Études de recherche
Placer le point de vue des patientes au cœur de la recherche sur l'endométriose
// background
L'endométriose est une affection complexe et très variable d'un cas à l'autre, qui reste mal comprise tant par le grand public que par les professionnels de santé. En collaboration avec le Prof. Dr Sylvia Mechsner du Centre d'endométriose de la Charité — Université de médecine de Berlin, on a constitué l'une des plus grandes bases de données sur les témoignages de patientes atteintes d'endométriose et d'adénomyose.
// research focus
- Cartographier les parcours de diagnostic et de traitement dès l'apparition des premiers symptômes
- Identifier les facteurs à l'origine des retards de diagnostic
- Analyse des répercussions socio-économiques et socio-psychologiques
- Analyse des résultats rapportés par les patients à la suite de traitements multimodaux
// what we capture
Plus de 2 800 parcours réels, depuis l'apparition des premiers symptômes jusqu'au diagnostic, en passant par les consultations médicales et les traitements. Des données sociodémographiques agrégées pour l'ensemble des pays de la région DACH. Des expériences subjectives, des conseils que les patients souhaitent partager et des résultats que les données issues des essais cliniques ne reflètent pas.
// eligibility
Adultes ayant reçu un diagnostic d'endométriose ou d'adénomyose, ou faisant actuellement l'objet d'un bilan diagnostique. Ouvert aux patients résidant en Allemagne, en Autriche et en Suisse.
// research team
Prof. Dr Sylvia Mechsner — Chercheuse principale, Charité
Katrina Holmes — Docteure en médecine, Charité / Tübingen
Ann-Katrin Abeler — Doctorante, Charité
Zeinab Soleimani — Doctorante, HPI
condition
chercheur principal
institution
type d'étude
cohorte
région
données recueillies
statut
publications
Endométriose et adénomyose
Sylvia Mechsner
Centre d'endométriose, Charité — Université de médecine de Berlin
Observationnel, basé sur les déclarations des patients, longitudinal
Plus de 2 800 trajets partagés
DACH (Allemagne, Autriche, Suisse)
Symptômes, consultations, traitements, données sociodémographiques, expérience subjective
Fermé
En préparation
Projet OPADE : raconte ton histoire avec le trouble dépressif majeur (TDM)
// background
280 millions de personnes dans le monde souffrent d’un trouble dépressif majeur (TDM). Bien qu’il existe un large éventail d’antidépresseurs, moins de 6 % des patients tirent pleinement profit de leur traitement actuel. Les taux de rémission restent obstinément bas. OPADE développe un outil prédictif basé sur l'IA et l'apprentissage automatique pour aider à la prise de décision clinique dans le TDM. Le projet se concentre sur l'axe intestin-cerveau, en étudiant comment la génétique, l'épigénétique, le microbiome et les réseaux inflammatoires se combinent pour influencer la réponse au traitement.
// research focus
- Identifier les profils de patients permettant de prédire et d'optimiser l'efficacité des antidépresseurs, afin d'augmenter le taux de rémission et de réduire les troubles fonctionnels
- Cartographier les corrélations entre les indices neuroinflammatoires — microbiome, métabolomique, profil immunitaire, marqueurs épigénomiques et enzymatiques — et les résultats thérapeutiques
- Évaluer les biomarqueurs moléculaires et non moléculaires en tant que facteurs prédictifs de récidive
- Améliorer la précision du diagnostic pour la prévention primaire
- Retrace rétrospectivement l'apparition des symptômes dépressifs depuis l'adolescence
- Déterminer comment les biomarqueurs sanguins sont liés à d'autres biomarqueurs spécifiques à la maladie
// what we capture
Les patients partagent leur quotidien via un chatbot personnalisé — symptômes, médicaments, traitements et événements marquants —, ce qui alimente l'outil prédictif basé sur l'IA et l'apprentissage automatique.
// eligibility
Adultes et adolescents âgés de 14 à 50 ans souffrant d'un trouble dépressif majeur. Recrutement dans six pays de l'UE et à l'international.
// research team
Voici la liste des partenaires de recherche
Ce projet est financé par l'Union européenne
condition
consortium
type d'étude
cohorte
durée
domaine prioritaire
données recueillies
statut
publications
Trouble dépressif majeur (TDM)
OPADE
Clinique multimodale, prédiction par IA / ML
350 patients âgés de 14 à 50 ans
24 mois
Axe intestin-cerveau · génétique · épigénétique · microbiome · inflammation
Symptômes, consultations, traitements, données sociodémographiques, expérience subjective (mama health)
Fermé
En préparation
Publications
Prédiction conforme pour l'interprétation de l'ECG : une étude sur la collaboration entre l'humain et l'IA dans l'aide à la décision clinique
Même si on reconnaît le potentiel des systèmes d'aide à la décision basés sur l'intelligence artificielle (IA) pour l'interprétation des électrocardiogrammes (ECG), il reste encore à bien comprendre les interactions complexes entre les conseils générés par l'IA et la façon dont ils sont présentés aux médecins via les interfaces utilisateur...
De l'oraculaire au judiciaire : améliorer la prise de décision clinique grâce à des explications contrastées et à un nouveau protocole d'interaction
Les systèmes d'aide à la décision clinique (CDSS) utilisant des classificateurs basés sur l'apprentissage automatique (ML) ont montré un potentiel considérable pour améliorer la précision diagnostique dans divers domaines médicaux. Cependant, des inquiétudes subsistent concernant le biais d'automatisation, la perte du sentiment d'autonomie et la dépendance excessive à l'égard de ces systèmes...
Enseigner tout en posant des questions : les incitations conversationnelles basées sur la récupération d'informations améliorent le taux de finalisation dès la première séance lors d'entretiens cliniques menés par l'IA : une évaluation quasi-expérimentale avant/après portant sur trois domaines pathologiques
Une étude pré-post menée auprès de 2 829 patients a montré que l'ajout de « nudges » éducatifs basés sur la récupération d'informations dans un interrogateur clinique alimenté par l'IA a fait passer le taux de finalisation dès la première séance de 9,0 % à 22,3 % pour trois pathologies différentes, ce qui confirme l'intérêt d'une approche « enseigner tout en posant des questions », tout en justifiant une validation par essai randomisé.
