Les données synthétiques sont-elles suffisamment pertinentes ?

Utilisées notamment dans le contexte d’essais cliniques qui manquent de données “réelles” pour déboucher sur des résultats pertinents et exploitables, les données synthétiques (générées artificiellement sur base de données réelles existantes, correspondant à de “vrais” patients ou profils patient, ou sur base d’équations physique-chimie)

La théorie et les bonnes pratiques veulent que les données synthétiques respectent les critères suivants : adéquation et représentativité statistique, anonymat, validation clinique.

Soit ! Mais jusque’à quel point le processus est-il au point ? Peut-on réellement s’y fier ? L’intelligence artificielle (lisez : les algorithmes utilisés pour produire les modèles) est-elle suffisamment “performante” ? 

Autant de questions qui ont été abordées à l’occasion de la conférence Medicen Day à Paris, début octobre.

Quelques mises en garde ont été émises par les trois spécialistes des données invités :

• les lignes directrices ébauchées par la FDA et son homologue européen EMA semblent insuffisantes pour “balise le chemin et les principes de bonnes pratiques en intelligence artificielle” ; selon les orateurs, un avis scientifique plus “terre à terre” devrait être sollicité “afin de s’assurer que les données seront recevables”
• verrouiller (garantir) davantage l’anonymat et le respect de la vie privée des (vrais) patients “pour bâtir une doctrine garantissant qu’un jeu synthétique est réellement anonyme et qu’aucun patient ne peut être réidentifié, en particulier dans les petites populations”.

Source : Alliance.fr