Gestion et gouvernance des données dans l’intelligence artificielle
L’intelligence artificielle (IA) et la prise de décision axée sur les données sont deux des sujets les plus discutés dans les industries pharmaceutiques et des dispositifs médicaux. L’IA a le potentiel de révolutionner à la fois les opérations internes et les applications externes, tandis que les décisions axées sur les données améliorent l’efficacité de la gestion des projets et des affaires.
L’IA et les processus axés sur les données reposent tous deux sur de vastes quantités de données. La qualité, l’intégrité et la gouvernance de ces données sont essentielles pour garantir que les modèles d’IA fonctionnent efficacement et génèrent des résultats fiables. L’industrie pharmaceutique doit adopter des mesures rigoureuses pour obtenir, gérer et gouverner les données tout au long de leur cycle de vie.
Principales considérations pour la gestion des données dans les algorithmes d’IA GxP et des dispositifs médicaux
Pour développer des modèles d’IA qui répondent aux exigences réglementaires et opérationnelles, les organisations doivent s’assurer de ce qui suit :
Sources de données fiables : les ensembles de données doivent provenir de sources crédibles et validées afin de maintenir l’exactitude et la conformité.
Représentation équilibrée des données : les données doivent couvrir toute la gamme d’utilisation prévue pour l’algorithme d’IA. Si des parties de l’ensemble de données sont sous-représentées, des techniques d’augmentation des données peuvent être utilisées pour combler les lacunes.
Stockage sécurisé et inchangé des données : une copie de l’ensemble de données original doit être stockée en toute sécurité et rester inchangée afin d’assurer la traçabilité.
Nettoyage, homogénéisation et annotation des données : les activités de préparation des données doivent être entièrement traçables, et toute modification doit être fondée sur une justification scientifique.
Séparation des données d’entraînement et de vérification : les données utilisées pour entraîner les modèles d’IA ne doivent pas être réutilisées à des fins de vérification. Au lieu de cela, un ensemble de données de test distinct doit être créé et maintenu isolé afin d’assurer une évaluation objective.
Mesures de sécurité robustes : il est essentiel d’empêcher tout accès non autorisé, en particulier pour les données protégées en vertu de réglementations telles que le RGPD. Des protocoles de sécurité rigoureux doivent être mis en œuvre pour protéger les informations sensibles.
Procédures opérationnelles normalisées (PON) pour la gestion des données de l’IA
Avant de s’engager dans des projets axés sur l’IA, les entreprises doivent établir des PON claires pour définir les processus de gouvernance des données. Ces procédures doivent comprendre :
Des lignes directrices pour l’acquisition, le stockage et la gestion des données.
Des protocoles pour la mise à jour des ensembles de données, y compris l’ajout de nouvelles informations et le traitement des données désuètes ou invalidées.
Des politiques traitant de l’incidence des modifications apportées aux ensembles de données sur les outils d’IA déjà entraînés.
Comment Rephine peut vous aider
Chez Rephine, nous possédons une vaste expérience dans la garantie d’une gestion adéquate des données et des systèmes d’IA, des projets individuels aux politiques à l’échelle de l’entreprise.
Si votre organisation cherche à mettre en œuvre l’IA dans un environnement GxP ou de dispositifs médicaux, nous pouvons vous aider à naviguer dans ce paysage complexe afin d’assurer la conformité, l’efficacité et l’intégrité des données.
Prêt à en savoir plus ?
Contactez-nous pour en savoir plus sur la façon dont nous pouvons vous aider à gérer efficacement l’IA et la gouvernance des données.
À propos de l'auteur
Ce blog a été rédigé par Sergi Arcas, consultant pharmaceutique chez Rephine. Pour plus d’informations sur la conformité réglementaire et l’intégration de l’IA dans l’industrie pharmaceutique, contactez-nous chez Rephine.
