Rédigé par l’équipe de Pharmaspecific.

Introduction

Ces dernières années, la technologie a révolutionné presque tous les aspects de notre vie et la recherche clinique ne fait pas exception. Avec l’avènement de nouvelles technologies et l’évolution constante des réglementations, le rôle des Attachés de Recherche Clinique (ARC)  et Techniciens d’étude clinique (TEC) n’a jamais été aussi crucial. Dans cet article, nous allons explorer les nouveautés qui ont remodelé le paysage de la recherche clinique. Nous allons examiner ensemble, en premier, les essais cliniques décentralisés, puis nous nous intéresserons à la contribution de l’intelligence artificielle (IA) à la médecine et à la recherche clinique, et pour finir, nous aborderons l’intérêt des Big Data (Real-Word Data et Real-Word Evidence) dans le cadre de la recherche clinique.

I. Essais cliniques décentralisés

La recherche clinique mondiale a fait un grand pas en avant avec l’introduction des essais cliniques décentralisés. Ces études cliniques impliquent un déplacement ou décentralisation de certaines parties des procédures du site d’étude vers le domicile des participants. Cette approche utilise généralement des technologies de communication pour faciliter le suivi des patients à distance et garantir des données sécurisées. Les essais cliniques décentralisés présentent de nombreux avantages, notamment une réduction des coûts et des délais, une augmentation de l’accessibilité pour les patients ainsi qu’une amélioration de la simplicité et du confort de participation aux études cliniques.

En décembre 2022, la Commission européenne avec l’Agence européenne des médicaments (EMA) et les Chefs d’Agences du Médicament (HMA) ont publié une recommandation sur les essais cliniques décentralisés se déroulant dans l’Union européenne ¹. Les éléments suivants peuvent être décentralisés selon la recommandation :

A. Le consentement éclairé électronique

Il permet des entretiens d’information du participant et de recueil du consentement éclairé à distance et différentes méthodes de signature du formulaire de consentement éclairé, telles que les signatures manuelles ou électroniques. Cela dit, en France, cette approche dans le domaine de la recherche en santé n’est pas encore structurée par un cadre réglementaire bien défini, malgré l’instauration du Décret n° 2017-1416 du 28 septembre 2017 relatif à la signature électronique.

B. La délivrance de médicaments expérimentaux

Les médicaments expérimentaux peuvent être livrés et introduits directement aux participants à l’essai. Lors de la crise sanitaire de la COVID-19, les autorités françaises ont publié des recommandations² permettant, en cas de nécessité, la délivrance au domicile des patients des traitements expérimentaux, soit à partir des PUI des hôpitaux, soit à partir des dépôts de distributeurs.

Les exigences étaient :

1. L’absence de déplacement inutile des patients ou déplacement limité au maximum
2. Le transport des produits dans le respect des conditions de température et d’environnement définies par le promoteur en lien avec le fabricant
3. Le respect des dispositions du règlement général sur la protection des données (RGPD) et de la loi n° 78-17 du 6 janvier 1978 relative à l’informatique, aux fichiers et aux libertés, modifiée ainsi que des principes posés dans la méthodologie de référence (MR 001) adoptée par la Commission nationale de l’informatique et des libertés (CNIL) avec sa méthodologie de référence.

À noter que le § 2.3.2 de la MR-001, permet de communiquer à des sous-traitants (transporteurs ou distributeurs distincts du promoteur) les données administratives d’identification des personnes se prêtant à la recherche pour la livraison/la récupération à domicile de produits de santé ou de matériel et la récupération d’échantillons nécessaires à la réalisation de la recherche.^2,3. Récemment, la CNIL explique également comment cette pratique peut satisfaire aux normes des méthodologies de référence ⁴.

C. Les procédures à domicile liées à l’étude

Certaines évaluations et activités de l’essai peuvent être réalisées au domicile du patient. Toutefois, le participant à l’essai doit consentir à ces procédures (prélèvement biologique, mesure des paramètres vitaux, administration de médicament…). Et ces dernières doivent être clairement définies dans le protocole d’étude et dans la note d’information et le formulaire de consentement éclairé.

D. La gestion et suivi des données

Les données peuvent être collectées, surveillées et analysées à distance. Néanmoins, selon les bonnes pratiques cliniques de l’ICH E6, les données enregistrées au cours de l’essai clinique doivent être conformes aux ALCOAC (Attribuables, lisibles, contemporaines, originales, fiables et complètes). En outre, les exigences en matière de protection des données conformément au règlement général sur la protection des données (RGPD) doivent être respectées.

En France, les essais cliniques décentralisés sont en cours d’évolution. La Direction générale de la santé (DGS), la Direction générale de l’offre de soins (DGOS), l’ANSM et la CNIL ont lancé une phase pilote pour accompagner les promoteurs dans la conception de leurs projets de recherches cliniques décentralisés. Les travaux ont pour but de fournir des recommandations nationales ⁵. Des groupes de travail ont également été mis en place en 2021⁶.

Le « Remote monitoring » est aussi une pratique fréquemment adoptée. Grâce aux ePROS, aux appareils portables, et aux cahiers d’observation électronique (eCRF), les données d’études sont collectées et visibles en temps réel. Les ARC peuvent effectuer des monitoring à distance avant une visite de monitoring ou sur une partie des données de l’étude.

Récemment, la CNIL vient de publier les bonnes pratiques pour le contrôle qualité à distance des essais cliniques ⁷. En réalité, durant la crise sanitaire, la CNIL a temporairement autorisé le contrôle qualité à distance selon les méthodologies de référence (MR-001 et MR-003). Désormais, Après la fin de la crise sanitaire, les essais commencés depuis janvier 2022 nécessitent une autorisation de la CNIL pour la dématérialisation.  

Aux Etats-Unis, l’Agence américaine des produits alimentaires et médicamenteux (FDA) a publié un projet de recommandations sur les essais cliniques décentralisés en 2023, pour les médicaments, les produits biologiques et les dispositifs. Les directives encadrent la conception d’une étude décentralisée, les technologies de santé numérique utilisées et les responsabilités des parties prenantes ⁸. La signature électronique du consentement éclairé est également éligible dans le cadre du règlement local ⁹.

II. Intelligence artificielle (IA) et recherche clinique

L’intelligence artificielle (IA) est en train de révolutionner le domaine de la recherche clinique. Elle offre des possibilités inédites pour améliorer la qualité et l’efficacité des soins de santé. L’IA a le potentiel de transformer la recherche clinique en automatisant les tâches laborieuses, en améliorant la précision des prédictions et en fournissant des informations précieuses pour la prise de décision.

Les tâches suivantes sont parmi celles que l’IA peut effectuer :

• le monitoring des études :  automatisation de la lecture des dossiers patients pour le contrôle qualité des données recueillies (recherche d’erreur dans le eCRF)
• le reporting : automatisation de la rédaction périodique des états des lieux
• la rédaction du protocole de recherche
• l’aide au recrutement des patients au niveau du centre : analyse automatique des dossiers patients pour sélectionner plus efficacement les patients. L’IA Trial Pathfinder, par exemple, est capable d’affiner les critères d’inclusion des essais cliniques en exploitant les données de santé des patients ¹⁰. Elle peut aussi contribuer à la conception d’une étude.

Il y a également d’autres applications qui ne cessent d’évoluer le secteur de la recherche clinique comme :

• les chatbots boostés à l’IA générative : rappel pour les rendez-vous ou pour la prise de médicaments, explication sur la maladie ou l’étude,
• l’IA complétant la gestion administrative des tâches des personnels de la recherche clinique : transcription d’un compte rendu de visite ou consultation, rédaction de rapport automatique, gestion et prédiction des coûts, codage des actes faits…).
• la lecture et interprétation des résultats des imageries médicales¹¹
• la recherche de nouvelles molécules¹².

Les ARC comme les TEC sont au cœur de l’évolution avec l’utilisation de l’IA dans leur pratique professionnelle. Cependant, malgré ses nombreux avantages, l’IA présente également des défis. Les questions d’éthique, de confidentialité et de sécurité des données sont au cœur des préoccupations. Il est donc crucial de comprendre comment l’IA peut être utilisée de manière responsable dans la recherche clinique.

Un article de synthèse récent dans l’ International Journal of Surgery indique que l’utilisation de systèmes d’IA dans les essais cliniques « ne peut pas prendre en compte les facultés humaines comme le bon sens, l’intuition et la formation médicale » ¹³.

III. Big data RWD/RWE et recherche clinique

Au cours des dernières années, les données du monde réel (RWD) et preuves du monde réel (RWE) ont gagné du terrain dans la recherche et le développement (R&D) des sciences de la vie et des soins de santé.

C’est dans les RWE que sont identifiées des avancées significatives en matière de soins, étayées par des données réelles (RWD) plutôt que de s’appuyer uniquement sur les résultats d’environnements contrôlés tels que les essais cliniques.

Pour rappel, les données du monde réel (RWD) font référence aux données régulièrement collectées, à partir de diverses sources en dehors des essais cliniques traditionnels, qui décrivent l’état de santé des patients et la prestation des soins de santé. Les exemples de sources des RWE/RWD comprennent les dossiers de santé électroniques utilisés et détenus par les prestataires de soins, les activités de réclamation et de facturation, les données de prescription, les données des appareils portables et les « Patients-Reported Outcomes » (PRO) ou « résultats rapportés par les patients » ¹⁴.

Contrairement aux données collectées au cours d’essais contrôlés randomisés, les RWD reflètent des scénarios réels, englobant un groupe démographique plus large de patients et d’environnements, ce qui le rend intrinsèquement plus diversifié et plus robuste que les données des essais contrôlés randomisés.

En France, le Système National des Données de Santé (SNDS) est une base de données regroupant des données fournies sur les remboursements médicaux effectués par l’Assurance Maladie en ville le Système National d’Information Inter Régimes de l’Assurance Maladie (SNIIRAM), des données hospitalières (PMSI) et les causes de décès (CépiDc de l’Inserm), des données relatives au handicap (en provenance des MDPH – données de la CNSA). Son exploitation à des fins de recherche en santé contribuera à l’avancement de la découverte de nouveaux hypothèses et de nouveaux pistes thérapeutiques ^15,16. La base de données relative aux vaccinations contre la covid-19, dénommée « Vaccin-covid » et la base de données relative au dépistage des cas de covid-19, dénommée « SI-DEP »

De plus, le groupe de travail F-CRIN (French Clinical Research Infrastructure Network) et l’Agence de l’innovation en santé (AIS) joue un rôle essentiel dans l’innovation et l’évolution de la recherche clinique en France. Ils travaillent ensemble pour développer de nouvelles méthodologies, promouvoir l’utilisation des données de santé en vie réelle et rendre une recherche clinique plus agile et inclusive ¹⁷.

Les preuves du monde réel (RWE) font référence aux preuves dérivées de l’analyse des RWD. Les RWE peuvent offrir des informations différentes et plus représentatives sur l’efficacité d’un produit (médicament ou dispositif médical), ses effets secondaires, des comparaisons d’utilisation.

Parmi les exemples qui illustrent l’intérêt des RWD/RWE dans la recherche biomédicale, nous pouvons citer :  

• l’avancée dans le domaine de la thérapeutique : les RWD peuvent guider le développement de nouvelles cibles thérapeutiques en révélant des schémas de progression de la maladie, des associations génétiques et des réponses aux traitements.
• l’optimisation de la conception des études : cela peut aboutir à un échantillon de patients plus représentatif, rendant les résultats des essais plus généralisables
• la génération de preuves pour l’approbation réglementaire : dans le cadre de la surveillance post-commercialisation et de la pharmacovigilance, où les RWD peuvent identifier des effets indésirables rares ou des problèmes de sécurité à long terme qui n’étaient pas évidents dans les essais initiaux¹⁸.

Le défi est d’exploiter la puissance des Big Data tout en garantissant la protection des données et en se conformant aux normes de sécurité.

Conclusion

Pour conclure, les questions de confidentialité des données, de sécurité, d’éthique et de réglementation comportent autant de défis majeurs qui doivent être abordés de manière proactive pour assurer une utilisation sûre et éthique de la technologie numérique dans la recherche clinique.

En tant qu’ARC ou TEC, comment perçois-tu ces avancées majeures ? N’hésite pas à nous faire part de tes réflexions dans les commentaires.

Si tu as aimé cet article, je te remercie de « liker » ou de partager avec tes collègues et amis attachés de recherche clinique et chefs de projet. Tu peux te rendre sur la page Facebook du « blog de la recherche clinique » et de « Pharmaspecific » et cliquer sur « j’aime » pour nous soutenir. Tu peux également t’inscrire à la newsletter du blog, nous t’informerons des nouveaux articles dès qu’ils seront postés.

—————————————————————

Du retard sur vos projets? Vous avez un besoin d’attaché de recherche clinique ou de technicien de recherche clinique ponctuel sur une période déterminée? Vous n’avez pas le temps ou la connaissance pour gérer les soumissions réglementaires ou le contrat unique? Besoin de prestations de remboursement de frais patient sur vos études cliniques en France et dans le monde? Contactez nous au 09 87 04 64 92 ou envoyez moi un message privé !

Cliquez ici pour découvrir nos activités 👉🏽www.pharmaspecific.com

Référence :

1.         DCT Project Team (HMA, EC, EMA). Recommendation paper on decentralised elements in clinical trials. Published online 2022. https://sante.gouv.fr/IMG/pdf/recommandations_elements_decentralises_essais_cliniques.pdf

2.         COVID-19 – Essais cliniques en cours – Quel est le circuit préconisé en cas de délivrance à domicile ? ANSM. Accessed May 17, 2024. https://ansm.sante.fr/page/covid-19-essais-cliniques-en-cours-quel-est-le-circuit-preconise-en-cas-de-delivrance-a-domicile

3.         Délibération n° 2018-153 du 3 mai 2018 portant homologation d’une méthodologie de référence relative aux traitements de données à caractère personnel mis en œuvre dans le cadre des recherches dans le domaine de la santé avec recueil du consentement de la personne concernée (MR-001) et abrogeant la délibération n° 2016-262 du 21 juillet 2016 – Légifrance. Accessed May 22, 2024. https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000037187386

4.         Le suivi à domicile lors de recherches dans le domaine de la santé. Accessed May 22, 2024. https://cnil.fr/fr/le-suivi-domicile-lors-de-recherches-dans-le-domaine-de-la-sante

5.         Essais cliniques décentralisés : lancement d’une phase pilote par la DGS, la DGOS, l’ANSM et la CNIL. Accessed May 17, 2024. https://www.cnil.fr/fr/essais-cliniques-decentralises-lancement-dune-phase-pilote-par-la-dgs-la-dgos-lansm-et-la-cnil

6.         Commission Nationale des Recherches Impliquant la Personne Humaine. Dématérialisation d’activités de RIPH : Information des Comités de protection des personnes sur les projets européens et français. Published April 30, 2021. Accessed May 22, 2024. https://sante.gouv.fr/IMG/pdf/dematerialistion_activites_essais_cpp_info_30avril2021.pdf

7.         Essais cliniques : les bonnes pratiques pour le contrôle qualité à distance. Accessed May 22, 2024. https://cnil.fr/fr/essais-cliniques-les-bonnes-pratiques-pour-le-controle-qualite-distance

8.         FDA C for DE and R. Decentralized Clinical Trials for Drugs, Biological Products, and Devices. Published June 15, 2023. Accessed May 23, 2024. https://www.fda.gov/regulatory-information/search-fda-guidance-documents/decentralized-clinical-trials-drugs-biological-products-and-devices

9.         FDA C for DE and. Use of Electronic Informed Consent in Clinical Investigations – Questions and Answers. Published January 26, 2021. Accessed May 23, 2024. https://www.fda.gov/regulatory-information/search-fda-guidance-documents/use-electronic-informed-consent-clinical-investigations-questions-and-answers

10.       Liu R, Rizzo S, Whipple S, et al. Evaluating eligibility criteria of oncology trials using real-world data and AI. Nature. 2021;592(7855):629-633. doi:10.1038/s41586-021-03430-5

11.       Brunelle F, Brunelle P. Intelligence artificielle et imagerie médicale : définition, état des lieux et perspectives. Bulletin de l’Académie Nationale de Médecine. 2019;203(8):683-687. doi:10.1016/j.banm.2019.06.016

12.       Exscientia-DSP-1181. Accessed May 17, 2024. https://www.exscientia.com

13.       Chopra H, Annu  null, Shin DK, et al. Revolutionizing clinical trials: the role of AI in accelerating medical breakthroughs. Int J Surg. 2023;109(12):4211-4220. doi:10.1097/JS9.0000000000000705

14.       EuropaBio on Use of Real-World Data (RWD) and Real-World Evidence (RWE) for regulatory decision-making – Europabio. Published October 20, 2020. Accessed May 23, 2024. https://www.europabio.org/europabio-on-use-of-real-world-data-rwd-and-real-world-evidence-rwe-for-regulatory-decision-making/

15.       Composantes du SNDS | SNDS. Accessed May 23, 2024. https://www.snds.gouv.fr/SNDS/Composantes-du-SNDS

16.       Qu’est-ce que le SNDS ? | SNDS. Accessed May 17, 2024. https://www.snds.gouv.fr/SNDS/Qu-est-ce-que-le-SNDS

17.       Groupe de Ttravail AIS/F-CRIN. Pour l’utilisation des données de santé en vie réelle en recherche clinique. Published May 16, 2024. Accessed May 23, 2024. https://www.fcrin.org/sites/default/files/brique/fichier/05-2024/Rapport_Pour%20l%E2%80%99utilisation%20des%20donn%C3%A9es%20de%20sant%C3%A9%20en%20vie%20r%C3%A9elle%20en%20recherche%20clinique_16%20mai%202024_0.pdf

18.       Utilisation de preuves concrètes dans la prise de décision réglementaire – l’EMA publie une revue de ses études | Agence européenne des médicaments. Accessed May 21, 2024. https://www.ema.europa.eu/en/news/use-real-world-evidence-regulatory-decision-making-ema-publishes-review-its-studies