L’étude SMAR2T démarre ce mois-ci. L’étude vise à établir la faisabilité d’un modèle de type machine learning basé sur les déclarations des patients atteints de polyarthrite rhumatoïde (PRO) et les informations issues d’un objet connecté (activité physique et qualité du sommeil) afin de prédire la réponse à une biothérapie ou un anti-JAK à 6 mois.
Pourquoi cette étude ? Près de 30% des patients atteints de Polyarthrite Rhumatoïde initiant une biothérapie n’atteindront pas l’objectif clinique et un changement de traitement sera envisagé dans les premiers 6 mois. Pourtant, aucun biomarqueur n’est encore disponible dans la pratique quotidienne pour prédire la réponse ou la non réponse à un tel traitement.
Les appareils connectés et le machine learning suscitent un intérêt croissant en Recherche Clinique. Dans le cadre de cette étude sont attendues des nouvelles pistes dans la prédiction de la réponse au traitement, l’optimisation du traitement, car le changement plus précoce de traitement (non répondant) offrirait de meilleures chances au patient et réduirait les coûts pour le système de santé…
L’intégration d’objet connecté dans la Recherche Clinique pose des défis technologiques, notamment des biais de recrutement liés à la nécessité d’avoir un smartphone. Pour SMAR2T, l’objet connecté est autonome, les smartphones ne sont pas requis.
Troisième étude à laquelle nous participons alliant la technologie des objets connectés et l’utilisation du machine learning avec les besoins de la Recherche Clinique, l’étude SMAR2T durera 6 mois et a un objectif d’inclusion de 300 patients.
En savoir plus sur les autres études utilisant des objets connectés :
Comments