Utilisation de la PNL et des réseaux neuronaux pour identifier de manière autonome l'asthme sévère et déterminer l'éligibilité à l'étude dans un grand système de santé

L'asthme est une maladie hétérogène. L'hétérogénéité de l'asthme est étayée par des observations cliniques et des études d'association pangénomique (GWAS) qui ont identifié plus de 200 locus de susceptibilité à l'asthme dans l'ADN. Ces « points chauds » génétiques se trouvent à proximité de cytokines inflammatoires, de facteurs de croissance et d'autres protéines inflammatoires sciemment liées à l'inflammation des voies respiratoires, notamment les cytokines IL-4, -5, -13, -25, -33 et TSLP.

Les nouvelles thérapies par anticorps monoclonaux ont radicalement modifié le traitement de l’asthme modéré à sévère. Les nouvelles thérapies par anticorps monoclonaux introduites au cours des 7 dernières années ont considérablement avancé les options de traitement pour les patients asthmatiques modérés à sévères. Ces thérapies réduisent ou éliminent efficacement les exacerbations graves, préviennent les hospitalisations et améliorent la qualité de vie des patients. Cependant, de nombreux patients asthmatiques sévères, en particulier ceux vivant dans des zones mal desservies, sont encore surtraités aux stéroïdes et sous-traités aux anticorps monoclonaux.

La loi sur les remèdes du 21e siècle va changer le paysage de la recherche. La loi sur les remèdes du 21e siècle a renforcé l'utilisation de données du monde réel (RWD) et de preuves du monde réel (RWE) pour soutenir les essais cliniques, faciliter les décisions en matière de couverture des médicaments, élaborer des lignes directrices nationales en matière de traitement ainsi que des outils standardisés d'aide à la décision. Les dossiers de santé électroniques (DSE) constituent une source sous-utilisée de RWE/D. L'apprentissage automatique (ML), l'IA et le traitement du langage naturel (NLP) développent des technologies qui amélioreront considérablement notre capacité à exploiter les données dans les systèmes de DSE.

L'étude vise à utiliser de nouvelles technologies (ML, AI, NLP) pour identifier de manière autonome les populations d'asthme modéré à sévère au sein d'un système de DSE, décrire les différences dans les modèles de traitement entre différentes populations et déterminer l'éligibilité aux essais.

Objectifs principaux Veuillez vous assurer de détailler les objectifs principaux Objectif 1. Déterminer et valider un diagnostic d'asthme sévère (AS) à l'aide des fonctionnalités prédictives obtenues à partir du Scripps Health DSE.

• Objectif 1a : Utiliser le ML appliqué aux données structurées du DSE pour prédire l'AS. Utilisez l’opinion de 2 médecins spécialisés et les directives de l’ATS pour déterminer la précision du modèle.
• Objectif 1b : Utiliser la PNL appliquée au texte non structuré pour prédire SA. Déterminez la précision du modèle comme ci-dessus dans l’objectif 1a.
• Objectif 1c : Utiliser une combinaison de ML appliquée aux données structurées pour prédire la SA. Déterminez la précision du modèle comme ci-dessus dans l’objectif 1a.