Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Collaborative Health Research Projects

Université Laval

$196,899.00

Utilisation de l'intelligence artificielle pour prédire quelles combinaisons de médicaments procurent les meilleurs résultats pour la santé

EF 2022-23

Résumé
La prise de plusieurs médicaments, la polypharmacie, est de plus en plus commune, surtoutchez les personnes âgées. Pour linstant, il nest pas possible de bien départager quellespolypharmacies apportent des bénéfices et quelles sont inappropriées. En effet, le nombre decombinaisons de médicaments possibles est imposant, et prendre en compte lescaractéristiques 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 duQuébec qui contiennent les informations sur les réclamations de médicaments pourlensemble des aînés du Québec depuis 1996, de même que les informations sur les servicesmédicaux, les hospitalisations et les décès. Ces données, décrivant l'exposition auxmédicaments de chaque individu, permettront d'entraîner un système expert basé surl'intelligence artificielle pour établir quelles combinaisons, séquences, durées de traitementsont associées à des effets négatifs (ex. hospitalisations, décès) et lesquelles les évitent entenant compte des conditions médicales et sociodémographiques de la personne. Lanalysede ces données pourrait engendrer des enjeux éthiques, légaux et sociaux que nousexplorerons afin dassurer que les résultats ne conduisent pas à accroître d'éventuellesinégalités dans les traitements que nous observons présentement entre différents sousgroupesde la population. Les résultats serviront à développer la surveillance de lapolypharmacie dans la population et apporteront des connaissances nouvelles sur lusage demédicaments qui pourraient changer la pratique clinique. De nouvelles avenues de rechercheen intelligence artificielle seront également explorées, permettant le développement de cettediscipline en santé.
Programme
Collaborative Health Research Projects
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
549730-2020
Name nom
Sirois, Caroline CS
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
2022
Competition year année de concours
2020
Award amount
196899
Program id
CHRPJ
Program name en
Collaborative Health Research Projects
Program name fr
Projets de recherche concertée sur la santé
Group en
RESEARCH PARTNERSHIPS
Group fr
PARTENARIATS DE RECHERCHE
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:3
Partie
1
Nb partie
3
Application title
Utilisation de l'intelligence artificielle pour prédire quelles combinaisons de médicaments procurent les meilleurs résultats pour la santé
Application summary
La prise de plusieurs médicaments, la polypharmacie, est de plus en plus commune, surtoutchez les personnes âgées. Pour linstant, il nest pas possible de bien départager quellespolypharmacies apportent des bénéfices et quelles sont inappropriées. En effet, le nombre decombinaisons de médicaments possibles est imposant, et prendre en compte lescaractéristiques 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 duQuébec qui contiennent les informations sur les réclamations de médicaments pourlensemble des aînés du Québec depuis 1996, de même que les informations sur les servicesmédicaux, les hospitalisations et les décès. Ces données, décrivant l'exposition auxmédicaments de chaque individu, permettront d'entraîner un système expert basé surl'intelligence artificielle pour établir quelles combinaisons, séquences, durées de traitementsont associées à des effets négatifs (ex. hospitalisations, décès) et lesquelles les évitent entenant compte des conditions médicales et sociodémographiques de la personne. Lanalysede ces données pourrait engendrer des enjeux éthiques, légaux et sociaux que nousexplorerons afin dassurer que les résultats ne conduisent pas à accroître d'éventuellesinégalités dans les traitements que nous observons présentement entre différents sousgroupesde la population. Les résultats serviront à développer la surveillance de lapolypharmacie dans la population et apporteront des connaissances nouvelles sur lusage demédicaments qui pourraient changer la pratique clinique. De nouvelles avenues de rechercheen intelligence artificielle seront également explorées, permettant le développement de cettediscipline en santé.