AlgorithmesMeSH Concept

N2-AUTOINDEXEE
L’intelligence artificielle et les algorithmes prédictifs en médecine
https://www.cfp.ca/content/68/8/e230
L’intelligence artificielle (IA) est sur le point de transformer la pratique de la médecine préventive; toutefois, ses bienfaits pour les patients, les groupes sociaux spécifiques (p. ex. populations racialisées) et les entreprises restent à confirmer. L’intelligence artificielle désigne « un système qui fonctionne grâce à une machine qui, pour répondre à un ensemble donné d’objectifs définis par l’humain, est capable de faire des prédictions, des recommandations ou des décisions qui influent sur des environnements réels ou virtuels ». Même si l’IA ne joue pas encore de rôle important dans les soins primaires canadiens, le bien-fondé de certains algorithmes produits ailleurs a été remis en cause par des biais tant volontaires que non volontaires. Par exemple, un algorithme des États-Unis, dont la tâche était d’identifier les patients américains dont les maladies actuelles pourraient permettre de prédire les besoins futurs en soins accrus, a conclu de manière erronée que les patients noirs étaient en meilleure santé que les patients blancs aussi malades, ce qui priverait les patients noirs de ressources. Les auteurs ont constaté que les patients noirs engendraient des coûts plus faibles en soins de santé que les patients blancs et qu‘ils consultaient des médecins moins souvent que les patients blancs; pourtant, l’IA était codée pour interpréter cet accès moins fréquent aux soins par les patients noirs comme un fardeau de maladie plus faible2. Pour éviter des biais comme celui-là, il faut une connaissance des risques et des actions audacieuses, mais réfléchies, de la part des chercheurs et des gouvernements.
2022
Le Médecin de Famille Canadien
France
article de périodique
algorithmes
médecine
Médecins
intelligence artificielle
intelligence
Intelligence artificielle

---
N3-AUTOINDEXEE
Utilisation d'un algorithme d'intelligence artificielle dans la prédiction de la mortalité après arrêt cardiorespiratoire pré-hospitalier
https://dumas.ccsd.cnrs.fr/dumas-03188765
Introduction : l’arrêt cardiaque extra hospitalier (ACEH) est un motif classique d’entrée en réanimation. Après la phase initiale, l’enjeu est d’identifier les patients destinés à une mauvaise évolution neurologique, et l’obtention d’un pronostic fiable et précoce est un véritable défi. Devant l’absence d’indicateur parfait, une approche multimodale est nécessaire, et les techniques d’intelligence artificielle de type apprentissage automatique peuvent s’avérer particulièrement adaptées. Notre objectif était l’évaluation de plusieurs algorithmes d’intelligence artificielle dans la prédiction de la mortalité en réanimation après ACEH. Matériel & méthodes : il s’agit d’une étude de cohorte observationnelle, rétrospective et monocentrique, réalisée au sein du service de réanimation polyvalente du centre hospitalo-universitaire de la Timone à Marseille. Les patients admis après ACEH entre janvier 2015 et juillet 2020 ont été inclus. Les données analysées dans un premier temps portaient sur les caractéristiques de l’ACEH, les facteurs pronostiques et les données issues de la surveillance continue en réanimation. A partir de l’analyse de ces données, les paramètres s’avérant être les plus intéressants ont été intégrés dans 4 algorithmes. Le modèle 2 était un algorithme de régression logistique, intégrant le score TAREA (calculé à partir de l’IGS II, de la dimension fractale d’Higuchi (indice traduisant la complexité de la courbe de fréquence cardiaque) et de la pression artérielle diastolique moyenne des premières 24 heures). Les 3 autres modèles étaient des algorithmes d’apprentissage automatique utilisant une technique de forets aléatoires, et la fiabilité était testée par une technique interne de validation croisée. Le modèle 3 intégrait le sexe, le score IGS II, l’étiologie, la durée de no flow, la durée de low flow, la présence de témoins, la présence d’un rythme choquable initial et le taux de créatininémie initial. Le Modèle 4 intégrait le score TAREA, l’étiologie, la présence d’un rythme choquable, et le taux de NSE (Neuron-Specific Enolase) entre 48 et 72 heures après l’ACEH. Le Modèle 5 intégrait les mêmes valeurs, ainsi que le score de Glasgow moteur à la 72ème heure. [...]
2021
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Prairie
hôpitaux
algorithmes
mortalité
hôpital
Intelligence artificielle
Arrêt cardiorespiratoire
intelligence artificielle
intelligence
arrêt cardiaque
algorithmes

---
N2-AUTOINDEXEE
Médecins et patients dans le monde des data, des algorithmes et de l’intelligence artificielle
https://www.conseil-national.medecin.fr/publications/editions/data-algorithmes-lintelligence-artificielle-medecine
Ce document explore notamment l’impact actuel et futur des nouvelles technologies pour l’exercice de la médecine, pour la formation initiale et continue des médecins, pour la recherche médicale, et pour la place des patients dans le système de santé
2018
false
false
false
CNOM - Conseil National de l'Ordre des Médecins
France
français
recommandation
médecins
artificiel
patients
a comme patient
intelligence
algorithmes
intelligence artificielle
algorithmes

---