Utilisation du Big Data en pharmacovigilance : perspectives sur le data mining pour la sécurité des médicaments

Au début des années 1900, la pharmacovigilance se présentait très différemment. Les professionnels de la santé (HCPs) et les promoteurs d’essais cliniques examinaient souvent les symptômes du patient, la posologie et les schémas d’ordonnance pour déterminer si des réactions indésirables étaient liées au médicament. Cependant, aujourd’hui, la pharmacovigilance repose sur une chose majeure : les données.

Aujourd’hui, les événements indésirables et les interactions médicamenteuses sont étudiés à partir des données des patients. On collecte des données provenant de sources telles que les données d’essais cliniques, les dossiers de santé électroniques, les systèmes de notification d’événements indésirables et les forums des réseaux sociaux. Ensuite, elles sont analysées pour la détection précoce des réactions indésirables aux médicaments ou pour la prédiction des interactions médicamenteuses. Ces prévisions peuvent aider les HCPs et les promoteurs d’essais cliniques à prendre de meilleures décisions pour la sécurité des patients.

Pour obtenir ces données, on emploie souvent un processus simple : l’exploration de données. L’exploration de données consiste à analyser de grands ensembles de données afin d’identifier des motifs, des corrélations et des informations. Elle utilise diverses techniques analytiques, comme l’extraction de règles d’association, et des technologies, comme l’intelligence artificielle (AI) et l’apprentissage automatique (ML), pour identifier et prédire des risques potentiels. Aujourd’hui, différents outils approuvés par les autorités réglementaires sont disponibles pour l’exploration de données.

Bases de données et outils d’exploration de données nécessaires pour la pharmacovigilance

FAERS

Le système de signalement des événements indésirables de la Food and Drug Administration des États-Unis (FAERS) est un tableau de bord public qui soutient l’enquête de sécurité post-commercialisation de la FDA sur tous les médicaments et produits biologiques approuvés. L’exploration de données de la base FAERS peut révéler des associations cliniquement importantes auparavant inconnues, ce qui peut aider à prédire des interactions médicamenteuses.

Vigibase

Géré par l’Organisation mondiale de la Santé, Vigibase est une base de données mondiale de rapports d’événements indésirables liés aux médicaments et aux vaccins. Le grand public peut accéder à une partie de ces données via l’outil VigiAccess. La base est régulièrement mise à jour et est liée à des outils de gestion des données et d’assurance qualité, permettant une saisie, une récupération et une analyse structurées des données.

EudraVigilance

EudraVigilance est une base de données publique de rapports d’effets indésirables développée et gérée par l’European Medicines Agency (EMA). Son intégration de l’AI permet une détection de signaux améliorée. La base facilite également l’échange électronique des rapports individuels de sécurité (ICSR) entre l’EMA, les NCAs, les MAHs et les promoteurs d’essais cliniques. Les données de la base EudraVigilance peuvent être exploitées pour la détection précoce et l’évaluation de possibles signaux de sécurité.

BioBERT

Bidirectional Encoder Representations from Transformers for Biomedical Text Mining (BioBERT) est un outil d’exploration de texte biomédical pré-entraîné sur des corpus biomédicaux. Il surpasse divers outils de text-mining disponibles pour l’extraction de relations biomédicales, l’identification d’entités nommées biomédicales et la réponse aux questions biomédicales. Cet outil peut être utilisé pour l’exploration de la littérature pharmaceutique afin d’étudier les événements indésirables rapportés. Il peut également servir à trouver des rapports d’études de cas d’incidents avec des symptômes ou des terminologies spécifiques.

Oracle Argus Safety

Argus d’Oracle peut être utilisé pour le traitement, l’analyse et le rapport des événements indésirables liés aux médicaments, produits biologiques, vaccins, dispositifs et produits combinés. Il peut collecter des données d’événements indésirables provenant de multiples sources, y compris les dossiers de santé électroniques, les essais cliniques et la littérature, qui peuvent être stockées dans une base de données centralisée et explorées à l’aide d’algorithmes d’apprentissage automatique et basés sur des règles. Argus Safety est conforme aux normes et règlements concernant les médicaments, les vaccins et les dispositifs médicaux dans toutes les régions du monde.

MedDRA

Bien que le MedDRA ne puisse pas être utilisé directement pour l’exploration de données, il présente certainement d’excellentes applications. MedDRA signifie Medical Dictionary for Regulatory Activity, développé dans les années 1990 par l’International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use. Il fournit une classification et une structure de codification standardisées des événements indésirables, utilisées pour la génération de rapports dans les essais cliniques, les soumissions réglementaires et les rapports de surveillance post-commercialisation. Il peut être intégré à Argus Safety, Empirica Signal et FAERS pour une surveillance en temps réel.

Empirica Signal

Oracle Empirica Signal est une plateforme avancée d’exploration de données et de détection de signaux. Elle utilise des algorithmes tels que le proportional reporting ratio, reporting odds ratio, et multi-item gamma Poisson shrinker pour détecter des signaux de sécurité. Elle utilise également l’apprentissage non supervisé pour identifier des relations inconnues. Elle peut détecter des motifs latents dans les données de sécurité des médicaments. Elle inclut également des modèles d’AI capables de prédire quelles combinaisons médicamenteuses présentent un risque élevé d’événements indésirables.

Ces outils d’exploration de données sont utilisés par diverses entreprises pharmaceutiques et chercheurs pour différents objectifs pharmaceutiques.

Qui utilise les outils d’exploration de données pour la pharmacovigilance ?

Voici quelques exemples de la manière dont ces outils sont actuellement utilisés dans le monde réel.

• FAERS : Récemment, des chercheurs ont exploité la base de données FAERS pour identifier et analyser les effets indésirables liés à Vedolizumab. FAERS a également été utilisé pour extraire des données relatives à d'autres médicaments tels que Nirmatrelvir, Ritonavir, axitinib et les antagonistes doubles des récepteurs de l'orexine.
• Bio-BERT : Des chercheurs ont utilisé des modèles de langage basés sur BERT pour extraire avec précision les effets indésirables des médicaments à partir des données des réseaux sociaux.
• Oracle Argus Safety : Yuhan Corporation, la plus grande entreprise pharmaceutique de Corée du Sud, utilise Argus Safety pour ses opérations de pharmacovigilance.

Ce ne sont que quelques exemples des entreprises et des chercheurs qui ont utilisé des outils d'exploration de données pour leurs activités de pharmacovigilance ; beaucoup d'autres existent dans la réalité. Cependant, l'intégration de tels outils d'exploration de données n'a pas été rapide, principalement en raison des nombreux risques associés à ces outils.



Risques associés à l'utilisation des outils d'exploration de données

Problèmes de qualité et d'exactitude des données

De nombreuses bases de données et outils d'exploration de données contiennent des informations incohérentes ou manquantes, ce qui peut conduire à des conclusions incorrectes. Ils peuvent également contenir des entrées en double, ce qui entraîne un biais des données. Enfin, de nombreux effets indésirables sont non signalés en raison d'un manque de sensibilisation, de la complexité des signalements et de la crainte des patients de conséquences juridiques, ce qui signifie que la plupart des bases de données et des outils d'exploration ne disposent pas d'informations complètes.

Faux positifs et faux négatifs

Les outils d'exploration de données peuvent signaler des associations médicamenteuses inoffensives comme des signaux de sécurité, entraînant des faux positifs. En revanche, les algorithmes peuvent aussi ne pas détecter des effets indésirables rares ou à long terme en raison d'associations statistiques faibles. Ces faux positifs et négatifs peuvent fausser les données et donner une image incomplète.

Problèmes de confidentialité des données

Les préoccupations liées à la confidentialité des données persistent dans l'exploration de données car elle peut exposer des informations sensibles sur les patients. Les entreprises pharmaceutiques doivent respecter des lois strictes de protection des données et de la vie privée telles que le GDPR et la HIPAA. Malheureusement, ce respect limite l'accès à des informations détaillées sur les patients, rendant plus difficile la recherche de corrélations.

L'avenir des outils d'exploration de données

Dans le contexte de la pharmacovigilance, l'exploration de données présente d'excellents avantages, qui ont été mis en œuvre par de nombreuses entreprises pharmaceutiques et agences de régulation dans le monde. Par conséquent, divers outils sont disponibles pour l'exploration de données, et d'autres outils sont encore à l'étude. Cependant, la mise en œuvre de tels outils pose des risques, principalement liés à la qualité des données et à la confidentialité, qui doivent être traités de toute urgence. Ces risques constituent les principaux obstacles à l'utilisation généralisée des outils d'exploration de données en pharmacovigilance. Ils peuvent être résolus grâce à des analyses avancées, une validation par des experts et des pratiques éthiques.

FAQ

1. Pourquoi l'exploration de données est-elle utilisée en pharmacovigilance ?

L'exploration de données peut identifier des schémas cachés et des problèmes de sécurité jusqu'alors inconnus liés à l'utilisation des médicaments, ce qui aide les agences réglementaires et les entreprises à prendre des mesures de sécurité proactives et à gérer les risques.

2. Comment l'exploration de données aide-t-elle à détecter les réactions indésirables aux médicaments ?

Les techniques d'exploration de données aident à identifier des réactions inattendues ou graves en analysant les schémas dans les bases de données d'effets indésirables. Ces schémas aident à confirmer si la réaction est déclenchée par un stimulus spécifique.

3. Les agences réglementaires utilisent-elles l'exploration de données dans leurs activités de pharmacovigilance ?

Oui, les agences réglementaires utilisent l'exploration de données pour surveiller la sécurité des médicaments sur le marché et émettre des alertes de sécurité en se basant sur les conclusions.