Résumé
La médecine de précision tient compte de la génétique, de l’environnement et du mode de vie d’une personne pour recommander le traitement qui lui conviendra le mieux. Mais pour faire de telles recommandations, les analystes doivent faire des inférences causales. Cela signifie qu’il faut éliminer les biais qui peuvent survenir lorsque les données sont mal mesurées ou que les traitements ne sont pas attribués de façon aléatoire.
Erica Moodie, titulaire de la Chaire de recherche du Canada en méthodes statistiques pour la médecine de précision, met au point des outils qui permettront aux chercheurs de découvrir – à l’aide d’un grand volume de données imparfaites recueillies en contexte réel, par exemple, dans des registres cliniques ou des dossiers de santé électroniques. De façon plus générale, son équipe de recherche et elle-même visent à s’assurer que les chercheurs comprennent si les relations qu’ils observent sont causales ou simplement brouillées par d’autres facteurs.