Grant: Collaborative Health Research Projects
Université Laval
$406,907.00
Utilisation de l'intelligence artificielle pour prédire quelles combinaisons de médicaments procurent les meilleurs résultats pour la santé
FY 2020-21
Summary
La prise de plusieurs médicaments, la polypharmacie, est de plus en plus commune, surtout
chez les personnes âgées. Pour linstant, il nest pas possible de bien départager quelles
polypharmacies apportent des bénéfices et quelles sont inappropriées. En effet, le nombre de
combinaisons de médicaments possibles est imposant, et prendre en compte les
caractéristiques individuelles de chacune des personnes rend la situation très complexe.
Lintelligence artificielle permettra de comprendre ces éléments pour en dégager des normes.
Nous utiliserons les données du Système intégré de surveillance des maladies chroniques du
Québec qui contiennent les informations sur les réclamations de médicaments pour
lensemble des aînés du Québec depuis 1996, de même que les informations sur les services
médicaux, les hospitalisations et les décès. Ces données, décrivant l'exposition aux
médicaments de chaque individu, permettront d'entraîner un système expert basé sur
l'intelligence artificielle pour établir quelles combinaisons, séquences, durées de traitement
sont associées à des effets négatifs (ex. hospitalisations, décès) et lesquelles les évitent en
tenant compte des conditions médicales et sociodémographiques de la personne. Lanalyse
de ces données pourrait engendrer des enjeux éthiques, légaux et sociaux que nous
explorerons afin dassurer que les résultats ne conduisent pas à accroître d'éventuelles
inégalités dans les traitements que nous observons présentement entre différents sousgroupes
de la population. Les résultats serviront à développer la surveillance de la
polypharmacie dans la population et apporteront des connaissances nouvelles sur lusage de
médicaments qui pourraient changer la pratique clinique. De nouvelles avenues de recherche
en intelligence artificielle seront également explorées, permettant le développement de cette
discipline en santé.
Program
Collaborative Health Research Projects
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
549730-2020
Name nom
Sirois, Caroline
Department département
Médecine sociale et préventive
Organization id
51
Institution établissement
Université Laval
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2020
Competition year année de concours
2020
Award amount
406907
Program id
CHRPJ
Program name en
Collaborative Health Research Projects
Program name fr
Projets de recherche concertée sur la santé
Group en
Research partnerships programs
Group fr
Programmes de partenariat
Committee code
360
Committee name en
Collaborative Health Research Projects Selection Panel
Committee name fr
Comité de sélection de projets de recherche concertée sur la santé
Area of application code
9999
Area of application group en
Not available
Area of application group fr
Non disponible
Area of application en
Not available
Area of application fr
Non disponible
Research subject code
9999
Research subject group en
Not available
Research subject group fr
Non disponible
Research subject en
Not available
Research subject fr
Non disponible
Installment
inst:1 - 2
Partie
2
Nb partie
2
Application title
Utilisation de l'intelligence artificielle pour prédire quelles combinaisons de médicaments procurent les meilleurs résultats pour la santé
Keyword
NSERC
Application summary
La prise de plusieurs médicaments, la polypharmacie, est de plus en plus commune, surtout
chez les personnes âgées. Pour linstant, il nest pas possible de bien départager quelles
polypharmacies apportent des bénéfices et quelles sont inappropriées. En effet, le nombre de
combinaisons de médicaments possibles est imposant, et prendre en compte les
caractéristiques individuelles de chacune des personnes rend la situation très complexe.
Lintelligence artificielle permettra de comprendre ces éléments pour en dégager des normes.
Nous utiliserons les données du Système intégré de surveillance des maladies chroniques du
Québec qui contiennent les informations sur les réclamations de médicaments pour
lensemble des aînés du Québec depuis 1996, de même que les informations sur les services
médicaux, les hospitalisations et les décès. Ces données, décrivant l'exposition aux
médicaments de chaque individu, permettront d'entraîner un système expert basé sur
l'intelligence artificielle pour établir quelles combinaisons, séquences, durées de traitement
sont associées à des effets négatifs (ex. hospitalisations, décès) et lesquelles les évitent en
tenant compte des conditions médicales et sociodémographiques de la personne. Lanalyse
de ces données pourrait engendrer des enjeux éthiques, légaux et sociaux que nous
explorerons afin dassurer que les résultats ne conduisent pas à accroître d'éventuelles
inégalités dans les traitements que nous observons présentement entre différents sousgroupes
de la population. Les résultats serviront à développer la surveillance de la
polypharmacie dans la population et apporteront des connaissances nouvelles sur lusage de
médicaments qui pourraient changer la pratique clinique. De nouvelles avenues de recherche
en intelligence artificielle seront également explorées, permettant le développement de cette
discipline en santé.
