L'Intelligence Artificielle (IA) peut réaliser le potentiel d'innovation centrée sur le patient dans le secteur biopharmaceutique

L'un des principaux avantages de l'IA est l'accélération du processus de développement des médicaments. Traditionnellement, le développement d'un nouveau médicament peut prendre des années et coûter quelques milliards d'euros. Cependant, les algorithmes d'IA peuvent analyser de vastes ensembles de données et identifier plus rapidement des candidats médicaments potentiels. Certaines entreprises, comme la société belge Kantify par exemple, utilisent les technologies de l'IA pour accélérer la découverte de médicaments efficaces et sûrs. Cela permet de mettre plus rapidement de nouveaux traitements à la disposition des patients.

L'IA joue également un rôle important dans l'amélioration des essais cliniques. Grâce à l'IA, les entreprises pharmaceutiques peuvent identifier plus rapidement les patients appropriés, ce qui réduit considérablement le temps de recrutement. L'IA permet également de suivre les patients pendant les essais et d'analyser les grandes quantités de données collectées au cours de ces essais. Cela permet non seulement de rendre les essais plus efficaces, mais aussi d'obtenir des résultats de meilleure qualité et plus fiables. Par exemple, l'IA est utilisée pour réduire les tâches administratives dans les essais cliniques, ce qui se traduit par une plus grande précision et moins d'erreurs.

Les progrès de la médecine personnalisée constituent un autre avantage important de l'IA. L’analyse de données des patients et la reconnaissance de modèles permettent aux systèmes d'IA de mettre au point des traitements sur mesure qui répondent mieux aux besoins individuels des patients. Il en résulte des traitements plus efficaces et moins d'effets secondaires. En Belgique, l'IA est utilisée pour développer des traitements spécifiques pour les patients, en particulier dans des domaines complexes tels que le cancer et les maladies rares.

L'industrie des sciences de la vie reconnaît qu'il y a une personne derrière chaque point de données et s'engage à traiter les données avec le plus haut niveau d'intégrité et de soin. Nous voulons être un partenaire de confiance pour le traitement de données et un bon citoyen pour les données au sein de l'écosystème des soins de santé et auprès des organismes de réglementation. Pour atteindre notre objectif, il est essentiel de sensibiliser au comportement éthique tout au long du cycle de vie des données, depuis la collecte, l'utilisation, la gestion globale et le stockage jusqu'au développement et à la commercialisation des médicaments et des technologies.

Quatre conditions fondamentales doivent être remplies :

1. Normes pour la qualité et l'interopérabilité des données de santé
   
   Les données, souvent considérées comme un « sous-produit » du processus de soins routinier, sont généralement dispersées et non standardisées au sein des organismes de soins de santé. Cependant, ce type de données, connues sous le nom de « données du monde réel » (Real-World Data, RWD), peut être extrêmement précieux.
   
   La première étape vers l'amélioration consiste à implémenter des contrôles de qualité et à structurer les données dans un " Common Data Model » (un modèle relationnel de bases de données de santé) tel que le modèle de données OMOP.
   
   Les RWD manquent souvent de la portée nécessaire à une recherche approfondie. Des efforts ciblés visant à ajouter de nouvelles données aux ensembles de données existants permettent de créer des ensembles de données plus riches et plus utiles, également connus sous le nom de « Augmented RWD » (RWD augmentée).
    
2. Infrastructure (méthode et outils)
   
   Une infrastructure solide est essentielle et comprend un stockage sécurisé des données et des capacités de traitement puissantes. Par exemple, les réseaux de données fédérés, qui respectent la vie privée dès leur conception, garantissent la protection des données des patients. En outre, des méthodes normalisées et des outils avancés sont nécessaires pour traiter et analyser les données, ce qui permet d'obtenir des informations précieuses susceptibles d'améliorer les soins prodigués aux patients.
    
3. Gouvernance
   
   Un cadre réalisable avec des règles claires pour l'accès et le partage des données de santé est essentiel. Il est nécessaire d'harmoniser et d'aligner toutes les parties prenantes sur une interprétation uniforme du RGDP (Règlement général sur la protection des données) afin de promouvoir l'utilisation secondaire, sans restrictions irréalistes. La transparence et la simplification des procédures sont nécessaires. Enfin, nous soulignons l'importance de la coopération entre tous les partenaires de l'écosystème des données.
    
4. Collaboration
   
   La création d'un système de soins de santé fondé sur les données ne peut se faire que par le biais de collaborations entre les secteurs public et privé dans chaque pays et dans l'ensemble de l'UE. Les acteurs au sein de l'écosystème de la santé (professionnels de la santé, patients, innovateurs) ont des perspectives et des connaissances uniques sur les possibilités et les obstacles liés à l'accès aux données et à leur partage. Il est essentiel de collaborer au-delà des cloisonnements pour permettre à l'innovation dans le domaine des soins de santé de prospérer, pour améliorer les soins aux patients et soutenir la viabilité de notre système de santé pour l'avenir.
    

En conclusion, un écosystème de soins de santé basé sur les données a le potentiel de transformer les soins aux patients et d'accélérer l'innovation.