Partenaires industriels
Accélérez vos projets d’études sur données en vie réelle avec nos établissements partenaires
partnersindus

Entrez en relation avec nos établissements partenaires

Nous accompagnons les acteurs industriels dans l’identification des sources de données en vie réelle les plus pertinentes pour mener à bien leurs projets d’études avec notre réseau d’établissements de santé partenaires.

Nous mettons en relation industriels et établissements de santé au service du progrès de la recherche et de l’amélioration de la prise en charge des patients.

Nous travaillons avec :
takedapfizerAMGEN Logo
takedapfizer
AMGEN Logo
adn

MALADIES RARES

Développez un algorithme de détection des patients en situation d’errance diagnostique avec l’un de nos centres partenaires
search

REAL WORLD EVIDENCE

Identifiez rapidement des centres partenaires pour mener vos études en vie réelle
adn
MALADIES RARES

Maladies rares : accélérez l’identification de patients en situation d’errance diagnostique

timeline
Fernandes

Philippe Fernandes, PhD

Pharma Key Account Manager
Réserver un rendez-vous

Nos algorithmes d’identification des patients par similarité phénotypique

Sur la base de données en vie réelle, nous avons développé des outils basés sur l'IA appliqués à la détection des maladies rares et à la génération de données en vie réelle pour soutenir la recherche médicale.

Développé à l'Institut Imagine, le moteur de recherche avancé de codoc est capable d'analyser les données non structurées des dossiers patients afin d'identifier les patients susceptibles de
présenter une maladie rare.


Ce système s'appuie sur le traitement du langage naturel (NLP) pour extraire les concepts phénotypiques des documents cliniques afin de calculer les scores de similarité entre les patients. Ce modèle permet d'identifier les profils de patients candidats présentant une similarité clinique pour la maladie rare en question.

Cette stratégie de présélection basée sur le phénotype a été validée en utilisant l'entrepôt de données cliniques de l'hôpital pédiatrique Necker-Enfants malades pour retrouver des patients atteints de différentes maladies et publiés dans des revues à comité de lecture.
Réservez un rendez-vous

Publications associées :

Publication scientifique codoc top-right
bot-leftbot-right
search

REAL WORLD EVIDENCE

Accédez rapidement aux données non-structurées
pour vos études rétrospectives

graph-structure
Les établissements du réseau codoc sont en mesure de répondre à une demande d’étude rétrospective sur données en vie réelle en quelques mois.  



La solution codoc intègre une pipeline de traitement du langage naturel (NLP) qui permet d’augmenter à la fois :
  • la richesse et la qualité des données présentes dans les entrepôts de données de nos établissements partenaires
  • la précision des requêtes réalisées lors de l’identification des données

80%

des informations médicales sont
présentes dans les données
non-structurées *

*Escudié J-B et al. A novel data-driven workflow combining literature and electronic health records to estimate comorbidities burden for a specific disease: a case study on autoimmune comorbidities in patients with celiac disease. BMC Med Inform Decis Mak. 2017

Notre processus de collaboration

codoc vous met en relation avec l’un de nos établissements partenaires et vous accompagne tout au long de votre étude rétrospective.
Réservez un rendez-vous
01

Pré-faisabilité

Screening de patients éligibles dans nos
établissements partenaires
02

Faisabilité

Approfondissement des critères d’éligibilité et rapport pour l’étude
03

Mise à disposition

Mise à disposition des données dans des espaces de travails sécurisés et conforme à la réglementation de la CNIL
04

Livrables

Analyse statistique des données et rapport de l’étude
codoc logo

L’ensemble des solutions codoc ont été pensées pour répondre aux normes du référentiel de la CNIL et permettent de garantir le respect des formalités attendues par l’autorité administrative sur l’ensemble de la chaîne de valeur.

RGPD logoCNIL logo
Mentions légales