Intelligence artificielleConcept NCIt

N3-AUTOINDEXEE
Intelligence artificielle dans une machine : quel impact sur son fonctionnement ?
https://www.inrs.fr/media.html?refINRS=DC%2039
De nombreux domaines commencent à intégrer de l'intelligence artificielle (IA). Les systèmes d'IA rendent des services dans la vie quotidienne (à domicile, au travail), comme dans beaucoup de métiers. Ils améliorent désormais le fonctionnement des machines et ces dernières donnent aux IA la possibilité d'interagir avec le monde physique. Ce changement interpelle le préventeur sur la fiabilité de ces systèmes et sur les risques en matière de santé et de sécurité qu'ils pourraient représenter. Alimenté par la fiction et par la médiatisation de recherches en IA, ce questionnement devient prégnant. Qu'en est-il réellement ? Cet article propose d'apporter des éclairages sur la nature de l'IA, sur son implantation dans les machines et son impact sur leur fonctionnement.
2023
INRS - Institut National de Recherche et de Sécurité
France
article de périodique
quel mois est-ce maintenant ?
supplément oral arginine, omega 3 et nucléotides
intelligence artificielle
intelligence
machine
vie quotidienne
intelligence artificielle

---
N3-AUTOINDEXEE
L'Intelligence Artificielle au service de la médecine de précision en transplantation
https://www.theses.fr/2023LIMO0047
Les travaux présentés ont eu pour objectif de proposer des utilisations appropriées de l’intelligence artificielle (IA) pour la médecine de précision en transplantation. Assurer une prise en charge personnalisée nécessite de combiner de nombreuses informations sur : le patient, le greffon, et les traitements immunosuppresseurs. L’IA offre la possibilité de sélectionner et combiner de nombreuses variables. Dans une première étude, nous avons montré l’apport de l’estimation de l’AUC et des adaptations de posologie par méthode bayésienne (une forme ‘primitive’ d’IA) chez 1 051 transplantés rénaux pédiatriques traités par mycophénolate mofétil. Quand les ajustements de doses proposés étaient suivis, l’intervalle cible d’AUC était plus souvent atteint (p 0,08 à 0,006) et la variabilité de l’exposition était significativement réduite (p 0,03 à 0,003). Dans un deuxième travail, nous avons mis au point un algorithme de Machine Learning pour estimer l’AUC0-12h de l’évérolimus en partant de 508 profils pharmacocinétiques réels, et nous l’avons amélioré en enrichissant progressivement la base d’apprentissage avec des profils simulés (avec un optimal d’environ 5 000 simulations) pour atteindre un écart quadratique moyen (RMSE) de 10,8 µg.h/L en validation externe. Nous avons également mis en évidence les limites d’une telle méthode, avec un surapprentissage à partir de 10 000 simulations se traduisant par une augmentation du RMSE à 12,6 puis 13,7 µg.h/L. Puis, nous avons entraîné un modèle de classification XGBoost sur des diagnostics de rejets humoraux et cellulaires du greffon posés par un groupe d’experts, comme alternative à l’actuelle classification de Banff qui est peu reproductible et ne prend en compte que des données histologiques : des AUC ROC de 0,91 à 0,97 ont été obtenues sur des jeux de données indépendants. Enfin, nous avons validé un score de risque de perte du greffon à long terme, construit à l’aide d’une forêt aléatoire de survie, et utilisant uniquement quelques variables disponibles au premier anniversaire de la transplantation. Le score atteint une AUC ROC 0,76 et 0,73 à 5 et 10 ans post-transplantation. L’ensemble de ces travaux a donc permis de montrer quelques avantages et limites du Machine Learning pour améliorer la prise en charge médicale des patients transplantés rénaux, comme alternative ou complément des approches statistiques acceptées de plus longue date.
2023
theses.fr
France
thèse ou mémoire
Médecine de précision
intelligence
Greffons
intelligence artificielle
département
intelligence artificielle
transplantation
transplantation
indépendamment
Médicament
transplantation
service informatique
exactitude

---
N3-AUTOINDEXEE
Intelligence artificielle appliquée à la rythmologie cardiaque. Perspectives et propositions
https://www.academie-medecine.fr/intelligence-artificielle-appliquee-a-la-rythmologie-cardiaque-perspectives-et-propositions/
Le recueil numérisé de l’activité électrique myocardique autorise son analyse par Intelligence Artificielle (IA) à partir de trois sources que sont les outils d’intervention en rythmologie, les registres de la mort subite et les dispositifs médicaux connectés. Le traitement des arythmies atriales fait appel à l’IA afin d’identifier les zones de rotors ou de fibrose arythmogène dans le but d’améliorer la qualité de l’ablation de la fibrillation atriale (FA). La création, à partir de données d’imagerie, d’une chambre ventriculaire virtuelle personnalisée, permet à l’IA de guider l’ablation et d’évaluer le pronostic. Lors des morts subites, c’est moins l’analyse des données de l’activité électrique myocardique et de la délivrance du choc électrique salvateur que celle des données de santé de la population dans son ensemble, qui pourraient contribuer à identifier les meilleurs prédicteurs de risque. Les données recueillies lors d’examens électrocardiographiques banaux ou par les objets portables, dont les « montres connectées », permettent grâce à l’IA de prédire la survenue ultérieure ou la récidive de troubles du rythme. L’IA est aussi omniprésente dans l’analyse de l’électrocardiogramme en rythme sinusal permettant d’en tirer des conclusions dépassant largement son utilisation habituelle. L’utilisation de ces données ne va pas sans soulever des problèmes éthiques et juridiques qui sont encore incomplètement réglés. L’appropriation en rythmologie cardiaque de l’outil nouveau qu’est l’IA suggère aux médecins rythmologues d’approfondir leurs connaissances mathématiques et d’intégrer les propositions des apprentissages automatiques et profonds dans leur démarche diagnostique et thérapeutique.
2023
Académie Nationale de Médecine
France
rapport
proposita
coeur
intelligence artificielle
coeur, sai
intelligence
intelligence artificielle
Appliquer
Attitude
appliquer
coeur
cardiaque
attention
applicateur

---
N2-AUTOINDEXEE
Une santé à toute épreuve ? Éthique de l’utilisation de l’intelligence artificielle dans le secteur de la santé
https://journals.openedition.org/ethiquepublique/7665
Une santé à toute épreuve ? Éthique de l’utilisation de l’intelligence artificielle dans le secteur de la santé Tour d’horizon des enjeux éthiques liés à l’IA en santé Penser la protection des renseignements inférés sur la santé des personnes : du contrôle individuel à l’encadrement des utilisations en fonction de leur légitimité Le partage et la mise en commun des données de santé : quels enjeux pour un objectif d’innovation sociale responsable ? Évaluer individuellement l’efficacité et l’efficience attendue des thérapeutiques dans l’aide à la décision médicale grâce à l’intelligence artificielle (IA) : quels enjeux éthiques ? La santé numérique et ses enjeux éthiques : du paternalisme aux normes sociales de santé
2023
OpenEdition
France
article de périodique
intelligence
utilisation
quel mois est-ce maintenant ?
éthique
intelligence artificielle
sens moral
intelligence artificielle
santé

---
N3-AUTOINDEXEE
Médecine générale et intelligence artificielle : revue de la littérature
https://dumas.ccsd.cnrs.fr/dumas-04419446
La médecine a connu une évolution théorique (découvertes scientifiques fondamentales) et technique (examens complémentaires), mais la façon de la pratiquer a relativement peu évolué malgré l'introduction de l'informatique. La santé coûte de plus en plus cher, le volume des données générées croît de façon explosive et seule une petite partie de ces données est effectivement exploitée, par des opérateurs dont le temps est limité et précieux. A l'échelle du médecin généraliste, la prévention, la surveillance des patients, le temps administratif et de liaison avec d'autres professionnels de la santé, le maintien à jour des connaissances, et surtout la documentation représentent entre autres un travail considérable. L'intelligence artificielle (IA) a démontré qu'elle pouvait résoudre un certain nombre de problèmes médicaux et fait en ce moment l'objet d'investissements extraordinaires, dans l'espoir d'améliorer la prise en charge tout en diminuant le coût des soins. Cette revue de la littérature concernant l'IA dans la médecine a pour objectif de répondre à la question suivante : dans quelle mesure l'intelligence artificielle pourrait-elle faire évoluer la médecine générale ? Les progrès concernent surtout les spécialités médicales basées sur l'analyse de données en particulier d'imagerie, avec des outils diagnostiques que le généraliste pourra vraisemblablement invoquer au cabinet. Par ailleurs l'automatisation de la documentation, de la synthèse des informations du dossier médical, et l'assistance au diagnostic, sont déjà au point. Ces assistants pourront soulager la charge de travail des médecins, [en permettant probablement d'éliminer du temps administratif et ainsi récupérer du temps médical,] mais soulèvent des questions d'ordre éthique voire existentiel.
2023
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
intelligence
la médecine dans la littérature
médecine de famille
biomédecine
intelligence artificielle
revue de la littérature
intelligence artificielle
littérature de revue comme sujet
médecine générale

---
N3-AUTOINDEXEE
Comparaison des réponses aux questions médicales sur un forum public entre des médecins bénévoles et l’intelligence artificielle (ChatGPT-3.5)
https://www.minerva-ebp.be/FR/Analysis/833
Analyse de Ayers JW, Poliak A, Dredze M, et al. Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum. JAMA Intern Med 2023;183:589-96. DOI: 10.1001/jamainternmed.2023.1838 Question clinique Que valent les réponses de ChatGPT à des questions posées sur des forums de santé versus celles des médecins ? Conclusion Cette étude observationnelle comparant les réponses fournies par intelligence artificielle via ChatGPT-3.5 à celles fournies par des médecins sur des questions d’un forum public présente de nombreux biais méthodologiques qui ne permettent pas de tirer des conclusions suffisamment fiables. Cependant, cette étude à l’avantage de mettre en lumière une potentielle utilisation de l’intelligence artificielle comme outil d’aide à la pratique médicale. D’autres études restent nécessaires afin d’en préciser le cadre et les limites. Enfin, des considérations d’ordre éthique et déontologique concernant l’utilisation de l’IA dans un contexte de soins doivent également être discutées.
2023
Minerva - Revue d'Evidence-Based Medicine
Belgique
lecture critique d'article
essai de phase V
Médicament
médecins
score de performance ECOG de 5
maladie répondante
délétion du chromosome 5
comparaison
intelligence artificielle
bénévoles
public
questionnement
mort liée à un événement indésirable
Question-réponse
intelligence
intelligence artificielle

---
N3-AUTOINDEXEE
L’intelligence artificielle au sein des urgences traumatologiques
https://dumas.ccsd.cnrs.fr/dumas-04176781
Au sein du Service d’Accueil des Urgences (SAU), jusqu’à 40 % des diagnostics omis sont des fractures. Il peut en résulter de lourdes conséquences pour le patient et également pour la structure de soin. Les radiographies dans les situations d'urgence sont souvent lues par nécessité par des cliniciens en médecine d'urgence qui manquent d'expertise surspécialisée en radiologie et en traumatologie. De plus, le flux continu élevé de patients dans les urgences cause une fatigue et une susceptibilité aux erreurs d’interprétation. L’intelligence artificielle pourrait être utilisée comme un outil d’aide aux urgentistes afin de faire face au volume et à la charge de travail sans cesse croissante (4). Ainsi, nous souhaitons mener cette étude afin d'évaluer les performances d'un logiciel d’intelligence artificielle dans l'évaluation des fractures dans des conditions réelles d’utilisation et de définir sa place dans la démarche diagnostique. Matériels et méthodes : Cette étude prospective monocentrique a été menée sur 1808 radiographies standards de 1523 patients ayant consulté aux urgences de l’hôpital Sud du CHU de Grenoble du 26 avril au 18 juin 2022. Les radiographies de patients mineurs, ainsi que les radiographies du rachis, du thorax du crâne et de la face n’ont pas été incluses. Le Gold Standard a été défini comme le diagnostic final délivré par un orthopédiste sénior, lors du staff orthopédique journalier, lorsque toutes les radiographies réalisées aux urgences la veille sont relues. L'algorithme du logiciel d’intelligence artificielle a été évalué en comparant le Gold Standard et la prédiction délivrée par l'algorithme. Nous avons cherché à évaluer s’il existe une relation entre la précision du logiciel d’intelligence artificielle et des critères qualitatifs comme l’âge, le sexe et la région anatomique. Résultats : Avec un Kappa de Cohen calculé à 0.81, il existe un accord presque parfait entre le diagnostic du chirurgien orthopédique sénior et la prédiction du logiciel d’intelligence artificielle. L’interprétation radiologique par le logiciel d’IA affiche, en référence au Gold Standard, une sensibilité de 89.5% et une spécificité de 92,5 %. Les résultats de l’étude mettent en évidence une plus faible sensibilité lors de l’interprétation par l’IA des radiographies du genou et de la jambe. Les performances du logiciel d’IA diminuent avec l’âge. Le sexe n’a pas d’impact sur les performances du logiciel. Conclusion : L’intelligence artificielle est une piste d’amélioration des performances diagnostiques des médecins urgentistes dans l’interprétation des radiographies osseuses, notamment des docteurs juniors, et qui pourrait partiellement palier au manque de spécialistes disponibles. Néanmoins, le médecin doit rester maître de son diagnostic, et l’IA doit rester un outil d’aide au diagnostic sur lequel s’appuyer en cas de besoin.
2022
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
urgences
sein masculin
intelligence artificielle
traumatologie
Service des urgences
d'urgence
intelligence artificielle
intelligence
sein féminin
région mammaire

---
N3-AUTOINDEXEE
Intelligence artificielle et maladies neurologiques : aider le diagnostic et améliorer la compréhension du comportement des réseaux de neurones convolutifs
https://www.theses.fr/2022TOU30282
L'Intelligence Artificielle est désormais utilisée pour accomplir les tâches les plus diverses, de la reconnaissance de visage à la traduction de texte. Parmi ces méthodes inspirées du fonctionnement du cerveau humain, l'apprentissage profond (deep learning) a montré d'excellentes performances en analyse d'image à l'aide des réseaux de neurones convolutifs (CNN). Le milieu médical est en train de bénéficier de la puissance de ces outils consacrés notamment à l'aide au diagnostic, comme dans la maladie de Parkinson ou d'Alzheimer. L'utilisation des CNN et de l'imagerie par résonance magnétique nucléaire (IRM), qui permet d'étudier le cerveau dans sa structure et son fonctionnement, a montré des résultats très prometteurs. Toutefois, les CNN sont souvent appelés boites noires puisque leur fonctionnement n'est pas transparent pour ses utilisateurs. Ces travaux de thèse visent à mieux comprendre ces méthodes appliquées aux données IRM 3D cérébrales pour aider au diagnostic des maladies neurologiques. En première étape, la manipulation des données d'entrée des CNN, nous a permis d'investiguer leur capacité discriminative. Nous avons ainsi étudié le comportement du CNN en comparant sa capacité à discriminer des images IRM originales et altérées. Les résultats obtenus par le CNN ont été très satisfaisants, ce qui a amené à rechercher quelles sont les zones de l'image les plus discriminantes pour la prédiction. En deuxième étape, nous avons étudié la pathologie, en se focalisant sur le nombre de sujets nécessaires au réseau lors de l'apprentissage pour garantir de bonnes performances. Cela est aussi un aspect crucial pour les méthodes de deep learning dont l'apprentissage requiert normalement beaucoup de données. Toutefois, dans le cadre médical nous avons accès à quelques centaines de données dans la plupart des cas. Nous avons démontré qu'un CNN est capable de bien discriminer un sujet sain d'un patient atteint d'atrophie multisystématisée (AMS), malgré un nombre limité de données d'entrée. A l'aide d'une technique récemment développée permettant de visualiser les parties de l'image considérées importantes par le CNN, nous avons montré que les parties discriminantes comprenaient des régions notamment d'intérêt pour la physiopathologie connue de l'AMS. La puissance discriminante du CNN a aussi été exploitée pour réaliser une discrimination entre sujets sains et patients en état de coma, en utilisant différentes séquences d'IRM. La méthode de visualisation a mis en lumière des régions en lien avec le coma, en confirmant les performances très satisfaisantes du réseau. Les études présentées dans cette thèse ouvrent la voie pour découvrir comment les informations englobées dans les données d'apprentissage peuvent aider à la recherche des signatures spatiales significatives obtenues par les CNN dans le cas particulier des données de neuroimagerie. L'application des CNN dans le cadre médical offre la possibilité d'aider le diagnostic de différentes maladies neurologiques en se basant exclusivement sur les données d'entrée. Cependant, la validité de ces résultats se fonde sur notre capacité à expliquer et éclairer ces méthodes pour en favoriser l'acceptation et, par conséquence, l'utilisation dans un contexte clinique.
2022
theses.fr
France
thèse ou mémoire
Accroître
Réseau
effet secondaire associé au système nerveux central
comportement
compréhension
comportement
Système nerveux
Neurones
Intelligence artificielle
Neurologie
Diagnostic
aucun diagnostic
compréhension
Maladie
maladie
intelligence
étude diagnostique
intelligence artificielle
maladies du système nerveux
compréhension
signe du système nerveux
maladie
diagnostic assisté par ordinateur
réseaux neuronaux (ordinateur)
neurone
comportement

---
N3-AUTOINDEXEE
Intérêt de l’intelligence artificielle pour l’extraction automatisée des patients présentant un traumatisme crânien notifié dans le dossier de régulation médicale du SAMU 33
https://dumas.ccsd.cnrs.fr/dumas-03907401
Introduction : Le diagnostic d’un traumatisme crânien (TC) en préhospitalier est délicat, mais l’utilisation de paramètres et d’informations préhospitalières couplés au paradigme de l’apprentissage automatique pourrait améliorer la performance des modèles de prédiction et aider au triage des patients. Nous avons développé et testé un algorithme d’apprentissage profond pour classer les dossiers mentionnant un TC sur les données de régulation médicale. Matériel et méthode : Il s’agit d’une étude monocentrique rétrospective et transversale. Cette étude a été conduite dans le Service d’Aide Médicale d’Urgence (SAMU) du centre hospitalier universitaire de Bordeaux. Les données tirées des dossiers de régulation médicales entre 2009 et 2021 ont été annotées comme traumatisme crânien ou non puis analysées par le modèle. Résultats : un total de 1000 patients a été inclus dans l’analyse finale, avec une proportion de TC de 6,6%. Le modèle présentait une aire sous la courbe ROC de 0.97 (0,943-1) pour l’efficacité de classification des TC. Le modèle une fois validé a été appliqué sur l’ensemble du corpus des dossiers de régulation médicale pour une analyse descriptive sur la répartition des TC. Conclusion : le modèle d’apprentissage automatique a démontré une performance exceptionnelle pour la classification des TC parmi les dossiers de régulation médicale du SAMU 33. Des études supplémentaires sont nécessaires pour la prédiction des TC telles que la prédiction du pronostic ou de la sévérité pour aider à l’orientation des patients en préhospitalier.
2022
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
services des urgences médicales
a comme patient
patient
traumatismes cranioencéphaliques
régulateur
extraction
intelligence artificielle
traumatisme
Notification
blessure
patients
dossiers médicaux
dossiers médicaux
crânial
robot
papillomavirus humain type 33
intelligence
extraction
automatisme
machine d'état
traumatisme
automatique
crâne, sai
Automatisme
Allèle sauvage FCGR2C
intelligence artificielle

---