La régulation des essais cliniques dans lesquels l’IA est déployée
Les entreprises développant des produits pharmaceutiques ou biotechnologiques utilisant l’IA dans le cadre de leurs essais cliniques, que ce soit dans la conception de l’essai ou son administration, le recrutement des patients, les dispositifs ou les IVD utilisés durant l’essai, ainsi que la création et l’utilisation de données synthétiques, doivent garder à l’esprit que les conséquences de ces utilisations sont susceptibles d’intéresser les régulateurs. Cela concerne tant l’essai lui-même que les sujets qui y participent, ainsi que les résultats utilisés dans les demandes d’autorisation.
Bien que la Loi sur l’IA ne s’applique pas à certaines utilisations de l’IA en recherche, ces exclusions offrent peu ou pas de réconfort aux usages de l’IA dans les essais cliniques, où une myriade de régulations et de directives pourrait s’appliquer.
Données, données partout – quelles peuvent être utilisées ?
L’IA peut être un outil incroyable pour trier et analyser les données cliniques, ainsi que pour traiter les patients. La construction des essais cliniques et la création ainsi que l’analyse des données qui en découlent sont toutes des étapes critiques du développement de produits, alimentant le processus réglementaire pour l’autorisation des produits pharmaceutiques/biotechnologiques.
Pour que les régulateurs aient confiance dans les essais cliniques où l’IA est déployée et dans les données qui en résultent, il est nécessaire :
- Une évaluation de l’impact réglementaire pour déterminer si l’utilisation de l’IA/l’apprentissage machine (ML) est à faible ou à haut risque, dans le contexte de l’essai et de son impact réglementaire sur les patients, et non une évaluation du risque sous la Loi sur l’IA. Par exemple, l’EMA cite comme usages à haut risque ceux qui concernent l’assignation des patients pour des traitements ou des décisions de dosage.
- La transparence avec les régulateurs sur l’utilisation de l’IA est cruciale. Les régulateurs souhaitent juger eux-mêmes si l’utilisation est appropriée et mène à des conclusions pouvant être prises en compte pour toute autorisation. Ainsi, dans son document de réflexion sur l’utilisation de l’intelligence artificielle dans le cycle de vie des produits médicinaux, l’EMA considère qu’une utilisation de l’IA dans un essai clinique ayant un impact réglementaire élevé nécessite une évaluation réglementaire complète, impliquant la divulgation de l’architecture complète du modèle, des journaux du développement du modèle, de la validation et des tests, ainsi que des données d’entraînement et une description du pipeline de traitement des données.
- Le respect des normes de données telles que :
- (i) ICH E6 GCP chapitre 3.16 sur les données et les dossiers et chapitre 4.3 sur les systèmes informatisés, qui traitent des principes d’intégrité des données, y compris l’intégrité physique et la cohérence, ainsi que le contrôle de la qualité et la validation pour garantir la complétude, l’exactitude et la fiabilité des données cliniques générées dans l’essai.
- (ii) Le projet ICH E6(3), Annexe 2, publié le 20 novembre 2024, qui inclut des principes GCP pour des aspects spécifiques des essais cliniques pertinents à l’utilisation des modèles d’IA, tels que le traitement des données du monde réel concernant l’état de santé des patients collectées à partir de sources extérieures aux essais cliniques.
- (iii) ICH E9 : principes statistiques pour les essais cliniques – Étape 5.
- Une utilisation réfléchie de l’IA par exemple, lors de l’utilisation de grands modèles de langage (LLMs) pour soutenir des tâches et des processus dans le système réglementaire des médicaments dans les principes directeurs de l’EMA sur l’utilisation des LLMs en science réglementaire et pour les activités réglementaires des médicaments. Cette directive inclut des conseils généraux, applicables à toute utilisation des LLMs, tels que :
- (i) Éviter l’entrée de données personnelles sensibles ou de propriété intellectuelle confidentielle dans des LLMs qui ne sont pas déployés ou contrôlés localement.
- (ii) Appliquer une pensée critique aux résultats des LLMs, en vérifiant leur véracité, leur fiabilité et leur équité avant de les appliquer dans tout document réglementaire.
Les EMA ne souhaitent pas que des résultats de LLM non fiables soient utilisés pour compléter la documentation réglementaire. On présume que leur crainte non exprimée est que de telles utilisations pourraient être à la fois erronées et non évidentes pour le régulateur.
Utilisation de dispositifs médicaux incluant un système d’IA
Les essais pharmaceutiques et biotechnologiques peuvent faire usage de dispositifs médicaux ou de dispositifs médicaux de diagnostic in vitro, ce qui signifie que d’autres législations doivent être respectées en plus du Règlement sur les essais cliniques (UE) 536/2014. Toute utilisation d’un dispositif médical dans un essai clinique pharmaceutique/biotechnologique dans l’UE/EEE est considérée comme soit un ‘placement sur le marché’ soit ‘mise en service’. Lorsque le dispositif n’est pas encore marqué CE, cela nécessite, sous les réglementations applicables (2017/745 (MDR) ou 2017/746 (IVDR)), au minimum une notification à l’autorité compétente pour une étude clinique ou de performance, et dans de nombreux cas, une autorisation sera nécessaire.
Lorsque le dispositif inclut un système d’IA, défini comme à haut risque selon la Loi sur l’IA (Règlement 2024/1689), il est peu probable que son utilisation réelle sur les patients tombe sous l’exclusion de la Loi sur l’IA selon l’Article 2(6) de ‘recherche scientifique et développement’. Au lieu de cela, le dispositif devrait également se conformer aux exigences pour tester des systèmes d’IA à haut risque dans des conditions réelles stipulées dans les Articles 60 et 61 de la Loi sur l’IA.
La superposition de ces deux régimes, qui ne sont pas entièrement alignés, ajoute des complications qui ne pourront être résolues que par des directives de l’UE, que nous espérons seront rédigées par des experts ayant une compréhension approfondie du fonctionnement des essais cliniques ainsi qu’une connaissance pratique des dispositifs médicaux et des dispositifs médicaux in vitro.
Consultez nos autres articles traitant de la confidentialité des données dans un cadre clinique.
