Performance de la détection automatisée d'effet indésirable médicamenteux assistée par IA (assistant ERIOS) à partir de dossiers médicaux hospitaliers informatisés

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Amélioration de la surveillance des médicaments et renforcement de la sécurité des médicaments. En ciblant prioritairement les effets indésirables susceptibles de constituer des signaux de pharmacovigilance, cette approche pourrait permettre une identification plus précoce des situations à risque et une réactivité accrue des autorités sanitaires.
À terme, cette étude pilote pourrait servir de modèle méthodologique pour une extension à d’autres dispositifs de vigilances sanitaires, en particulier lorsque la détection repose sur l’analyse de données cliniques hospitalières, telles que la matériovigilance, l’addictovigilance, le repérage d’événements indésirables graves liés aux soins, les défauts de qualité d'un médicament ou les maladies à déclaration obligatoire.

Population d’étude
Majeurs et mineurs :
Critère d’inclusion :
- Sélection aléatoire de dossiers du MIT présentant une hospitalisation au cours de l'année 2025

Critère de non-inclusion :
- Opposition du patient à l'utilisation de ses données à des fins de recherche
- Opposition d’un des parents à l’utilisation des données à des fins de recherche (très peu de patients mineurs hospitalisés au MIT)

Comparaison des résultats obtenus par deux observateurs indépendants et par le modèle d'IA.
Analyse de la sensibilité, de la spécificité, des VPP et VPN
Estimation du nombre de cas graves et inattendus supplémentaires notifiés à l'année