Si les données obtenues dans le cadre d’essais cliniques sont importantes au niveau de chaque essai, leur valeur augmente de manière exponentielle lorsque les renseignements sont regroupés, partagés, nettoyés et analysés de manière proactive.
Par leur conception, les essais cliniques génèrent d’importants volumes de données, qui viennent enrichir notre connaissance universelle des pathologies et des traitements potentiels. Si l’importance des données obtenues dans le cadre d’essais cliniques est importante au niveau de chaque essai, la valeur de ces dernières augmente de manière exponentielle lorsque les renseignements sont regroupés, partagés, nettoyés et analysés de manière proactive. Bien que des défis soient inhérents à cette démarche, les avantages peuvent être considérables.
Obstacles au recueil des données
Avec plus de 334 600 essais cliniques actuellement en cours, contre environ 100 000 en 2010, le secteur a beaucoup évolué en une seule décennie. Pendant cette même période, l’essor de la numérisation nous a permis de rationaliser les processus et de saisir les données plus facilement. La rencontre de ces deux tendances permet de créer un référentiel d’information partagé. Cependant, il existe des obstacles :
- La plupart des sources de données existent en silos et ne sont pas facilement partagées
- Les données sont stockées dans des formats variables qui ne se convertissent pas en d’autres formats ou ne communiquent pas avec d’autres formats
- Le nettoyage, la préparation et l’analyse des données prennent un temps rédhibitoire
Je pense que nous pouvons résoudre ces problèmes et établir une ressource plus productive et plus précieuse pour tous.
Explosion des données
Les essais cliniques intègrent aujourd’hui des données provenant de très nombreuses sources :
- Le séquençage génomique
- L’imagerie médicale
- Les laboratoires
- L’électronique prêt-à-porter
- Les données génétiques
- Les banques de tissus
- Les données générées par la santé mobile et les patients
Les technologies innovantes ouvrent la voie à des essais cliniques plus petits et contrôlés dans lesquels, de l’inscription des patients à l’administration des médicaments et aux suivis, tout est exécuté par le biais d’un téléphone remis aux participants à l’essai.
Certaines données nous permettent de remonter jusqu’au niveau du quartier : les laboratoires cliniques qui disposent d’un réseau d’emplacements de tests à travers le pays, par exemple, peuvent partager les résultats des analyses sanguines par code postal sans compromettre la confidentialité des patients. Grâce à ces renseignements, les promoteurs d’essais cliniques peuvent déterminer où localiser au mieux certains essais en fonction des maladies prévalant dans la population de patients. Trialtrove et Sitetrove aident les promoteurs à sélectionner les bons sites associés à la population de la maladie qu’ils étudient.
Les autres sources de renseignements sont la Food and Drug Administration (FDA), les Health and Human Services (H&HS) et TransCelerate, une organisation de recherche et développement pharmaceutique à but non lucratif.
Au-delà des données cliniques, les promoteurs d’essais doivent pouvoir intégrer des données opérationnelles, des données financières et des données concrètes pour tirer le meilleur parti de leurs investissements en recherche et développement (R&D).
Partage efficace des renseignements
Toutes ces données, lorsqu’elles sont agrégées, augmentent la puissance statistique du processus de R&D, et peuvent même potentiellement réduire le temps de mise sur le marché et permettre de réaliser des économies.
Les entreprises pharmaceutiques, même concurrentes, peuvent tirer des avantages de la mise en commun des données pour mieux gérer le processus de développement des médicaments. Pour y parvenir, elles doivent investir dans un système électronique robuste par le biais de fournisseurs d’e-Source tels que Clinical Ink, Comprehend Systems ou goBalto pour saisir et intégrer les données électroniques des centres, des cliniciens et des patients à la source.
Grâce à ce processus, nous pouvons accéder à plusieurs points de données et réduire les lacunes en matière de connaissances afin de mettre au jour les tendances et les valeurs aberrantes non visibles au niveau du centre. Nous pouvons obtenir une vision plus claire et à 360 degrés du cycle de vie d’une étude clinique et même déterminer de nouveaux parcours d’étude quant à ce qui pourrait encore être appris.
Cette ressource partagée peut également aider à évaluer le niveau de risque et à créer des stratégies d’atténuation pour réduire le risque.
Accès à différentes sources et différents formats
Certains systèmes ne peuvent pas communiquer entre eux et faciliter le transfert des données, ce qui peut constituer un obstacle. Les données que nous fournissons proviennent de la source sous différentes formes. Il appartient alors aux promoteurs de définir le format et d’utiliser des formats standard pour le partage des données. Pensez aux normes ouvertes et aux formats faciles à réutiliser.
Si vous utilisez un format différent pendant les phases de collecte et d’analyse de votre recherche, veillez à intégrer dans votre documentation des renseignements sur les fonctionnalités susceptibles d’être perdues lors de la migration des fichiers vers leur format de conservation, ainsi que sur tout logiciel particulier qui sera nécessaire pour visualiser ou travailler avec les données. Nous avons besoin de systèmes capables de mettre en commun des données et de communiquer entre eux. Les promoteurs d’essais cliniques doivent déterminer s’ils peuvent ajouter ces systèmes à leur infrastructure existante ou s’ils doivent acheter de nouveaux systèmes dotés de cette capacité.
Nettoyage, préparation et analyse des données
Récemment, les entreprises pharmaceutiques ont augmenté leurs dépenses en matière de modélisation analytique des données massives et de l’intelligence artificielle (IA). Les progrès réalisés en matière d’analyse et de visualisation des données permettent aux chercheurs d’explorer et d’interagir avec des ensembles de données à grande échelle, souvent agrégés, provenant de nombreuses sources. Associées à l’apprentissage automatique et à l’IA, ces données peuvent aider à la conception et à la mise en œuvre d’essais cliniques, avec des taux de réussite plus élevés.
Ces outils d’affinage rapide peuvent également contribuer à réduire le temps consacré au nettoyage et à la préparation des données. Leur utilisation pour l’analyse des ensembles de données peut contribuer à une analyse et à des calculs plus robustes, et ainsi, améliorer l’utilité du pool de données pour les utilisateurs.
Conclusion
En examinant les données sous un angle plus global, les promoteurs d’essais cliniques peuvent être plus proactifs puisqu’ils peuvent contribuer à mettre au jour les défis avant qu’ils ne surviennent. En contribuant à un ensemble plus vaste de connaissances, ils peuvent accéder plus facilement à une image plus nuancée des données et réaliser le plein potentiel de leur travail. En contribuant à un ensemble plus vaste de connaissances, ils peuvent accéder plus facilement à une image plus nuancée des données et réaliser le plein potentiel de leur travail. Pour boucler la boucle, les essais cliniques eux-mêmes peuvent également bénéficier de l’exploitation de multiples sources de données, renforçant ainsi leurs résultats, réduisant les risques et les dépenses et augmentant même la vitesse de mise sur le marché.
Vous voulez en savoir plus? Communiquez avec Actalent dès aujourd’hui.