécurité (PSUR), les rapports de surveillance post-commercialisation et les rapports d'études cliniques (CSR). Elle peut contribuer à rationaliser le processus de déclaration, en garantissant que les documents sont structurés de manière cohérente et qu'ils respectent les directives réglementaires.
- Comptes rendus sur les effets indésirables : l'automatisation de la production de comptes rendus sur les effets indésirables à partir de données brutes permet de gagner du temps et de réduire les erreurs humaines. L'IA générative peut analyser et extraire des informations pertinentes à partir de bases de données d'essais cliniques, de dossiers de patients et d'autres sources afin de créer des récits détaillés et précis pour les demandes d'autorisation.
- Résumés de la littérature médicale : l'utilisation de l'IA pour résumer de grands volumes de littérature médicale, notamment des documents de recherche, des études cliniques et des rapports, peut aider les professionnels de santé et les régulateurs à se tenir informés de tout risque ou tendance émergente en matière de sécurité.
- Pharmacovigilance et détection des signaux : dans le domaine de la pharmacovigilance, l'IA peut permettre de détecter des signaux d'alarme potentiels à partir de rapports sur les effets secondaires et d'autres sources de données. Les modèles génératifs peuvent aider à créer des récits et des rapports sur les signaux identifiés, facilitant ainsi la communication et le processus de prise de décision pour les évaluations de sécurité.
- Data mining et analyse de données : l'IA générative peut être appliquée à l'exploration et à l'analyse de sources de données réelles, comme les dossiers médicaux électroniques et les forums de patients, afin de mieux connaître les expériences vécues par les patients, les résultats des traitements et les problèmes de sécurité potentiels. Ces informations peuvent s'avérer précieuses pour la surveillance post-commercialisation et l'amélioration des produits.
- Évaluation des risques et analyse bénéfice-risque : l'IA générative peut aider à compiler et résumer les données relatives à la sécurité et à l'efficacité. Ceci permet ainsi aux parties prenantes de prendre des décisions pertinentes sur le maintien d'un médicament sur le marché.
Eli Lilly est une entreprise qui utilise déjà l'IA générative pour la surveillance post-commercialisation. En juin 2023, son directeur de l'information et du numérique, Diogo Rau, a déclaré à CNBC que le géant pharmaceutique utilisait actuellement la gen AI pour rédiger des rapports sur la sécurité des patients et des récits cliniques, et qu'il était enthousiaste quant à son potentiel dans d'autres domaines de l'entreprise.
L'IA générative au service de l'engagement et de la communication avec les patients
Un autre domaine de la surveillance post-commercialisation où la gen AI peut réduire les tâches manuelles, améliorer la qualité et accélérer les délais est l'engagement des patients et la communication auprès des prestataires de santé. Avec de grandes promesses pour les domaines suivants :
- Communication et assistance aux patients : la gen AI peut aider à produire des documents plus adaptés aux besoins des patients, grâce à des contenus pédagogiques, des guides sur les médicaments ou encore des FAQ. Avec à la clé, une meilleure compréhension des traitements et des schémas thérapeutiques, améliorant ainsi l'observance et les bénéfices pour les patients.
- Chatbots et santé : les chatbots d'IA générative peuvent fournir des réponses en temps réel aux professionnels de santé et aux patients sur des questions relatives aux médicaments et des sujets comme les effets indésirables ou les informations sur le dosage. Ceci améliore l'assistance aux patients et l'engagement. Le Med-PaLM de Google, par exemple, est un grand modèle de langage (LLM) formé spécifiquement pour répondre à des requêtes médicales.
- Prise de décision clinique : le traitement du langage naturel peut extraire des informations utiles des notes cliniques, ce qui permet aux professionnels de santé d'accéder plus facilement aux données pertinentes sur les patients et de prendre des décisions éclairées. Dans un contexte clinique, l'IA générative peut formuler des recommandations de traitement personnalisées basées sur les données du patient et les dernières directives cliniques.
- Production de supports marketing : les essais de phase IV nécessitent souvent la création de supports marketing pour les professionnels de santé et les patients. L'IA générative peut aider à générer du contenu pour les brochures, sites web et les campagnes de médias sociaux, en veillant à ce que le message soit conforme aux exigences réglementaires et cohérent sur les différents canaux.
- Mises à jour de l'étiquetage et du packaging : lorsque des informations relatives à la sécurité doivent être mises à jour sur les étiquettes et les emballages des médicaments, l'IA générative peut aider à produire le contenu révisé de manière efficace et cohérente, ce qui garantit ainsi la conformité réglementaire.
Un avenir prometteur pour la gen AI dans la surveillance post-commercialisation
Toutes les utilisations de l'IA générative pour la surveillance postérieure à la mise sur le marché, décrites dans cet article, ne pourront pas être mises en application dès demain. Comme pour toute nouvelle technologie dans l'industrie pharmaceutique, sa sécurité et son efficacité doivent être prouvées tout en mettant en place des processus de contrôle pour garantir une utilisation responsable et conforme des modèles d'IA et des données sur lesquelles ils sont formés.
L’IA générative montre déjà son efficacité dans les entreprises pharmaceutiques pour accélérer en toute sécurité les délais de R&D, laissant imaginer une utilisation de plus en plus fréquente pour la commercialisation de nouvelles thérapies. Avec, à terme, l’ambition d’améliorer considérablement la Santé à l’échelle mondiale.
Cognizant dispose d'une équipe d'experts en IA générative, forts d'une grande expérience de l'IA et de l'industrie pharmaceutique, ainsi que d'un écosystème de partenaires spécialisés, notamment Google Cloud et Microsoft Azure AI. Pour en savoir plus sur les possibilités d'intégrer l'IA dans vos activités de recherche et de développement pharmaceutiques, n'hésitez pas à nous contacter.
