Se rendre au contenu

État d’avancement des évolutions méthodologiques en recherche clinique

✍️ Agence de l'Innovation en Santé (AIS) et l'infrastructure French Clinical Research Infrastructure Network (F-CRIN) Mai 2025
19 mai 2025 par
État d’avancement des évolutions méthodologiques en recherche clinique
Daniel Oberlé - Pratiques en santé Oberlé
| Aucun commentaire pour l'instant

🚀 Innovation en Recherche Clinique 🚀

Découvrez les dernières évolutions méthodologiques en recherche clinique avec le rapport de l'AIS et F-CRIN ! 📊💡

Données de soins courants : Comment les utiliser pour étayer les décisions ? 🏥📈

IA et données synthétiques : Optimisation et simulation des essais cliniques. 🤖💻


➡️🔗 https://www.fcrin.org/sites/default/files/brique/fichier/05-2025/Rapport%20AIS%20GT%20F-CRIN-AIS_Rapport_20250515_vf_0.pdf


📚📚 Ce rapport explore les évolutions méthodologiques en recherche clinique. Il met en lumière des approches complémentaires à l'essai contrôlé randomisé, utiles à différents stades du cycle de vie d'un produit de santé. Le rapport s'articule autour de deux axes principaux : l'utilisation des données de soins courants pour soutenir l'évaluation clinique et l'apport de l'Intelligence Artificielle (IA) et des données synthétiques pour créer des modèles pronostiques ou simuler des essais.


#️⃣  #RechercheClinique #InnovationSanté #IA #DonnéesSanté #FCRIN #AIS  #pratiquesensanté

Points Clés pour les Acteurs de Terrain

  1. Utilisation des Données de Soins Courants :
    • Émulation d'essai clinique : Reproduire un essai randomisé à partir de données observationnelles pour estimer un effet causal.
    • Essais avec bras de contrôle externe : Intégrer un bras de contrôle construit à partir de données collectées en pratique courante.
    • Essais augmentés par données externes : Combiner des patients inclus dans un bras contrôle randomisé avec des patients issus de sources externes.
  2. Apport de l'IA et des Données Synthétiques :
    • Optimisation des essais cliniques : Utilisation de l'IA pour automatiser et améliorer diverses étapes des essais cliniques.
    • Modèles pronostiques : Prédire l'évolution future d'une maladie ou d'une condition clinique.
    • Simulation et in silico : Utilisation de modèles computationnels pour enrichir les résultats des essais cliniques.

Se connecter pour laisser un commentaire.