Déterminer des dosages de médicaments sûrs mais efficaces pour les enfants est un défi lasting pour les sociétés pharmaceutiques et les médecins. Un nouveau médicament est généralement testé pour la première fois sur des adultes et les résultats de ces essais sont utilisés pour sélectionner les doses pour les essais pédiatriques. L’hypothèse sous-jacente est généralement que les enfants sont comme des adultes, juste furthermore petits, ce qui est souvent vrai, mais peut également négliger les différences qui découlent du fait que les organes des enfants sont encore en développement.



Pour aggraver le problème, les essais pédiatriques ne font pas toujours la lumière sur d’autres différences qui peuvent affecter les recommandations pour les doses de médicaments. De nombreux facteurs limitent la participation des enfants aux essais de médicaments – par exemple, certaines maladies sont simplement furthermore rares chez les enfants – et par conséquent, les ensembles de données générés ont tendance à être très rares.

Pour rendre les médicaments et leur développement in addition sûrs pour les enfants, des chercheurs de l’Université Aalto et de la société pharmaceutique Novartis ont développé une méthode qui exploite au mieux les données disponibles.



« C’est une méthode qui pourrait aider à déterminer les doses de médicaments sûrs additionally rapidement et avec moins d’observations qu’auparavant  », déclare le co-auteur Aki Vehtari, professeur agrégé d’informatique à l’Université Aalto et au Centre finlandais d’intelligence artificielle FCAI.

Dans leur étude, l’équipe de recherche a créé un modèle qui améliore notre compréhension du développement des organes.

« La taille d’un orgue n’est pas nécessairement la seule selected qui affecte ses performances. Les organes des enfants ne sont tout simplement pas aussi efficaces que ceux des adultes. Dans la modélisation des médicaments, si nous supposons que la taille est la seule chose qui compte, nous pourrions finir par donner des doses trop importantes « , explique Eero Siivola, premier auteur de l’étude et doctorant à l’Université Aalto.

Alors que l’approche regular d’évaluation des données pédiatriques repose sur des évaluations subjectives du modèle de diagnostic, la nouvelle approche, basée sur la régression des processus gaussiens, est plus axée sur les données et par conséquent moins sujette aux biais. Il est également moreover efficace pour traiter des échantillons de petite taille car les incertitudes sont prises en compte.

La recherche est concern du programme de recherche de la FCAI sur l’IA agile et probabiliste, offrant un superb exemple d’une méthode qui tire le meilleur parti d’ensembles de données, même très rares.

Dans l’étude, les chercheurs démontrent leur approche en réanalysant un essai pédiatrique portant sur l’Everolimus, un médicament utilisé pour prévenir le rejet des greffes d’organes. Mais les avantages possibles de leur méthode sont considérables.

« Cela fonctionne pour tous les médicaments dont nous voulons examiner la concentration », dit Vehtari, comme les médicaments contre les allergies et la douleur.

L’approche pourrait être particulièrement utile dans les predicaments où un nouveau médicament est testé sur un groupe complètement nouveau – d’enfants ou d’adultes – qui est de petite taille, rendant potentiellement la phase d’essai beaucoup additionally efficace qu’elle ne l’est actuellement. Une autre software prometteuse concerne l’extension de l’utilisation d’un médicament existant à d’autres symptômes ou maladies la méthode pourrait soutenir ce processus as well as efficacement que les pratiques actuelles.