La FSHD Society va améliorer la conception des essais avec le déploiement de la technologie d’IA

La FSHD Society est sur le point d’améliorer la conception des essais cliniques pour la dystrophie musculaire facioscapulohumérale (FSHD) en déployant la technologie de l’intelligence artificielle (IA).

Il a annoncé le lancement d’un partenariat avec le FSHD Clinical Trial Research Network (CTRN) et BullFrogAI pour l’analyse de l’ensemble de données d’histoire naturelle obtenu auprès des patients FSHD.

La maladie génétique débilitante FSHD provoque une faiblesse musculaire progressive tout au long de la vie.

Dans le cadre de ce partenariat, BullFrogAI analysera un ensemble de données cliniques FSHD vaste et multidimensionnel en exploitant la plateforme d’IA bfLEAP.

Le moteur d’analyse bfLEAP de BullFrogAI est dérivé d’une technologie développée au Laboratoire de physique appliquée (APL) de l’Université Johns Hopkins et aide à évaluer des ensembles de données complexes et multifactorielles.

Le FSHD CTRN collectera l’ensemble de données dans le cadre de l’étude Clinical Trial Readiness to Solve Barriers to Drug Development in FSHD (ReSolve; NCT03458832) financée par les NIH.

Au total, 220 patients de huit sites CTRN américains et européens ont participé à l’essai, où plusieurs instruments de résultats moteurs ont été utilisés pour surveiller la progression de la maladie sur une période de 24 mois.

Ils comprenaient un composite fonctionnel FSHD, un espace de travail accessible, le domaine de mesure de la fonction motrice 1 et une myographie d’impédance électrique.

Jamshid Arjomand, directeur scientifique de la FSHD Society, a déclaré: « Nous espérons que ces études aideront à la conception des essais cliniques et à la stratification des patients afin d’accélérer les essais cliniques pour notre communauté. »

L’analyse de l’IA permet d’évaluer les mesures de résultats ou une combinaison de mesures sensibles aux changements associés à la progression de la maladie.

Jeffrey Statland, co-directeur du FSHD CTRN, a déclaré : « Cette collaboration peut ouvrir la voie à une conception d’essais cliniques plus efficace et peut servir de modèle pour des collaborations avec des sociétés d’IA afin d’évaluer de grands ensembles de données sur la préparation des essais cliniques.