Libellé préféré : intelligence artificielle;
Traductions automatiques des définitions par l'ANS : L'intelligence artificielle est la branche de l'informatique qui s'occupe de la rédaction
de programmes informatisés capables de résoudre des problèmes de façon créative.;
Traductions automatiques par l'ANS : intelligence artificielle (AI);
Identifiant d'origine : C16309;
CUI UMLS : C0003916;
- Alignements automatiques CISMeF supervisés
- Alignements automatiques exacts (par équipe CISMeF)
- Concept appartenant au(x) sous-ensemble(s)
- Correspondances UMLS (même concept)
- Type(s) sémantique(s)
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
---