CONNECT – Effort collaboratif visant à optimiser les soins du diabète grâce à un système d'aide à la décision clinique basé sur les modèles de grand modèle de langage (GLM)

CONNECT – Effort collaboratif visant à optimiser les soins du diabète grâce à un système d'aide à la décision clinique basé sur les modèles de grand modèle de langage (GLM)

Une intelligence artificielle respectueuse de la vie privée qui combine des données cliniques du monde réel, des scores de risque génomique et des lignes directrices fiables pour soutenir des décisions thérapeutiques plus sûres et plus personnalisées en matière de diabète.

Les personnes atteintes de diabète prennent souvent plusieurs médicaments et ont besoin d’un suivi régulier. Les cliniciens doivent trouver un équilibre entre les lignes directrices, les résultats de laboratoire, les autres problèmes de santé et le risque de complications propre à chaque personne. Aujourd’hui, les informations nécessaires pour personnaliser les décisions sont souvent dispersées dans différents systèmes, enregistrées dans des formats variés et difficiles à réutiliser en toute sécurité.

CONNECT mettra en place un « prescriptome du diabète » sécurisé : une vue structurée et consultable de l'historique des traitements et des soins du diabète, reliant les données réelles des dossiers médicaux électroniques (DME) d'Omnimed, les informations sur les risques génomiques (scores de risque polygéniques) d'Optithera, ainsi que les connaissances sur les médicaments et les protocoles thérapeutiques validés de Wikimedica. Le projet normalisera les données à l’aide de normes de données de santé largement utilisées (OMOP et HL7-FHIR) afin que les résultats soient interopérables et plus faciles à valider.

En préservant la confidentialité, les modèles seront entraînés et utilisés là où les données se trouvent déjà. En d’autres termes, les données au niveau du patient ne seront pas transférées entre les organisations. Au lieu de cela, les partenaires échangeront des mises à jour cryptées des modèles et des statistiques agrégées. L'outil d'aide à la décision utilisera une approche axée sur la recherche : il identifie les passages les plus pertinents des lignes directrices et les données probantes pour un scénario de patient, puis un modèle linguistique à grande échelle à pondération ouverte aidera à rédiger une suggestion structurée (par exemple, des ajustements de traitement ou des examens recommandés) qui renvoie aux données probantes à l'appui, pour plus de transparence.

À la fin du projet, l’équipe vise à (1) fournir un prescriptome interopérable pour le diabète, (2) valider et comparer différents modèles LLM, et (3) intégrer un prototype d’aide à la décision destiné aux cliniciens dans le flux de travail du DSE d’Omnimed. L’impact attendu est une prise en charge du diabète plus sûre, plus cohérente et plus personnalisée, avec une voie claire vers un déploiement responsable au Canada.

« Le Canada a besoin de plus que de bonnes idées ; nous avons besoin d’un écosystème de confiance où des algorithmes d’IA avancés peuvent être testés, comparés et validés sur des données du monde réel dans le cadre d’une gouvernance rigoureuse. CONNECT est conçu pour le monde réel. C’est cette infrastructure partagée qui rend possibles le développement, le déploiement et la vérification rigoureuse des algorithmes d’IA. CONNECT vise à rendre les décisions en matière de soins du diabète plus sûres et plus cohérentes en associant des conseils cliniques fiables à des données du monde réel. » Jean Noel Nikiema, chef de projet (Université de Montréal)