ONCO-AIM : Analyse des interactions médicamenteuses entre automédication et traitements anticancéreux : étude multicentrique de concordance entre intelligence artificielle générative et expertise pharmaceutique, et impact sur le raisonnement clinique.

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Le projet ONCO-AIM s’inscrit dans un objectif de sécurisation de la prise en charge médicamenteuse des patients atteints de cancer. L’utilisation fréquente de produits d’automédication, notamment de phytothérapie et de compléments alimentaires, expose à des interactions potentielles avec les traitements anticancéreux, dont l’identification et l’évaluation de la pertinence clinique sont complexes.
Le projet vise à évaluer la fiabilité et les conditions de sécurité d’utilisation des modèles de langage comme outils d’aide au raisonnement pharmaceutique. Il étudie également l’influence de l’exposition aux réponses de l’IA sur le jugement des professionnels de santé, afin notamment d’identifier un éventuel risque de confiance excessive dans les recommandations automatisées. Le bénéfice attendu est collectif et prospectif : contribuer à encadrer une éventuelle utilisation future de ces outils en pharmacie clinique oncologique.

ONCO-AIM est une étude observationnelle multicentrique reposant sur des cas cliniques réels d’interactions potentielles entre traitements anticancéreux et produits d’automédication. Chaque situation est analysée successivement par des pharmaciens cliniciens et internes, par un modèle d’intelligence artificielle, puis à nouveau par les professionnels après exposition à la réponse de l’IA.

L’étude évalue ainsi, d’une part, la concordance des analyses produites par l’IA avec une référence pharmaceutique experte et, d’autre part, l'effet de l’IA sur le raisonnement du professionnel, notamment sur sa conclusion, l’évaluation du niveau de risque, la conduite à tenir et son niveau de confiance. L’utilisation de cas réels multicentriques, de modèles figés, de prompts standardisés et d’un comité d’experts pharmaciens vise à assurer la reproductibilité de l’évaluation.

Objectif principal
Évaluer la concordance entre les analyses d’interactions médicamenteuses générées par une IA et celles réalisées par un comité d’experts pharmaciens (constituant le gold standard).

Objectifs secondaires
• Évaluer l’impact de l’analyse générée par l’IA sur le raisonnement clinique des pharmaciens seniors et des internes et docteurs juniors en pharmacie :
o Modification des conclusions,
o Modification du niveau de risque d’interaction,
o Evolution du niveau de confiance dans l’analyse finale.

• Identifier les types d’interactions médicamenteuses (selon le mécanisme, l’impact clinique attendu, ou le type d’automédication) mieux ou moins bien détectés par l’IA par rapport au gold standard

Population :
Cas cliniques réels correspondant à des demandes d’analyse d’interactions médicamenteuses entre :
• Un ou plusieurs traitements anticancéreux,
• Et une ou plusieurs automédications (complément alimentaire, phytothérapie, produit de santé non prescrit).

Critères d’inclusion
• Demande d’analyse d’interaction, émanant d’un patient, d’un médecin, ou d’une IDE, impliquant au moins un traitement anticancéreux injectable ou per os
• Présence d’au moins une automédication déclarée (phytothérapie ou complément alimentaire, produit de santé non prescrit)

Le projet ciblera prioritairement la sénologie, qui constituera la population principale de l’étude et la majorité des cas inclus, en cohérence avec l’expertise et l’activité des Centres de Lutte Contre le Cancer participants. L’inclusion complémentaire d’autres localisations tumorales permettra d’évaluer la transférabilité des résultats.