Libellé préféré : algorithmes;
Synonyme CISMeF : algorithme;
Identifiant d'origine : M0000708;
CUI UMLS : C0002045;
Alignements automatiques CISMeF supervisés
- algorithme [Concept du thésaurus Nutrition artificielle]
Alignements manuels CISMeF
Correspondances UMLS (même concept)
Record lié au concept
Type(s) sémantique(s)
Voir aussi inter- (CISMeF)
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
---