L’intelligence artificielle causale pour prédire les résultats cliniques des premiers essais chez l'homme à partir de données précliniques, de données cliniques et génomiques du monde réel

Utiliser l'IA et les données de santé canadiennes pour améliorer l'efficacité et la sécurité des nouveaux traitements contre le cancer

De nombreux médicaments anticancéreux qui semblent prometteurs au départ échouent souvent lors des essais cliniques, ce qui coûte du temps, des ressources de santé et, surtout, prive les patients de la possibilité de bénéficier des meilleurs soins. Notre projet vise à améliorer la manière dont les nouvelles thérapies anticancéreuses sont développées en prédisant leur efficacité potentielle chez les patients avant le lancement des programmes d’essais cliniques.

Notre projet influence le paysage canadien de la santé numérique en brisant les silos grâce à une collaboration respectueuse de la vie privée. En développant le cadre d'IA causale SynoGraph, nous construisons un prototype permettant de prédire les résultats cliniques à partir de données clinico-génomiques standardisées. Cette initiative utilise l'apprentissage fédéré pour sécuriser les données brutes derrière les pares-feux institutionnels tout en accélérant les avancées en oncologie de précision. En respectant les normes FAIR et OMOP, nous faisons passer l'IA canadienne du laboratoire à l'application clinique dans le monde réel. » – Alind Gupta (Inka Health, Onco-Innovations)