LE PROGRAMME ARGO-NOTE
Analyse des Réseaux sociaux et Génération d’Outils Numériques pour l’Obésité et ses TraitEments
Un programme multisource
Une approche multidimensionnelle et numérique pour mieux comprendre et anticiper les parcours des patients obèses
Des objectifs scientifiques
Écouter
Thèmes, parcours de soins, qualité de vie, difficultés sur les réseaux sociaux
Comprendre
Déterminants subjectifs et sociaux des parcours de soins
Valider
Fiabilité des données générées par IA (patients virtuels)
Prédire
Trajectoires de soins via des méthodes prédictives
Les données mobilisées
Réseaux sociaux
Entretiens qualitatifs
E-cohorte ECHO
Génération de patients virtuels
SNDS/ENDS
Modélisation prédictive des parcours (LLM)
Les Réseaux Sociaux
Un observatoire permanent de l’obésité sur les réseaux sociaux
Analyse des discours en ligne (forums, X, Insta, YouTube etc.) pour identifier les perceptions attentes et vécu des personnes concernées par l’obésité
Le Social listening oriente les thématiques des entretiens et questionnaires
Les Entretiens qualitatifs
Recrutement en ligne de patients pour participer à des focus groupes et à des entretiens qualitatifs, réalisés à distance.
Ces échanges permettront de recueillir des témoignages approfondis et des expériences vécues afin de mieux comprendre les représentations, les attentes, les freins et les leviers d’action des patients.
Les données qualitatives permettront d’identifier les besoins prioritaires et les facteurs influençant l’engagement et le parcours de soins.
Ces enseignements contribueront à enrichir et adapter les outils de suivi de la e-cohorte, afin de mieux répondre aux besoins et à l’expérience des patients.
E-cohort longitudinale (PROMs)
Constitution d’une e-cohorte de patients vivant avec une obésité, recrutés à distance via des outils numériques.
Les patients seront suivis longitudinalement à l’aide de questionnaires et de PROMs, permettant de recueillir des données en vie réelle sur leur santé, leur qualité de vie et leur parcours de soins.
Cette e-cohorte constituera une source de données en vie réelle pouvant être utilisée pour développer, évaluer et entraîner des modèles d’intelligence artificielle générative.
Génération de patients virtuels
Constitution d’une cohorte virtuelle de patients générés par intelligence artificielle.
La génération d’une méga-cohorte de plus de 100 000 patients synthétiques permettra de reproduire des profils et des trajectoires de santé réalistes.
Cette cohorte virtuelle permettra de simuler à grande échelle différents scénarios de soins, stratégies thérapeutiques et parcours de prise en charge.
SNDS/ENDS
Analyse des actes médicaux, des consommations de soins et de l’accès aux soins des patients vivant avec une obésité à partir des données SNDS/ENSD.
Cette analyse permettra notamment d’étudier le recours aux traitements de l’obésité, incluant la chirurgie et les traitements pharmacologiques.
Elles contribueront enfin à la validation externe des modèles développés à partir des données de la e-cohorte et des patients synthétiques.
Modélisation prédictive des parcours ( IA LLM)
Développement de modèles de langage et d’intelligence artificielle prédictive capables d’anticiper les trajectoires de soins, les événements de santé et les complications à partir des données synthétiques et collectées.
Ces modèles exploiteront de manière intégrée les différentes sources de données, notamment celles issues de la e-cohorte, des données en vie réelle et des patients virtuels générés par IA.
Ils permettront d’identifier des profils à risque et de simuler différents scénarios d’évolution ou de prise en charge.
L’objectif est de développer des outils d’aide à la décision permettant de mieux personnaliser les parcours de soins et d’accompagner les professionnels de santé dans leurs choix thérapeutiques.