Ce site internet est exclusivement destiné aux professionnels de santé, aux laboratoires ainsi qu'aux fabricants de dispositifs médicaux.
En accédant a ce site, vous confirmez appartenir à l'une de ses catégories et comprendre que les informations fournies sont spécifiquement conçues pour un public professionnel.
"Tout outil d'IA recueillant des données pour la prise de décision doit être validé cliniquement à l'aide de divers ensembles de données et doit être conforme à la loi sur la portabilité et la responsabilité de l'assurance maladie (HIPAA)"
Avec une formation en génie chimique, Fauad a plus de 24 ans d'expérience à divers postes de direction dans l'industrie biopharmaceutique. Fauad s'est fait connaître en développant le premier programme de neurotoxine botulique de type E chez Bonti, dont il était le cofondateur et le PDG, avant son acquisition par Allergan. Sa vision et son leadership, ainsi que le déploiement d'un modèle allégé et efficace en termes de capital, ont été déterminants pour la progression rapide de Bonti en très peu de temps. Auparavant, il a occupé divers postes de direction chez Allergan, notamment au sein d'équipes de développement de produits mondiaux pour des programmes de neurotoxines (dont le Botox®) et oculaires de premier plan, établissant une stratégie globale de développement de médicaments, de la découverte à la commercialisation. Il est également titulaire de brevets liés au développement de médicaments dans divers domaines et a rédigé des articles de recherche dans des revues universitaires à comité de lecture ainsi que des chapitres d'ouvrages scientifiques.
Fauad occupe actuellement les fonctions d’exécutif, de membre de conseil d’administration, de conseiller et d’investisseur, en se concentrant sur les thérapeutiques, la santé numérique/l’intelligence artificielle, et les dispositifs médicaux. Il est également consultant dans le domaine de l'esthétique médicale, conseillant des clients internationaux sur les stratégies commerciales et de développement. Fauad est membre du conseil d'administration d'un accélérateur d'entreprises, Octane, et fait partie du comité d'organisation de l'Aesthetic Tech Forum et du Medical Aesthetics Injectable Summit.
Ayant grandi dans la Silicon Valley, Fauad a acquis très tôt des compétences en matière de leadership en pratiquant des sports de compétition. Il a remporté plusieurs prix en jouant au squash et au cricket aux niveaux régional et national et a représenté l'équipe nationale de cricket des États-Unis lors de compétitions internationales. Il est diplômé de l'université du Maryland.
Les outils numériques font depuis longtemps partie des soins de la peau, en particulier dans le domaine de la dermatologie médicale. Aujourd'hui, nous disposons d'outils approuvés par la FDA et alimentés par l'IA, capables de classer les lésions cutanées et même de détecter les mélanomes. Du côté des consommateurs, plusieurs applications de beauté, souvent créées par des sociétés de produits, proposent des recommandations cosmétiques et fournissent des analyses quelque peu subjectives de l'état de la peau. Bien que le terme « IA » soit souvent utilisé à tort et à travers dans ces applications, on ne peut nier son potentiel dans le domaine des soins de la peau, en particulier en ce qui concerne la perception visuelle. Toutefois, ces algorithmes peuvent présenter des biais en raison d'ensembles de données d'entraînement déséquilibrés qui ne représentent pas entièrement toutes les populations.
Dans le domaine de l'esthétique médicale, le besoin d'une plateforme numérique complète bénéficiant à tous les acteurs clés (praticiens, patients et développeurs de produits) se fait fortement sentir. La première étape consiste à trouver un moyen précis et cohérent d'évaluer les affections cutanées et leur gravité. De nombreuses études mettent en évidence une variabilité importante dans la manière dont les différents médecins diagnostiquent les affections dermatologiques. Ce défi est d'autant plus grand dans la recherche sur l'esthétique du visage - par exemple lors du développement de neurotoxines pour traiter les rides - que les échelles photo-numériques sur papier (souvent des échelles à quatre points allant de « sévère » à « aucun ») sont encore largement utilisées. Ces échelles propriétaires guident les décisions cruciales concernant la performance d'un produit, mais elles introduisent souvent des incohérences dans la notation des praticiens. Lorsque les auto-évaluations des patients sont prises en compte (une exigence réglementaire), la variabilité augmente encore, ce qui conduit souvent à des résultats incohérents et à la frustration des développeurs de produits. Ces divergences peuvent obliger à répéter des études coûteuses et faire perdre un temps précieux.
L'intelligence artificielle peut contribuer à éliminer la subjectivité en normalisant le processus de notation des rides. Bien que les échelles photo-numériques sur papier soient validées par des annotations d'images intensives effectuées par des médecins esthétiques chevronnés, ces mêmes données annotées peuvent également entraîner des algorithmes d'IA. Un réseau neuronal convolutionnel profond (DCNN) peut classer les images dans des catégories établies telles que la gravité des rides, et il peut facilement être étendu pour inclure l'échelle de Fitzpatrick en six points, le groupe d'âge, le sexe, l'appartenance ethnique, et plus encore. Cette objectivité et cette normalisation améliorent à la fois la précision et la cohérence pour les praticiens, ce qui permet aux algorithmes d'IA d'égaler ou de dépasser la précision humaine dans l'évaluation de l'état de la peau.
Au fur et à mesure de la collecte de données, les composants d'apprentissage automatique de l'IA peuvent évoluer pour inclure de puissantes fonctions d'analyse en amont. Les chercheurs et les développeurs peuvent classer les données afin de savoir quels produits ont été utilisés, combien d'unités ont été administrées, la fréquence du traitement, l'apparition des effets et la durée. Ces informations ouvrent la voie à la création de plans de traitement hautement personnalisés, d'autant plus que le profil moyen des patients d'aujourd'hui comprend, entre autres, des individus plus jeunes, des personnes d'origine non caucasienne et des hommes. À l'heure actuelle, de nombreux praticiens s'appuient encore sur des expériences anecdotiques pour guider les traitements, ce qui peut donner des résultats inégaux. Grâce à un modèle prédictif fondé sur un ensemble de données vaste et diversifié, les praticiens, qu'ils soient nouveaux ou expérimentés, peuvent bénéficier de suggestions de traitement adaptées aux caractéristiques de chacun. La modélisation prédictive peut également illustrer l'évolution de la peau d'un patient au fil du temps, avec ou sans traitement, et aider à maintenir les résultats souhaités en recommandant un paradigme de traitement idéal.
Les patients bénéficient eux aussi du suivi de leurs progrès par le biais de « selfies » standardisés et d'évaluations périodiques. Tout comme les applications de fitness aident les utilisateurs à rester sur la bonne voie grâce à des mesures claires et à un retour d'information en temps réel, la démocratisation des échelles de gravité via une plateforme numérique permet aux individus de gérer et de contrôler l'évolution de leur peau. Grâce à un accès rapide et privé à leur « score » personnalisé, les patients peuvent surveiller les améliorations, voir quand il est temps de procéder à un nouveau traitement et rester motivés en constatant de visu leurs progrès. Ils peuvent également faire part de leurs préoccupations ou de leurs réussites par l'intermédiaire de la plateforme, ce qui permet aux praticiens d'obtenir un retour d'information rapide qui améliore à la fois la satisfaction et la fidélisation des patients.
Sur le plan clinique, les outils d'imagerie avancés (2D/3D, audio et visuel) peuvent créer des expériences immersives pour les chercheurs, les investigateurs et les patients, offrant des informations en temps réel sur la sécurité et l'efficacité des produits, y compris le début de l'action et la durée des résultats. Allergan Aesthetics a développé une plateforme de recherche clinique exclusive pour ses produits, appelée Aptios, où les sujets d'étude peuvent soumettre des images directement à leurs équipes d'étude clinique. Il existe des plateformes similaires que d'autres entreprises, qui ne disposent pas des mêmes ressources, peuvent utiliser pour obtenir des résultats similaires de manière beaucoup plus efficace. Sur le plan commercial, la collecte de données réelles après le lancement d'un produit est essentielle pour comprendre la sécurité et l'efficacité à long terme, affiner les stratégies de marketing et étayer d'éventuelles revendications futures. En introduisant des données cliniques et commerciales dans des modèles d'apprentissage automatique profonds, les entreprises peuvent développer des produits toujours plus efficaces et personnalisés qui, en fin de compte, offrent de meilleurs résultats aux patients.
Bien qu'il n'existe pas de directives réglementaires spécifiques adaptées à l'utilisation de l'IA dans le domaine de l'esthétique médicale, la FDA des États-Unis a publié en début d'année un projet de directives pour les dispositifs activés par l'IA. Tout outil d'IA recueillant des données pour la prise de décision doit être validé cliniquement à l'aide de divers ensembles de données et doit être conforme à la loi sur la portabilité et la responsabilité de l'assurance maladie (HIPAA). En Europe, le règlement sur les dispositifs médicaux (MDR) et la loi sur l'IA prévoient une surveillance similaire et mettent l'accent sur la démonstration de l'intégrité des données, la protection, le traitement sécurisé, l'élimination des biais et le mécanisme de surveillance humaine.
Yoelin (2022). The Use of a Novel Artificial Intelligence Platform for the Evaluation of Rhytids. Aesthet Surg J. 2022 Oct 13;42(11):NP688-NP694. doi: 10.1093/asj/sjac200.
