IA et essais cliniques

Du langage scientifique au langage clair

Le public sous-estime souvent les efforts et les compétences nécessaires pour élaborer des résumés de résultats cliniques de haute qualité et équilibrés dans un langage clair. Il s'agit d'une tâche multidisciplinaire nécessitant des compétences linguistiques, de communication et de conception visuelle, ainsi qu'une expertise dans les domaines suivants :

• Méthodologie de recherche sur les essais cliniques
• Exigences réglementaires
• Statistiques biomédicales
• Principes de littératie en santé

Il est à noter que la synthétisation des résultats de recherche clinique engendre certains risques, notamment :

• Biais involontaire lors de la sélection des protocoles pour la rédaction d'un bref résumé
• Présentation inexacte des résultats des essais, menaçant ainsi l'intégrité scientifique
• Modifications indésirables du style ou du ton, par exemple, introduction d'un langage promotionnel ou d'allégations de performances non fondées
• Conserver le style linguistique, la terminologie et l'exactitude lors de la traduction du résumé
• L'absence de prise en compte des principes de littératie en santé et de numératie pour garantir la lisibilité des résumés pour un public non scientifique

Compte tenu des risques liés à la synthétisation et à la divulgation publique des résultats de recherche clinique, de nombreux promoteurs d’essais cliniques se montrent réticents à déployer l’IA pour l'élaboration de leurs résumés en langage clair. Pour les promoteurs qui ne disposent pas de l'expertise multidisciplinaire nécessaire, la définition d'un cas d’utilisation pour le déploiement de l’IA et le bon équilibre entre l’IA et l’implication humaine peut s'avérer un véritable défi.

Quels sont les avantages potentiels de l’IA dans les essais cliniques ?

Dans un cas d’utilisation approprié, l’IA peut réduire considérablement la charge de travail liée à la synthèse et à la rédaction de résumés en langage clair. L’implication de l’IA dans le cadre des essais cliniques ne menace pas de remplacer les ressources humaines. Conformément à la loi européenne sur l’IA, les entreprises qui déploient des systèmes d’IA doivent confier la supervision humaine à des personnes possédant les compétences, la formation et l’autorité requises. Les humains doivent définir le contexte et valider les résultats de l'IA en fonction de différents facteurs :

• Connaissances uniques en recherche clinique
• Nuances culturelles
• Ton du résumé en langage clair

De plus, une dépendance excessive à l’égard de l’IA et des essais cliniques est risquée, compte tenu des dommages potentiels ou de la méfiance qu’un résumé inexact pourrait causer.

Compte tenu de la sensibilité et des défis linguistiques liés à la diffusion des résumés en langage clair, Lionbridge recommande d'utiliser l'IA pour automatiser l'étape initiale de rédaction de ces résumés. Ensuite, l’IA peut être utilisée pour optimiser les autres étapes du résumé :

• Révision
• Perfectionnement
• Traduction

Les promoteurs peuvent générer un premier jet de résumé en langage clair avec l'automatisation, en utilisant l'excellence de l'ingénierie d'invite. Un grand modèle de langage (LLM) peut être chargé d'extraire et de résumer des informations prédéterminées à partir du rapport d'essai clinique et d'autres documents de référence pertinents, tels que le protocole d'essai clinique, le formulaire de consentement éclairé ou les tableaux, listes et graphiques. Une mauvaise invite générera une réponse de mauvaise qualité, avec le risque de compliquer la rédaction du résumé en langage clair. Pour éviter cette complication, les experts doivent concevoir une ingénierie d'invite visant à éviter les écueils suivants :

• Hallucinations du LLM
• Limitations de la fenêtre de contexte
• Présentation d'informations erronées

Éviter les biais, les omissions ou les distorsions lors de l'élaboration du résumé en langage clair

Le biais est un risque connu dans les résumés de recherche, et les promoteurs d’essais doivent l’atténuer lors de l'élaboration des résumés en langage clair. Il est notamment essentiel dans la sélection des points à inclure dans le résumé. Un protocole de phase 3 ou 4 peut intégrer des critères d’évaluation primaires, secondaires et tertiaires. Le promoteur peut déterminer que certains critères sont pertinents pour le patient et doivent être inclus dans le résumé. Les lignes directrices des bonnes pratiques de synthèse vulgarisée (GLSP) recommandent aux promoteurs de prédéfinir les critères d'évaluation à inclure selon un cadre documenté établi pour la sélection des critères d'évaluation. Cela permettra d'éviter tout risque de biais lors de la sélection des critères d'évaluation pour le résumé en langage clair. Les promoteurs d'essais peuvent intégrer ces critères d'évaluation présélectionnés dans un modèle d'invite de résumé en langage clair, garantissant ainsi l'extraction et la présentation de résultats corrects par le LLM.

Des biais, des omissions ou des fausses déclarations peuvent également survenir dans le processus d'élaboration du résumé, lorsque le LLM est chargé de résumer les événements indésirables courants ou les critères d'inclusion et d'exclusion pour le recrutement des patients dans les essais cliniques. Sans invite avancée ni supervision humaine, le LLM peut omettre certains événements indésirables intéressant les patients ou mal interpréter les données de sécurité en raison d'un manque de contexte. Il risque également de passer à côté de certains critères d’éligibilité clés et de résumer des critères moins pertinents dans le contexte de l’essai. L'équipe de l'essai et les rédacteurs médicaux doivent s'assurer que le résumé en langage clair :

• Répond aux intérêts des patients
• Présente les résultats favorables et défavorables
• Soit en adéquation avec les nuances scientifiques

Préparer, affiner et déployer les programmes de développement clinique

Des ingénieurs qualifiés en matière d'invites peuvent préparer et affiner les modèles d'invites, automatiser le recyclage des invites et exécuter des invites de post-traitement afin de garantir un flux de travail optimal. En travaillant à l’avance pour développer et tester un modèle d’invite principal, les promoteurs peuvent améliorer l'ébauche automatisée du résumé. Selon la méthodologie du promoteur de l’essai, un résumé en langage clair peut nécessiter plusieurs itérations d'invites. Un modèle d’invite peut également être réutilisé et configuré d’une étude à une autre dans le cadre d'un programme de développement clinique. À mesure que l’IA évolue et que le corpus s’améliore dans les langues naturelles, l’ensemble du processus, depuis la rédaction d’un résumé dans la langue source jusqu’à sa traduction dans les langues cibles, pourra encore être rationalisé.

Un LLM est entraîné avec un vaste corpus d'ensembles de données, ce qui signifie que la précision du réglage et l'ingénierie des invites doivent être excellents afin de générer le résumé en langage clair souhaité. Les promoteurs doivent garder à l'esprit que les invites sont générées par des humains, qui risquent d'introduire des biais que les LLM sont ensuite susceptibles d'amplifier ou de reproduire. De tels biais découlant de l’IA et des essais cliniques (intentionnels ou non) peuvent conduire à des résumés de résultats biaisés ou déséquilibrés.

Contactez-nous

Une utilisation responsable de l’IA est une utilisation transparente de l’IA. Conformément à la loi européenne sur l'IA, l'utilisation de l'IA pour générer ou manipuler du texte destiné à être accessible au public doit être divulguée par l'entité qui déploie l'IA et les essais cliniques. Il convient de préciser clairement où et comment les promoteurs d’essais appliquent les LLM dans les processus de création de résumé en langage clair.

Lionbridge a développé un cadre TRUST pour renforcer l'assurance dans notre utilisation de l'IA et garantir la confiance dans l'IA au sein de la communauté des chercheurs, des clients et du public. Pour plus d'informations sur l'IA et les essais cliniques, consultez notre eBook : IA et stratégie linguistique dans les sciences de la vie. Contactez-nous.