Caractéristiques
Contexte
La bronchopneumopathie chronique obstructive (BPCO) est un problème de santé mondial prévalent et de plus en plus lourd, qui touche plus de 10 % des personnes âgées de 30 à 79 ans. C’est la troisième cause de mortalité dans le monde, avec 3,23 millions de décès en 2019. Le sous-diagnostic de la BPCO est très répandu, affectant potentiellement 70 % des malades en raison de divers facteurs. Un diagnostic précoce et précis est essentiel pour une prise en charge efficace, car il permet de réduire les coûts de santé et d’améliorer les résultats pour les patients.
Objectifs
Ce projet vise à aborder la complexité de la BPCO grâce au développement de cohortes virtuelles et d’applications. Les principaux objectifs sont les suivants :
- Identifier les patients qui auraient pu être diagnostiqués plus tôt afin de permettre une meilleure prise en charge et un meilleur état de santé ;
- Caractériser l’évolution des marqueurs de progression et de gravité de la BPCO ainsi que le taux de résultats cliniques mesurés dans le monde réel et saisir l’hétérogénéité des patients ;
- Simuler la norme actuelle de soins, reflétant les schémas de prescription et d’observance pour différents profils de patients dans les soins de routine en France ;
- Identifier les facteurs de résultats liés aux coûts directs et indirects afin d’optimiser les ressources de santé ;
- Intégrer progressivement ces différents aspects dans un simulateur de cohorte virtuelle « en vie réelle », qui pourrait être utilisé pour divers cas d’utilisation et pour répondre à diverses questions.
Méthodes
- Un algorithme de détection des patients atteints de BPCO utilisant des méthodes telles que la régression logistique ou les réseaux neuronaux sera développé. L’algorithme devrait fournir des résultats facilement interprétables et être validé en interne pour la précision du diagnostic. Un algorithme de diagnostic différentiel permettant de faire la distinction entre la BPCO et d’autres maladies qui se chevauchent, telles que l’asthme, sera ensuite mis au point. Cet algorithme utilisera des variables disponibles dans la routine clinique (médecin généraliste ou spécialiste) et sera appliqué aux patients identifiés par l’algorithme de détection précédent afin d’augmenter sa spécificité. Un regroupement non supervisé permettra d’identifier les profils de patients atteints de BPCO qui n’ont pas été détectés, afin d’élaborer un modèle de progression tenant compte de l’appartenance à un sous-groupe. S’appuyant sur des études de cohortes Constances antérieures, le projet utilisera les connaissances existantes et collaborera avec des leaders scientifiques en épidémiologie et en pneumologie pour une mise en œuvre efficace ;
- Des algorithmes d’Intelligence Artificielle seront appliqués aux profils de progression des phénotypes et la chaîne causale/temporelle sera modélisée, par exemple à l’aide d’une modélisation prédictive bayésienne ou d’approches d’inférence causale. Une validation interne et externe sera effectuée ;
- Un modèle de soins sera développé pour émuler la norme actuelle de soins, reflétant les schémas de prescription et d’observance pour différents profils de patients dans les soins de routine en France. La modélisation des séquences de traitement peut inclure ou combiner l’exploration de séquences, l’apprentissage par renforcement, les modèles de Markov à classe latente ou les modèles de séquence basés sur l’apprentissage profond, associés à des méthodes pharmaco-épidémiologiques plus standard telles que la modélisation du score de propension ;
- Un modèle médico-économique sera développé pour identifier les facteurs de résultats liés aux coûts directs et indirects, permettant par exemple de prédire le fardeau médico-économique individuel et d’évaluer le rapport coût-efficacité de thérapies données. Cette modélisation peut inclure ou combiner, par exemple, des modèles prédictifs basés sur l’apprentissage automatique ou des modèles multi-états (Markov) avec des risques compétitifs ;
- Un simulateur intégratif sera développé et testé pour combiner la progression de la maladie et la modélisation des soins dans un simulateur de cohorte virtuelle du monde réel qui peut être utilisé pour répondre à une variété de questions.
Perspectives
La collaboration avec Constances offre le potentiel d’améliorer de manière significative la compréhension et les résultats du traitement de la BPCO. Les résultats du projet pourraient contribuer à :
- Identifier les patients qui auraient pu être diagnostiqués plus tôt afin de permettre une meilleure prise en charge dans un meilleur état de santé ;
- Caractériser les marqueurs de progression et de gravité de la BPCO ;
- Adapter les modèles de soins en fonction du profil des patients et de l’observance du traitement ;
- Optimiser les ressources en soins de santé grâce à des informations médico-économiques ;
- Développer un simulateur de cohorte virtuelle « en vie réelle » polyvalent pour diverses applications.
Ce projet a reçu un financement de Quinten Health, dans le cadre d’un partenariat avec l’Inserm.
Informations réglementaires
Responsable de traitement
Le traitement de données à caractère personnel est placé sous la responsabilité conjointe de l’Institut national de la santé et de la recherche médicale (Inserm), situé au 101 rue de Tolbiac, 75 013 Paris – www.inserm.fr et de Quinten Health, situé au 8 rue Vernier, 75 017 Paris - www.quinten-health.com.
Délégué à la protection des données
Pour la cohorte : Déléguée à la protection des données de l’Inserm, dpo@inserm.fr ou 101 rue de Tolbiac, 75 013 Paris / Pour Quinten Health : Déléguée à la protection des données de Quinten Health, privacy@quinten-france.com ou 8 rue Vernier, 75 017 Paris.
Finalités du traitement auquel sont destinées les données à caractère personnel
La finalité du traitement est de créer une plateforme de simulation virtuelles de maladies, de leur progression, des parcours de soins et des dépenses associées. La création de cette plateforme de simulation a pour objectif d’améliorer considérablement la compréhension de l’asthme, ouvrant la voie à des traitements plus efficaces et à de meilleurs résultats pour les patients.
Base légale du traitement et recours à des données dites sensibles
La base légale du traitement repose sur le consentement des volontaires de la cohorte Constances.
Catégories de données concernées par les traitements
Données relatives aux habitudes de vie : tabagisme, alimentation… ; Données socio-démographiques : sexe, âge… ; Données socio-économiques : situation professionnelle … ; Données de santé et relatives à la santé : données biométriques, données biologiques…
Destinataires ou catégories de destinataires des données à caractère personnel
Dans le cadre de cette recherche, les données seront mises à disposition du responsable du projet, CEO, Quinten Health (France) (dans un espace sécurisé du CASD, Centre d'accès sécurisé aux données). Cette mise à disposition est nécessaire à la réalisation d’analyses analytiques et statistiques menées par Quinten Health.
Durée de conservation en base active des données à caractère personnel
Les données seront conservées dans les systèmes d’information sécurisés du CASD jusqu’à deux ans après la dernière publication des résultats de la recherche ou, en cas d’absence de publication, jusqu’à la signature du rapport final de la recherche, soit de juillet 2024 à juillet 2028. Elles seront ensuite définitivement supprimées.
Droits des personnes concernées et modalités d’exercice de ces droits
Les données nécessaires à ce projet sont traitées conformément au Règlement général relatif à la protection des données « RGPD » (Règlement (UE) 2016/679 du Parlement européen et du Conseil du 27 avril 2016) et à la loi n° 78-17 du 6 janvier 1978 modifiée relative à l’informatique, aux fichiers et aux libertés. L’ensemble des droits et les moyens pour les exercer sont disponibles sur : « Espace Volontaires » « Droits et protection des données ». Il est également possible de s’adresser au co-responsable de traitement de ce projet, par l’intermédiaire de son/sa déléguée à la protection des données DPO (coordonnées indiquées ci-dessus).