Résumé. Les capteurs connectés et les outils d’IA peuvent enrichir les essais cliniques, à condition de maîtriser toute la chaîne de données, la validité du critère de jugement et la supervision humaine.
Une évolution concrète en 2026
L’atelier FDA du 27 août 2026 a examiné les considérations statistiques pour les critères de jugement issus des technologies numériques, les standards de données et les méthodes analytiques. Les spécifications de soumission des données de mesure continue du glucose fournissent un exemple ciblé, et non une règle universelle pour tous les dispositifs.
Du capteur au résultat clinique
Documenter le parcours : dispositif et version → acquisition et horodatage → transfert sécurisé → stockage → contrôles qualité → transformation → endpoint → analyse. Définir unités, fréquence, fenêtres temporelles, données manquantes, valeurs aberrantes, changements de firmware et règles de correction. Conserver les données sources et une piste d’audit permettant de reproduire les résultats.
Compétences à mobiliser
ARC et TEC : vérifier formation, utilisation du dispositif, incidents et documentation source. Data manager : préparer dictionnaire de données, contrôles, réconciliation et gestion des versions. Biostatisticien : préspécifier la variable dérivée, les agrégations, méthodes longitudinales et analyses de sensibilité. Chef de projet : coordonner prestataires, qualification, responsabilités et gestion des changements.
IA : usages et validation
L’IA peut assister la détection d’anomalies, le classement documentaire ou la préparation de scripts. Définir l’usage prévu, tester sur des données représentatives, mesurer les erreurs, tracer les versions et organiser une revue humaine. Une sortie générative ne doit pas, à elle seule, modifier une donnée source, décider d’une éligibilité ou valider un résultat clinique. Le document de réflexion de l’EMA sur l’IA, adopté en septembre 2024, est un cadre scientifique antérieur et non une nouvelle règle de 2026.
Confidentialité et limites
Minimiser et pseudonymiser les données de santé, limiter les accès, sécuriser les transferts, vérifier le cadre RGPD/CNIL et les engagements du prestataire. Ne pas transmettre de données identifiantes à un outil d’IA non autorisé. Examiner dérive des capteurs, pertes de connexion, biais de population et effets des mises à jour logicielles. La précision technique d’un capteur ne démontre pas à elle seule la pertinence clinique d’un endpoint.
Checklist avant inclusion
- Concept clinique et endpoint définis au protocole.
- Versions, données brutes et transformations documentées.
- Plan de gestion des données et plan statistique cohérents.
- Transferts, sécurité, audit trail et incidents testés.
- Validation proportionnée au risque et supervision humaine organisée.
Sources officielles
FDA, atelier du 27 août 2026 : Digital Health Technologies and Statistical Considerations for Digitally-Derived Endpoints. FDA : Digital Health Technologies for Drug Development. EMA, document adopté en septembre 2024 : Use of AI in the medicinal product lifecycle.