Intelligence artificielleDescripteur MeSH

Etude et exécution des techniques et des méthodes pour concevoir des systèmes informatiques afin d'exécuter des fonctions qui sont normalement associées à l'intelligence humaine, telle que la ompréhension de la langue, l'apprentissage, le raisonnement, la résolution des problèmes, etc... [Traduction effectuée avant 2008]
Champ interdisciplinaire théorique et pratique qui a pour objet la compréhension de mécanismes de la cognition et de la réflexion, et leur imitation par un dispositif matériel et logiciel, à des fins d’assistance ou de substitution à des activités humaines. Journal officiel du 9 décembre 2018

N3-AUTOINDEXEE
Intelligence artificielle et soins de santé
https://www.maisonmedicale.org/sante-conjuguee/intelligence-artificielle-et-soins-de-sante/
Depuis la fin des années 1960, chercheurs et cliniciens tentent de mécaniser une partie du raisonnement médical, alternant succès et désillusions. Aujourd’hui, l’intelligence artificielle est entrée dans les pratiques de soins, souvent sans que nous en ayons pleinement conscience. Cet outil apparait comme un précieux allié dans un quotidien marqué par la surcharge et la complexité, mais peut-on en encore parler d’un simple outil ou sommes-nous déjà face à une transformation profonde de nos métiers ? Sa présence soulève à la fois curiosité, inquiétude et scepticisme, sans compter les questions éthiques, juridiques et environnementales…
2025
Fédération des maisons médicales
France
article de périodique
prestations des soins de santé
intelligence
Soins de santé
intelligence artificielle

---
N1-VALIDE
ECOS augmentés : l’IA entre dans le jeu
Evaluation du rôle des grands modèles de langage dans la simulation et la génération des ECOS
https://www.youtube.com/watch?v=QsEIeLMg2XQ
Présentation faite par Grégoire Micicoi et Elise Lupon lors du webinaire Enseigner en santé à l’heure de l’IA générative, organisé par la Coordination Nationale des Collèges d’Enseignants en Médecine (CNCEM).
2025
false
false
false
false
true
CNCEM
France
français
congrès ou conférence
matériel audio-visuel
intelligence artificielle
Intelligence artificielle
scénario pédagogique
matériel d'enseignement audio-visuel

---
N1-VALIDE
IA et Cybersécurité : introduction
https://ans-formation.coorpacademy.com/discipline/dis_VJ0IvVYMGe
Formation en ligne - Accès réservé Niveau : débutant Cible : tout public Découvrir l'intelligence artificielle et ses liens avec la cybersécurité.
2025
false
false
false
false
true
ANS - Agence du numérique en santé
France
français
formation en ligne ouverte à tous
intelligence artificielle
Intelligence artificielle
sécurité informatique
sécurité informatique

---
N1-VALIDE
IA : menaces, risques et bonnes pratiques
https://ans-formation.coorpacademy.com/discipline/dis_NyrVhVKfGe
Formation en ligne - Accès réservé Niveau : débutant Cible : tout public Découvrir les menaces et les risques de cybersécurité liés à l'IA, ainsi que les bonnes pratiques à adopter.
2025
false
false
false
false
true
ANS - Agence du numérique en santé
France
français
formation en ligne ouverte à tous
intelligence artificielle
Intelligence artificielle
sécurité informatique
sécurité informatique

---
N1-VALIDE
Le cadre réglementaire de l'IA
https://ans-formation.coorpacademy.com/discipline/dis_EkW7bBtMze
Formation en ligne - Accès réservé Niveau : débutant Cible : tout public Découvrir le cadre réglementaire de l'intelligence artificielle.
2025
false
false
false
false
true
ANS - Agence du numérique en santé
France
français
formation en ligne ouverte à tous
intelligence artificielle
Intelligence artificielle

---
N1-VALIDE
Guide d’implémentation de l’éthique dans les systèmes d’intelligence artificielle en santé
https://esante.gouv.fr/sites/default/files/media_entity/documents/guide-ia_vf.pdf
La cellule éthique du numérique en santé publie un guide d’implémentation de l’éthique dans les systèmes d’IA en santé. Le guide propose une démarche structurée, de la conception à l'utilisation des systèmes IA. Le guide s’appuie sur 5 principes clés: responsabilité, transparence, explicabilité, équité, proportionnalité. Le guide vise à accompagner les acteurs du secteur dans la construction d’une IA soutenable, humaine et alignée avec les valeurs du soin. Le guide s’inscrit dans une dynamique plus large, en cohérence avec la Stratégie nationale pour la recherche et l’innovation en santé et les exigences du nouvel AI Act européen.
2025
false
false
false
false
true
ANS - Agence du numérique en santé
France
français
guide
intelligence artificielle
santé
Intelligence artificielle

---
N1-VALIDE
Le déploiement de l'IA en imagerie médicale: de la promesse à la pratique
Problématiques d'intégration et modèle économique
http://catel.pro/documents/communaute-himss/Livre-blanc-IA-Imagerie_compressed.pdf
Ce livre blanc est le fruit d'une collaboration entre un collectif d'acteurs variés incluant professionnels de santé et notamment radiologues, directeurs de système d'information, industriels et représentants de société savantes. Son ambition est de partager les réflexions issues de ces échanges afin de faciliter l'intégration et la diffusion de l'IA, non seulement en imagerie médicale, mais aussi dans d'autres domaines médicaux.
2025
false
false
false
false
true
France
français
rapport
intelligence artificielle
Intelligence artificielle
Imagerie diagnostique

---
N2-AUTOINDEXEE
L’intelligence artificielle en pharmacie : les associations internationales prennent position
https://www.ordre.pharmacien.fr/les-communications/focus-sur/les-actualites/l-intelligence-artificielle-en-pharmacie-les-associations-internationales-prennent-position
Lors de son assemblée générale à Dublin les 10 et 11 juin 2025, le groupement pharmaceutique de l’Union européenne (GPUE, qui représente les pharmacies d'officine à Bruxelles) a adopté une prise de position sur l’intelligence artificielle (IA) à laquelle l’Ordre national des pharmaciens a contribué. Cette position affiche la volonté partagée de la profession de garantir un cadre éthique, sécurisé et utile pour l'exercice officinal. Elle fait écho au guide pratique sur l’IA en pharmacie publié en mars par la Fédération internationale pharmaceutique (FIP)...
2025
false
false
false
Ordre National des Pharmaciens
France
français
information scientifique et technique
intelligence artificielle
pharmacie

---
N2-AUTOINDEXEE
L'intelligence artificielle en santé
https://www.youtube.com/watch?v=xe3I2dGkw3s
2025
Health Data Hub
France
matériel d'enseignement audio-visuel
intelligence artificielle
intelligence
santé

---
N1-VALIDE
Intelligence artificielle et données de santé : une stratégie nationale pour accélérer la recherche et l’innovation en santé
https://sante.gouv.fr/actualites/presse/communiques-de-presse/article/intelligence-artificielle-et-donnees-de-sante-une-strategie-nationale-pour
Le ministre chargé de la Santé et de l’Accès aux soins, Yannick Neuder, a réuni ce 1er juillet un Comité stratégique exceptionnel pour annoncer les premières étapes de la stratégie nationale en matière d’intelligence artificielle et d’utilisation secondaire des données de santé.
2025
false
false
false
false
true
Ministère du Travail, de la Santé, des Solidarités et des Familles
France
Intelligence artificielle
dossiers de santé personnels
information scientifique et technique
intelligence artificielle

---
N1-VALIDE
SoFIA-Santé - Société francophone de l'intelligence artificielle en santé
https://sofia-sante.net/
La Société Francophone d'Intelligence Artificielle en Santé (SoFIA-Santé) a été créée pour répondre à la rareté des structures savantes dédiées à l'IA dans le domaine de la santé et pour accompagner les professionnels face aux défis posés par cette révolution technologique. Elle vise à structurer une approche francophone et éthique de l'IA en santé, en formant et soutenant les professionnels que ce soit du milieu médical ou du milieu de l’informatique.
false
false
false
false
false
France
français
société savante
intelligence artificielle
Intelligence artificielle
santé

---
N1-VALIDE
Unité d'enseignement (UE) intelligence artificielle appliquée à la santé
https://www.cismef.org/cismef/desan/cours/#ueia
Cette UE ouvrira dans le cadre du DIU Sciences de données des Universités de Rouen Normandie et Nice Côte d’Azur.
2025
false
false
false
false
true
CHU de Rouen
France
français
matériel enseignement
intelligence artificielle
santé

---
N1-VALIDE
Intégration de l’IA pour la génération de contenus pédagogiques au collège des enseignants de MPR
https://www.youtube.com/watch?v=PuDXtK4AZ64
Présentation faite par Maxence Compagnat lors du webinaire Enseigner en santé à l’heure de l’IA générative, organisé par la Coordination Nationale des Collèges d’Enseignants en Médecine (CNCEM).
2025
false
false
false
false
true
CNCEM
France
français
intelligence artificielle
médecine physique et de réadaptation
congrès ou conférence
matériel audio-visuel
matériel d'enseignement audio-visuel

---
N1-VALIDE
Correction d’ECOS avec l’IA : une approche empirique
https://www.youtube.com/watch?v=YqzXPEaBxIQ
Présentation faite par Marc Cuggia, Boris Delange, Zine-Dine Khene lors du webinaire Enseigner en santé à l’heure de l’IA générative, organisé par la Coordination Nationale des Collèges d’Enseignants en Médecine (CNCEM).
2025
false
false
false
false
true
CNCEM
France
français
congrès ou conférence
matériel audio-visuel
intelligence artificielle
Intelligence artificielle
matériel d'enseignement audio-visuel

---
N1-VALIDE
IA locale : Exemple d’utilisation pour les ECOS
https://www.youtube.com/watch?v=XavUnxIv_dE
Présentation faite par Maxime Alter lors du webinaire Enseigner en santé à l’heure de l’IA générative, organisé par la Coordination Nationale des Collèges d’Enseignants en Médecine (CNCEM).
2025
false
false
false
false
true
CNCEM
France
français
intelligence artificielle
Intelligence artificielle
congrès ou conférence
matériel audio-visuel
matériel d'enseignement audio-visuel

---
N2-AUTOINDEXEE
Déployer l’Intelligence Artificielle en toute confiance !
https://anap.fr/s/article/D%C3%A9ployer-l-Intelligence-Artificielle-en-toute-confiance
L’intelligence artificielle (IA) est en train de transformer profondément le secteur de la santé et du médico-social, offrant des opportunités inédites pour améliorer l’efficience des services, anticiper les besoins et optimiser les processus. Pour accompagner les professionnels dans cette transformation, l'Anap met à disposition son guide Déployer une IA en toute confiance. Du lexique aux enjeux de gouvernance, vous saurez comment choisir l’IA qui correspond à votre besoin. Le guide met l’accent sur plusieurs points clés pour un déploiement réussi : Les concepts à maîtriser pour comprendre l’IA. Les principes de transparence et de gouvernance adaptés au contexte sanitaire. Les bonnes pratiques pour une mise en œuvre respectueuse des données. Des témoignages et retours d'expérience concrets d'établissements ayant franchi le pas.
2025
ANAP
France
rapport
intelligence
intelligence artificielle

---
N1-VALIDE
IA en Santé
https://ia.anap.fr/
Plateforme des solutions d’Intelligence Artificielle en Santé
2025
false
false
false
ANAP
France
français
intelligence artificielle
santé
agence gouvernementale

---
N1-VALIDE
Mettre l'intelligence artificielle au service de la santé
État des lieux des actions engagées en matière d'intelligence artificielle en santé pour accélérer l'innovation
https://sante.gouv.fr/IMG/pdf/etat_des_lieux_ia_en_sante.pdf
https://sante.gouv.fr/actualites/presse/communiques-de-presse/article/publication-de-l-etat-des-lieux-de-l-intelligence-artificielle-ia-en-sante-en
Ce document stratégique fait le point sur les avancées et les perspectives du déploiement de l’IA dans notre système de santé, tout en offrant aux acteurs de terrain une vision structurée et concrète des actions engagées. L’intelligence artificielle est un levier majeur pour transformer les pratiques médicales et améliorer les parcours de soins. Elle permet d’optimiser les diagnostics, d’automatiser certaines tâches administratives pour redonner du temps aux soignants, et de fluidifier les parcours de prise en charge des patients. L’état des lieux de l’IA en santé présente : Les actions pour évaluer les bénéfices et les risques pour les patients et les professionnels : amélioration des diagnostics, personnalisation des soins et gestion optimisée des ressources, par exemple. Les actions mises en place pour soutenir l’innovation dans les projets embarquant de l’IA, notamment, dans le cadre des investissements France 2030 et de la stratégie d’accélération “Santé Numérique” (SASN). Un cadre d’évaluation, de régulation et des principes éthiques pour assurer une IA de confiance et sécurisée, adaptée aux exigences du secteur de la santé.
2025
false
false
false
Ministère du Travail, de la Santé, des Solidarités et des Familles
France
français
rapport
intelligence artificielle
santé

---
N2-AUTOINDEXEE
Recommandations de bonnes pratiques suite à l'analyse des questions éthiques soulevées par l'utilisation de l'Intelligence Artificielle dans la recherche à l'Inserm
https://inserm.hal.science/CEI/inserm-04975393
L'utilisation croissante de SIA dans la recherche médicale et en santé, notamment au sein d'institutions telles que l'Inserm, soulève des enjeux majeurs à la fois prometteurs et posant questions. Les SIA servent à l’Inserm évidemment à soutenir la démarche scientifique mais leur usage se développe également au sein de l’administration pouvant à terme impliquer l’aide à la décision en matière de projets, de gestion ou de ressources humaines. Les SIA offrent des avantages indéniables : ils permettent de traiter des quantités massives de données, d'accélérer la découverte de nouveaux mécanismes à l’origine de pathologies, ils peuvent aider à révéler de nouveaux biomarqueurs, aider à prédire la survenue de pathologies et permettre d’envisager une médecine de plus en plus personnalisable. Au quotidien, les SIA deviennent de remarquables outils d’aide à la rédaction de texte en produisant des résumés, le plan d’un document, en proposant des améliorations de style, corrigeant l’orthographe, la grammaire, aidant à la génération de codes informatiques et à leur vérification ou encore comme outil de traduction, tous usages qui permettent de gagner du temps sur des tâches à faible valeur ajoutée. Cependant, cette révolution technologique s’accompagne également d’impacts délétères, par exemple leur coût énergétique et son retentissement écologique, et de nombreuses questions sur les effets de plus ou moins long terme de ces technologies, les incertitudes et risques associés qui concernent notamment la qualité et la confidentialité des données, les biais algorithmiques, l’interprétabilité des résultats, la dépendance aux technologies propriétaires, la fragilisation de pratiques et des infrastructures en cas d’attaques malveillantes, ou encore la perte de souveraineté.
2025
INSERM - Institut National de la Santé et de la Recherche Médicale
France
recommandation
éthique de la recherche
recommandation en éthique
codes de déontologie
référenciation
intelligence artificielle
levage
Meilleures pratiques
intelligence
analyse éthique
questions éthiques

---
N3-AUTOINDEXEE
L’intelligence artificielle dans l’aide au diagnostic anatomopathologie en cancérologie
https://www.canal-u.tv/chaines/ut2j/l-intelligence-methodes-pratiques-outils-et-objets-scientifiques-en-dialogue/l
Du latin inter (entre) et lego (ramasser, recueillir), l’« intelligence » a d’abord à voir avec le lien et l’interaction – et le Moyen français utilisait d’ailleurs volontiers le mot dans le sens de « relation », « accord », voire « conspiration ». Cela étant, des acceptions plus « mentales » se sont développées en parallèle : l’intelligence est la signification, ou encore la compréhension, mais c’est la faculté qui finit par prévaloir. À partir de là, le terme désigne l’aptitude à organiser les données d’une situation, à mettre en relation les procédés à employer avec le but à atteindre, à choisir les moyens ou à découvrir les solutions originales qui permettent l'adaptation aux exigences de l'action. Depuis les Grecs, c’est de la sorte l’intelligence qui distingue l’homme de l’animal : la partie noétique de l’âme chez Platon, l’intellect chez Aristote, le Logos chez les stoïciens. Cependant pointe déjà alors une position hétérodoxe, qui va largement alimenter les débats pré-modernes puis modernes sur « l’intelligence des bêtes » (voire aujourd’hui des plantes).
2025
Canal U
France
matériel d'enseignement audio-visuel
Diagnostic
aucun diagnostic
diagnostic assisté par ordinateur
oncologie médicale
intelligence
intelligence artificielle
anatomopathologie
anatomopathologiste

---
N3-AUTOINDEXEE
Intelligence artificielle et santé et sécurité au travail
https://www.inrs.fr/media.html?refINRS=AC%20197
L'Organisation internationale du travail (OIT) a mis à disposition un rapport sur l'intelligence artificielle (IA), la numérisation au travail, la robotique et l'automatisation avancée. Destiné aux gouvernements, employeurs, travailleurs et professionnels de la santé et sécurité au travail (SST), il vise dans un premier temps à décrire les opportunités en matière de SST de l'automatisation et la robotique de pointe, des outils et systèmes de surveillance intelligents, de la réalité étendue et la réalité virtuelle, de la gestion algorithmique du travail et de l'évolution des modalités de travail liée à la numérisation. L'Institut de recherche Robert-Sauvé en santé et en sécurité du travail (IRSST) du Québec met également à disposition un rapport de veille scientifique sur l'impact de l'IA sur la SST.
2025
INRS - Institut National de Recherche et de Sécurité
France
article de périodique
intelligence artificielle
métier
sécurité au travail
Sécurité au travail
intelligence
santé au travail

---
N2-AUTOINDEXEE
Intelligence artificielle en santé : une concertation publique pour un déploiement éthique
https://esante.gouv.fr/actualites/intelligence-artificielle-en-sante-une-concertation-publique-pour-un-deploiement-ethique
Du 12 mai au 6 juin 2025, l’Agence du Numérique en Santé et la Délégation au Numérique en Santé soumettent à consultation publique un guide d’implémentation d’une IA en santé éthique. L’intelligence artificielle (IA) transforme en profondeur le champ de la santé : prévention, diagnostic, traitements ou encore suivi des pathologies. Mais pour que ses bénéfices soient pleinement au service du soin, son déploiement doit impérativement s’inscrire dans un cadre éthique, respectueux des droits humains, des données personnelles et des principes fondamentaux de notre système de santé.
2025
ANS - Agence du numérique en santé
France
rapport
comportement coopératif
santé publique
inconduite scientifique
l'éthique dans l'édition
intelligence artificielle
intelligence

---
N1-VALIDE
L’intelligence artificielle en Santé
https://www.youtube.com/watch?v=Z8IXDl9qh0I
Présentation de l'Intelligence artificielle en Santé par Stéphane Canu lors du séminaire des 30 ans du CISMeF.
2025
false
false
false
false
true
CHU de Rouen
France
français
congrès ou conférence
intelligence artificielle
santé
Intelligence artificielle
matériel enseignement
matériel audio-visuel

---
N1-VALIDE
IA et amélioration de sujets d’examen en pharmacologie
https://www.youtube.com/watch?v=WV0tujPyaKM
Présentation faite par Alexandre Gérard et Alexandre Destere lors du webinaire Enseigner en santé à l’heure de l’IA générative, organisé par la Coordination Nationale des Collèges d’Enseignants en Médecine (CNCEM).
2025
false
false
false
false
true
CNCEM
France
français
congrès ou conférence
matériel audio-visuel
intelligence artificielle
pharmacologie
Intelligence artificielle
matériel d'enseignement audio-visuel

---
N1-VALIDE
IA et création de Tests de Concordance de Script (TCS)
https://www.youtube.com/watch?v=fNSj2JYINb0
Présentation faite par Jean-Paul Fournier lors du webinaire Enseigner en santé à l’heure de l’IA générative, organisé par la Coordination Nationale des Collèges d’Enseignants en Médecine (CNCEM).
2025
false
false
false
false
true
CNCEM
France
français
intelligence artificielle
congrès ou conférence
matériel audio-visuel
matériel d'enseignement audio-visuel

---
N3-AUTOINDEXEE
Bibliographie « Intelligence artificielle et santé » – Septembre 2025
https://www.ascodocpsy.org/bibliographie-intelligence-artificielle-et-sante-septembre-2025/
Cette bibliographie rassemble des ressources récentes (2020-2025) sur l’intelligence artificielle en santé et en formation paramédicale. Elle aborde l’histoire et les concepts clés de l’IA, ses usages par les étudiant·es et les formateur·rices, ainsi que son déploiement dans les établissements de santé. Elle met aussi en lumière les enjeux éthiques, organisationnels et pédagogiques liés à ces technologies. L’ensemble offre un panorama pour accompagner les professionnel·les de santé, les formateur·rices et les apprenant·es dans une appropriation responsable de l’IA. Cette bibliographie a été réalisée par le groupe Écoles Paramédicales d’Ascodocpsy. Elle propose une sélection de publications francophones récentes, à destination des professionnel·le·s du soin en poste ou en formation.
2025
AscodocPsy
France
bibliographie
santé
Bibliographie
intelligence artificielle
intelligence
bibliographies comme sujet

---
N3-AUTOINDEXEE
Règlement (UE) 2024/1689 du parlement européen et du conseil du 13 juin 2024 établissant des règles harmonisées concernant l’intelligence artificielle
https://eur-lex.europa.eu/legal-content/FR/TXT/HTML/?uri=OJ:L_202401689
L’objectif du présent règlement est d’améliorer le fonctionnement du marché intérieur en établissant un cadre juridique uniforme, en particulier pour le développement, la mise sur le marché, la mise en service et l’utilisation de systèmes d’intelligence artificielle (ci-après dénommés «systèmes d’IA») dans l’Union, dans le respect des valeurs de l’Union, de promouvoir l’adoption de l’intelligence artificielle (IA) axée sur l’humain et digne de confiance tout en garantissant un niveau élevé de protection de la santé, de la sécurité et des droits fondamentaux consacrés dans la Charte des droits fondamentaux de l’Union européenne (ci-après dénommée «Charte»), y compris la démocratie, l’état de droit et la protection de l’environnement, de protéger contre les effets néfastes des systèmes d’IA dans l’Union, et de soutenir l’innovation. Le présent règlement garantit la libre circulation transfrontière des biens et services fondés sur l’IA, empêchant ainsi les États membres d’imposer des restrictions au développement, à la commercialisation et à l’utilisation de systèmes d’IA, sauf autorisation expresse du présent règlement.
2024
EUR-Lex - L'accès au droit de l'Union européenne
France
texte juridique
contrôle et réglementation d'une installation
Assistance
intelligence
intelligence artificielle

---
N2-AUTOINDEXEE
Plan directeur sur l'intelligence artificielle en santé 2024-2027
https://publications.msss.gouv.qc.ca/msss/document-003840
Ce plan directeur sur l’intelligence artificielle en santé 2024-2027 représente un cadre essentiel pour guider le ministère de la Santé et des Services sociaux et le réseau de la santé et des services sociaux dans une vision stratégique en définissant des objectifs clairs et des mesures concrètes. Ce document favorise l’adéquation avec la Stratégie d’intégration de l’intelligence artificielle dans l’administration publique 2021-2026, les avancées technologiques, la recherche et l’innovation, tout en veillant à une utilisation de l’intelligence artificielle responsable, éthique et conforme aux lois et aux réglementations. Ce plan s’inscrit autour de quatre axes et 16 actions visant à : Soutenir la performance Créer de la valeur Valoriser la recherche et l’innovation Encadrer l’utilisation responsable de l’IA
2024
MSSS - Ministère de la Santé et des Services sociaux du Québec
Canada
rapport
intelligence
santé
intelligence artificielle

---
N3-AUTOINDEXEE
Guider les thérapeutes dans l'amélioration de la réponse thérapeutique d'un patient à l'aide de l'intelligence artificielle pour la thérapie par Avatar
https://papyrus.bib.umontreal.ca/xmlui/handle/1866/33767
Dans le contexte de la psychiatrie moderne, les troubles de santé mentale graves et persistants, notamment la schizophrénie, présentent des défis thérapeutiques considérables. La schizophrénie, en particulier, impacte profondément le fonctionnement des individus, notamment à travers des symptômes tels que les hallucinations. Ces manifestations peuvent affecter de manière délétère les interactions interpersonnelles des patients, leur régulation émotionnelle et sont associées à un taux de suicide nettement supérieur à celui de la population générale. Face à la résistance aux traitements psychopharmacologiques de première ligne, des thérapies non-pharmacologiques ont été développées, dont la thérapie par Avatar (TA) en réalité virtuelle (RV), qui permet aux patients souffrant d'hallucinations auditives résistantes aux médicaments d'interagir avec une représentation en 3D de leur voix perturbatrice. Bien que cette thérapie ait montré une réduction des hallucinations et une amélioration de la qualité de vie, certains patients restent réfractaires, ce qui pose des défis dans leur prise en charge. L'utilisation de données quantitatives en médecine a amélioré les approches thérapeutiques pour les patients présentant des troubles complexes. Les thérapeutes s'appuient sur des outils numériques basés sur des algorithmes mathématiques pour guider leur prise de décision clinique. L'intelligence artificielle, notamment l'apprentissage machine, se développe en médecine clinique pour aider les thérapeutes à prédire l'évolution des patients et à choisir le traitement approprié. Cependant, en psychiatrie, où les modèles biopsychosociaux sont prédominants, l'utilisation de données quantitatives dans les interventions psychothérapeutiques est moins courante. Les thérapeutes s'appuient souvent sur des guides de pratique génériques et leur expérience clinique, ce qui peut être insuffisant, particulièrement pour les patients atteints de schizophrénie réfractaire à la médication. Cette thèse vise à intégrer les principes de l'intelligence artificielle dans la thérapie par Avatar pour améliorer la réponse thérapeutique des patients souffrant de schizophrénie avec des hallucinations auditives réfractaires aux médicaments. [...]
2024
Papyrus - Université de Montréal
Canada
thèse ou mémoire
Thérapeutique
avatar
thérapie
intelligence
patients
réponse thérapeutique
intelligence artificielle
a comme patient

---
N3-AUTOINDEXEE
L’intelligence artificielle dans l’industrie des produits de santé : de la recherche à la commercialisation
https://dumas.ccsd.cnrs.fr/dumas-04747628
L'avènement de l’intelligence artificielle (IA) sculpte un nouveau paysage dans notre société, et l'industrie des produits de santé n’est pas en reste. Dans un contexte de profusion des données de santé, l’IA se positionne comme l’outil clé pour les transformer en connaissances exploitables, améliorant ainsi la santé individuelle et collective. Cette thèse plonge au cœur de cette technologie, depuis ses fondements théoriques jusqu'à ses applications concrètes dans l'industrie des produits de santé et les enjeux qui en découlent. Dans un premier temps, nous définissons la notion d’intelligence artificielle, explorons ses bases théoriques et l’importance des mégadonnées (big data) dans la génération d’algorithmes d’IA. Ensuite, nous présentons les applications de l’IA en santé, d’abord à travers le prisme du cycle du médicament, de la recherche préclinique à la commercialisation, démontrant les gains d’efficacité et de rentabilité apportés par l’IA. Nous mettons en lumière la manière dont l'IA érige les fondations d'une médecine du futur, préventive et personnalisée. Enfin, nous soulevons des questions essentielles quant aux défis liés à l'intégration de l'IA dans les industries de santé, allant des enjeux éthiques aux obstacles réglementaires et techniques, en passant par les implications économiques et sociétales.
2024
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
commercialisation de recherche
intelligence
intelligence artificielle
produit industriel
industrie
recherche biomédicale
Santé
transfert de technologie

---
N3-AUTOINDEXEE
L'intelligence artificielle (IA) est-elle meilleure que l'homme pour diagnostiquer la dégénérescence maculaire exsudative liée à l'âge ?
https://www.cochrane.org/fr/CD015522/EYES_lintelligence-artificielle-ia-est-elle-meilleure-que-lhomme-pour-diagnostiquer-la-degenerescence
Principaux messages - Par rapport aux experts humains, les tests basés sur l'intelligence artificielle (IA) pourraient être d'une précision comparable pour détecter la forme exsudative (ou humide) de la dégénérescence maculaire liée à l'âge (DMLA). - Il n'y a pas eu de différences significatives dans les performances, indépendamment des autres conditions oculaires dans l'ensemble de données d'images ou des types d'images utilisés. - Des recherches supplémentaires et des rapports cohérents sont nécessaires pour définir le rôle de l'IA dans le diagnostic de la DMLA exsudative.
2024
Cochrane
Royaume-Uni
revue de la littérature
résumé ou synthèse en français
dégénérescence maculaire
intelligence artificielle
macule
dégénérescence exsudative
diagnostic
intelligence
dégénérescence maculaire liée à l'âge
homme âgé
Dégénérescence maculaire
humains
dégénérescence maculaire humide

---
N3-AUTOINDEXEE
Impacts de l’intelligence artificielle : risques et opportunités pour l’environnement
https://www.lecese.fr/travaux-publies/impacts-de-lintelligence-artificielle-risques-et-opportunites-pour-lenvironnement
L’IA décuple les risques mais aussi les opportunités du numérique pour l’environnement. Dans le large domaine du numérique, l’intelligence artificielle (IA) occupe une place spécifique, particulièrement l’IA dite « générative », capable de générer de nouveaux contenus (textes, audios, photos, vidéos, etc.) à partir de données. En termes d’opportunités, l’IA peut directement contribuer à réduire l’empreinte environnementale par des systèmes créés spécifiquement pour leur utilité écologique. Par exemple, l’IA contribue à la mesure et à la gestion de la qualité de l’air, en prévoyant plusieurs heures à l’avance la concentration de particules fines à tel ou tel endroit et en conseillant d’adapter en conséquence les déplacements. L’IA peut aussi indirectement contribuer à réduire l’empreinte environnementale par une amélioration de l’efficacité énergétique de l’ensemble des activités. Cette optimisation de l’usage des ressources prend des formes multiples dans de nombreux secteurs : pilotage des flux de circulation routière, chauffage des bâtiments, gestion des déchets, etc. Mais, d’un autre côté, la consommation d’électricité, de métaux rares, d’eau et d’espaces artificialisés imputable aux IA est en nette croissance, même si elle reste marginale par rapport à la consommation totale. L’IA aggrave donc l’empreinte environnementale du numérique, à la fois dans ses trois briques matérielles (les terminaux, les réseaux, les centres de données) et dans toutes les étapes du cycle de vie (fabrication, distribution, utilisation et fin de vie).
2024
CESE - Conseil Economique, social et environnemental
France
rapport
environnement
produits dangereux
Risque
Impacts sur l'environnement
intelligence artificielle
intelligence

---
N1-SUPERVISEE
Premières réflexions en intelligence artificielle responsable pour les non-spécialistes en intelligence artificielle
https://publications.msss.gouv.qc.ca/msss/document-003777/
Les premières réflexions en intelligence artificielle (IA) responsable sont destinées aux personnes qui ne sont pas des spécialistes en IA dans le réseau de la santé et des services sociaux, soit des personnes qui offrent un support administratif à un service, qui sont des professionnels ou des gestionnaires. Elles ont un regard unique face à leurs rôles et leurs tâches. Lors de l’adoption d’une application en IA qui touche ces rôles et ces tâches, de nombreuses questions de nature technique et sur les dilemmes moraux, sur le contexte sociotechnique ou sur les cadres normatifs, peuvent survenir. Ces questions sont importantes pour adapter les applications d’IA à la réalité québécoise dans le domaine de la santé et, ultimement, à favoriser une intégration efficace dans l’environnement de travail auprès de ceux qui les utiliseront. En se basant sur des travaux faits au Québec sur l’IA, les premières réflexions en IA responsable (PRIAR) proposent des balises dans le cadre de l'avènement des technologies de l'IA.
2024
false
false
false
MSSS - Ministère de la Santé et des Services sociaux du Québec
Canada
Québec
guide
intelligence artificielle

---
N3-AUTOINDEXEE
L’Intelligence Artificielle au service de la recherche en réanimation…think different.
https://www.srlf.org/article/lintelligence-artificielle-au-service-recherche-reanimationthink-different
Dupont, T., Kentish-Barnes, N., Pochard, F. et al. Prediction of post-traumatic stress disorder in family members of ICU patients: a machine learning approach. Intensive Care Med 50, 114–124 (2024) Lien Texte Question évaluée : Quel est l’apport des modèles d’apprentissage automatique pour la détection de PTSD (troubles du stress post-traumatique) chez les proches de patients hospitalisés en réanimation ? Type d’étude : Développement de plusieurs modèles d’apprentissage automatique à partir d’une base de données issue d’études déjà réalisées pour la détection du PTSD. Population étudiée : Les proches de patients hospitalisés dans un service de réanimation Méthode : Utilisation d’une base de données intégrant 9 études cliniques (de mars 2003 à octobre 2020) issues du groupe de travail FAMIREA. Elle comporte des données épidémiologiques, démographiques et médicales de patients hospitalisés en réanimation ainsi que leurs proches. Ces données ont été anonymisées et l’ensemble de ces études ont reçu, lors de leur réalisation, une approbation par un IRB. Il est possible d’identifier, dans cette base de données, les proches ayant présenté un PTSD à partir d’échelles spécifiques (échelles IES, impact of event) sur une évaluation faite majoritairement au 90ème jour de la sortie de réanimation. L’étude a été réalisée en s’appuyant sur les recommandations TRIPOD (1) (étude établissant des recommandations sur les modalités de développement de modèles de prédiction à des fins diagnostic ou pronostic) De façon simplifiée la base de données a été divisée en deux parties : l’une servant à la formation des algorithmes (base d’entrainement) et l’autre aux tests de validation (base test). Seize covariables d’intérêt ont été sélectionnées pour former les modèles d’apprentissage automatique. Sept modèles de classification utilisant des techniques d’apprentissage automatique différentes ont été réalisés. La performance de chacun de ces modèles a ensuite été testé sur la base test. Un système SHAP (2) a été utilisé pour illustrer la contribution de chacune des variables étudiées et donne une représentation graphique de leur influence respective.
2024
false
false
false
SRLF - Société de Réanimation de Langue Française
France
lecture critique d'article
Chercher
conflit
intelligence artificielle
service informatique
département
recherche
intelligence
intelligence artificielle

---
N3-AUTOINDEXEE
Piste de réflexion sur l'intelligence artificielle
https://cms.cmq.org/files/documents/Fiches/fiche-ia-01-piste-reflexion.pdf
Au cours des dernières années, l’intelligence artificielle (IA) a fait son entrée dans le monde médical, où elle sera de plus en plus présente dans l’avenir. Bien que le Code de déontologie des médecins du Québec ne fasse pas précisément mention des systèmes d’intelligence artificielle (SIA), les grands principes qui s’en dégagent permettent de réfléchir à leur utilisation et de l’encadrer. Cette fiche aborde certains aspects de cet encadrement, qui sera certainement appelé à évoluer. Veuillez noter qu’il ne s’agit pas d’un document de référence sur l’IA en santé, mais bien plutôt de pistes de réflexion visant à sensibiliser les médecins aux différents enjeux qu’elle soulève sur le plan déontologique.
2024
CMQ - Collège des Médecins du Québec
Canada
information scientifique et technique
pensée (activité mentale)
réflexe
intelligence
intelligence artificielle
chemin
intelligence artificielle
Réflexe
réflexe
Facteur de nécrose tumorale membre de la superfamille des ligands 10
Allèle sauvage TNFSF10

---
N1-VALIDE
L'IA et l'avenir du service public
Le rapport thématique n 2: IA et santé
https://www.senat.fr/rap/r23-611/r23-611-syn.pdf
https://www.senat.fr/travaux-parlementaires/office-et-delegations/delegation-a-la-prospective/lia-et-lavenir-du-service-public.html
https://www.senat.fr/notice-rapport/2023/r23-611-notice.html
Le secteur de la santé est l’un de ceux qui pourraient le plus tirer parti des progrès de l’IA. Les utilisations de l’IA en santé sont déjà très variées – recherche, dépistage, fourniture d’informations, aide à la décision, production documentaire – et leur potentiel de développement, avec une transformation des pratiques médicales au bénéfice des patients, est fort. Pour être accepté, son déploiement devra se fixer deux objectifs, l'efficacité et l'éthique, ce qui signifie notamment que l'accès indispensable à des données nombreuses et fiables devra être solidement encadré. Le rapport de la délégation n'a pas pour objet de fournir une analyse exhaustive des technologies d’IA mises en œuvre dans le domaine de la santé mais d’identifier les différents scénarios de déploiement de l’IA, en s’appuyant sur les utilisations déjà existantes ou celles actuellement développées par des startups en lien avec les professionnels de santé. Il repousse un techno-enthousiasme excessif, voyant dans l’IA une solution miracle et négligeant les nombreuses adaptations qui seront nécessaires, mais ne verse pas non plus dans le techno-pessimisme surestimant les difficultés et les risques.
2024
false
false
false
false
true
Le Sénat
France
français
rapport
intelligence artificielle
santé

---
N3-AUTOINDEXEE
Tensions et convergences dans la conception de nouveaux outils d’intelligence artificielle pour l’oncologie : le cas de la radiomique
https://journals.openedition.org/anthropologiesante/13215
La radiomique est un domaine récent qui vise à extraire des informations quantitatives d’images médicales et à découvrir des biomarqueurs capables d’affiner la catégorisation des patients et d’améliorer leur prise en charge. En oncologie, des cliniciens sont amenés à côtoyer des scientifiques experts en traitement des images et à collaborer à la conception de nouveaux modèles prédictifs basés sur des méthodes d’intelligence artificielle. Cet article montre comment la technicisation des outils diagnostiques et pronostiques explique à la fois une convergence d’intérêts dans un domaine en vue qui permet une accumulation de capital scientifique et les tensions qui touchent, entre autres, les critères de validation des technologies. Notamment, les métriques de performance utilisées par les chercheurs ne sont pas à même pour les cliniciens de mesurer leur utilité clinique, jugée à l’aune des contextes d’utilisation. Les nouveaux biomarqueurs d’imagerie sont alors passés au crible de diverses normes et leur succès dépend du travail d’articulation entre savoirs médicaux et computationnels.
2024
OpenEdition
France
article de périodique
intelligence artificielle
convergence oculaire
Oncologues
intelligence artificielle
conception
intelligence
échellle d'anxiété du Coronavirus
Allèle sauvage BCAR1
design
génomique en imagerie
casse-croute
conception
langue newar
outil
Allèle sauvage CTNND1
radiomique
convergence
oncologue
sentiment de tension
fécondation
tension
Équipement
caténine delta-1
Conception
oncologie
caisse (unité de dosage)

---
N1-VALIDE
Recommandations de sécurité pour un système d'IA générative
Guide ANSSI
https://cyber.gouv.fr/sites/default/files/document/Recommandations_de_s%C3%A9curit%C3%A9_pour_un_syst%C3%A8me_d_IA_g%C3%A9n%C3%A9rative.pdf
Le document vise à sensibiliser les administrations et entreprises aux risques liés à l’IA générative ainsi qu’à promouvoir les bonnes pratiques dans la mise en œuvre de ce type de système.
2024
false
false
false
false
true
ANSSI - Agence nationale de la sécurité des systèmes d'information
France
français
intelligence artificielle
recommandation professionnelle
guide

---
N1-VALIDE
Lire et comprendre un article d'intelligence artificielle en santé
Séminaire Santé Numérique - Réanimation et anesthésie
https://www.cismef.org/cismef/wp/wp-content/uploads/2024/04/5.lca_ai_20240405_compressed.pdf
Présentation faite par le Dr Benjamin Popoff. Les thèmes abordés sont: Connaître les bases des algorithmes d'IA/ML, leur cycle de développement et leur évaluation; Savoir lire et critiquer un article d’IA/ML en santé, particulièrement en anesthésie-réanimation
2024
false
false
false
false
3eme cycle / doctorat
true
Université de Rouen, UFR Santé
CHU de Rouen
France
français
intelligence artificielle
congrès ou conférence
1.4.1 - connaitre les grands enjeux liés à l'intelligence artificielle, aux algorithmes, aux biais et aux systèmes d'aide à la décision ainsi que les principes éthiques associés
1.4.4 - chercher des données scientifiques publiées et savoir les interpréter, produire une bibliographie pertinente
4.4.2 - réaliser une recherche (définir sa recherche, équation de recherche, ...)
4.4.3 - identifier et évaluer la source de l'information
matériel enseignement

---
N1-VALIDE
IA: Notre ambition pour la France
Commission de l'intelligence artificielle - Mars 2024
https://www.gouvernement.fr/upload/media/content/0001/09/4d3cc456dd2f5b9d79ee75feea63b47f10d75158.pdf
La Commission de l’intelligence artificielle a remis au président de la République, le 13 mars 2024, un rapport contenant 25 recommandations pour faire de la France un acteur majeur de la révolution technologique de l’intelligence artificielle (IA).
2024
false
false
false
false
false
Ministère de l'Économie, des Finances et de l'Industrie [français]
Gouvernement français
France
français
intelligence artificielle
France
rapport

---
N1-VALIDE
Généralités sur les Large Language Models (LLM)
https://www.cismef.org/cismef/wp/wp-content/uploads/2024/03/2024-02-20_LLM.pdf
https://www.youtube.com/watch?v=s76QR9g2znk
Cours présenté par Romain Lelong. Les LLM dans leur contexte; Un socle théorique; Caractéristiques d'un réseau de neurones; La construction des LLMs, Architecture des LLM; Métriques; Projets de recherches
2024
false
false
false
false
true
CHU de Rouen
France
français
cours
intelligence artificielle
Apprentissage profond
réseaux neuronaux (ordinateur)
Intelligence artificielle
réseaux neuronaux (ordinateur)
enregistrement vidéo

---
N1-VALIDE
Systèmes d’IA générative en santé : enjeux et perspectives
https://www.academie-medecine.fr/systemes-dia-generative-en-sante-enjeux-et-perspectives/
La santé est un des domaines majeurs d’application des technologies dites d’Intelligence Artificielle. Tous les domaines de la santé et toutes les spécialités sont concernés. Les systèmes d’intelligence artificielle générative (SIAgen) impressionnent par leur capacité à produire en quelques secondes des textes souvent pertinents, mais aussi parfois erronés. Leurs champs d’applications dans le domaine de la santé sont vastes et peuvent aller de l’aide à la rédaction de notes d’information à la rédaction de thèses ou de projets de programme de recherche. Pour les utiliser à bon escient il est important d’en connaitre les principes de fonctionnement. Les SIAgen fonctionnent à partir d’auto-apprentissage basé sur un nombre extrêmement élevé d’exemples, ce qui est très différent de l’approche humaine, qui s’appuie sur l’expérience, le contexte et un système de valeurs. Ils génèrent des textes avec une grande rapidité mais ne sont pas entrainés à rechercher ou à dire la vérité. Une validation humaine est donc toujours nécessaire. Par ce rapport, l’Académie nationale de médecine explicite plusieurs de ces avancées pour la santé, décrit les enjeux d’éthique associés et recommande des points d’actions à mettre en œuvre sans délai.
2024
false
false
false
false
true
Académie Nationale de Médecine
France
intelligence artificielle
Intelligence artificielle
rapport

---
N3-AUTOINDEXEE
L'intelligence artificielle au service de la santé et sécurité au travail : enjeux et perspectives à l'horizon 2035
https://www.inrs.fr/media.html?refINRS=VP%2036
L'introduction de systèmes d'intelligence artificielle en milieu professionnel est une réalité qui soulève des questions en matière de prévention des risques. L'INRS a conduit un exercice de prospective pour identifier les enjeux et les perspectives d'évolution de l'usage de ces technologies dans le champ de la santé et sécurité au travail à l'horizon 2035. Cet article propose un éclairage sur les travaux conduits reposant sur l'exploration de différents scénarios d'évolution possibles et des projections dans trois domaines d'usages. L'ensemble des enseignements est rassemblé en une vingtaine de messages clés.
2023
INRS - Institut National de Recherche et de Sécurité
France
article de périodique
intelligence
Sécurité au travail
intelligence artificielle
santé au travail
Travail
Sécurité du travail
services de santé
Intelligence artificielle
métier

---
N3-AUTOINDEXEE
Intelligence artificielle et cancer
https://www.academie-medecine.fr/intelligence-artificielle-et-cancer/
Des découvertes en biologie ont permis des avancées considérables dans le traitement du cancer avec les thérapies ciblées et l’immunothérapie. Malgré ces progrès, le cancer reste un des défis majeurs en santé avec un nombre de décès en France estimé à plus de 157 000 en 2018.
2023
Académie Nationale de Médecine
France
article de périodique
Cancer
tumeur maligne, sai
tumeurs
Intelligence artificielle
intelligence
cancer
intelligence artificielle
Cancer

---
N3-AUTOINDEXEE
Intelligence artificielle, numérique et métiers d’imagerie médicale
https://www.academie-medecine.fr/intelligence-artificielle-numerique-et-metiers-dimagerie-medicale/
L’IA est une révolution scientifique, en particulier dans les spécialités médicales où l’analyse d’images tient une place prépondérante, l’anatomopathologie, la radiologie et la médecine nucléaire. Comment l’irruption de l’IA et du numérique va-t-elle modifier l’exercice de ces spécialités médicales basées sur l’imagerie ? Il n’est jamais facile de prévoir l’avenir, mais on peut essayer de distinguer deux phases.
2023
Académie Nationale de Médecine
France
article de périodique
Imagerie diagnostique
intelligence
intelligence artificielle
professions
Intelligence artificielle
Imagerie médicale

---
N3-AUTOINDEXEE
Les statistiques provisoires sur les causes de décès en 2018 et 2019 - Une nouvelle méthode de codage faisant appel à l’intelligence artificielle
https://drees.solidarites-sante.gouv.fr/publications-jeux-de-donnees-communique-de-presse/drees-methodes/les-statistiques-provisoires-sur
La Direction de la recherche, des études et de l’évaluation des statistiques (DREES) et le Centre d’épidémiologie des causes médicales de décès de l’Inserm (CépiDc-Inserm) diffusent des résultats provisoires sur les causes médicales de décès des personnes résidentes et décédées en France en 2018 et 2019. Intervenant après la publication des données 2020, ces nouveaux travaux, qui s'appuient en partie sur des méthodes d’intelligence artificielle, donnent un premier apercu des causes de décès à la veille de la crise sanitaire liée au Covid-19. Ces résultats sont cependant encore provisoires et seront affinés au cours du second semestre 2023.
2023
DREES - Direction de la recherche, des études, de l’évaluation et des statistiques
France
rapport
intelligence artificielle
Statistiques
Méthodes
Intelligence artificielle
Décès
statistiques comme sujet
Décès
cause du décès
codage clinique
cause de décès
protestantisme
Codage
intelligence
appellation
Statistiques

---
N2-AUTOINDEXEE
La rencontre de l'intelligence artificielle et de la santé et sécurité au travail
https://www.inrs.fr/media.html?refINRS=NO%2037
Quelque 130 experts issus des milieux de la santé et de la sécurité au travail, de la recherche, de la normalisation et de la règlementation, se sont rencontrés le 20 octobre dernier à Paris, lors de la 7e conférence d'Euroshnet, pour discuter des impacts de l'intelligence artificielle sur la sécurité et la santé au travail.
2023
INRS - Institut National de Recherche et de Sécurité
France
article de périodique
Sécurité du travail
métier
Intelligence artificielle
Sécurité au travail
intelligence
intelligence artificielle
Travail
santé au travail

---
N3-AUTOINDEXEE
Évaluation d'un logiciel d'intelligence artificielle dans la détection des fractures du squelette appendiculaire en population pédiatrique
https://dumas.ccsd.cnrs.fr/dumas-04067271
Introduction : l’intelligence artificielle est en plein essor en radiologie et notamment en traumatologie. De nombreuses études ont montré son efficacité dans la détection des fractures chez les adultes mais peu d’études ont été réalisées en pédiatrie. Nous avons évalué la performance diagnostique d’un logiciel de deep learning (SmartUrgence ) dans la détection des fractures du squelette appendiculaire en population pédiatrique en comparaison au compte rendu du radiologue défini comme le gold standard. Matériels et Méthodes : dans notre étude observationnelle rétrospective, nous avons inclus 1312 patients pédiatriques (âgés de 3 mois à 16 ans, 45% de filles et 55% de garçons) ayant consulté dans le service des urgences pédiatriques pour un traumatisme. Chaque cliché radiographique a été analysé par un logiciel d'IA et annoté avec 3 possibilités : normal, anormal ou douteux. L'anomalie était localisée sur l'image à l'aide d’un cadre. Les résultats obtenus ont ensuite été comparés au compte rendu effectué par un radiologue pédiatrique sénior. Nous avons également évalué la capacité du logiciel à détecter les épanchements du coude et sa contribution à la détection des fractures dans cette région anatomique. Des analyses de sous- groupes ont également été réalisées en fonction de l'âge et de la région anatomique. Résultats : lorsque les réponses doute sont considérées comme positives, la précision du logiciel est de 88,9% [IC 95% : 87,1 - 90,6], la sensibilité de 92,7% [IC 95% : 90 - 95], la spécificité de 87,1% [IC 95% : 84,7 - 89,2], la VPN de 96,2% [IC 95% : 94,8 - 97,4], la VPP de 77,3% [IC 95% : 73,6 - 80,8]. On ne trouve pas de différence significative dans concernant la précision du logiciel selon le sexe. L'analyse en sous-groupe d'âge montre une différence maximale des valeurs de précision entre les patients d'âge inférieur à 4 ans et le groupe des 12-14 ans (delta 0,10, P 0,001). L'analyse en sous-groupes selon la région anatomique a montré une précision significativement plus faible pour les membres supérieurs par rapport aux membres inférieurs (P 0,001) et entre les membres supérieurs et les os longs (P 0,001). Les valeurs de précision les plus faibles pour les membres supérieurs ont été obtenues pour le sous-groupe poignet/main. On ne retrouvait pas de différence significative concernant la précision entre les membres inférieurs et les os longs (P 0,93). Les valeurs de Se, Sp et de précision pour la recherche de fractures du coude, sans considérer la présence d’un épanchement articulaire, se sont élevées respectivement à 96,7% [IC 95% : 91,6 - 100], 87,7% [IC 95% : 78,9 - 95,2] et 92,1% [IC 95% : 87,3 - 96,8]. Lorsque la présence d'un épanchement articulaire était prise en compte, le taux de faux négatifs a été réduit de 8,2 % à 3,3 % (delta 4,9 ; diminution de 59,8 %), bien que cela ne soit pas significatif (P 0,07). Conclusion : le logiciel de deep learning développé par MILVUE est capable de détecter efficacement les fractures chez les enfants, surtout après l'âge de 4 ans. En outre, il permet une réduction du nombre de fractures du coude manquées grâce à la détection de l'épanchement articulaire.
2023
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
Pédiatres
intelligence artificielle
pédiatrie
Intelligence artificielle
fracture
squelette
intelligence
Logiciel
Fracture
logiciel
études d'évaluation comme sujet
fractures osseuses
ossature, sai
population
enquêteur
pédiatre

---
N2-AUTOINDEXEE
Avis 141 du CCNE et 4 du CNPEN Diagnostic Médical et Intelligence Artificielle : Enjeux Ethiques
https://www.ccne-ethique.fr/publications/avis-ndeg141-du-ccne-et-ndeg4-du-cnpen-diagnostic-medical-et-intelligence-artificielle
Le numérique et en particulier l’intelligence artificielle en santé ouvrent des perspectives majeures de transformation de notre système de santé avec des capacités de renforcement significatif de la qualité des diagnostics et des soins au service des patients. Alors que les Systèmes d’Intelligence Artificielle utilisés pour le Diagnostic Médical (SIADM) irriguent progressivement les différents champs de la pratique médicale et transforment la relation soignants-patients, il est indispensable de créer les conditions de la confiance. En effet, le diagnostic médical intégrant ces dispositifs soulève de nouveaux enjeux d’éthique combinant les aspects numériques et médicaux. Ils interrogent la formation des praticiens, les qualités des SIADM mis en œuvre, l’intermédiation numérique intervenant dans la relation médecin-patient, l’appropriation et le consentement éclairé des patients lors de l’utilisation de ces nouveaux outils.
2023
false
false
false
CCNE - Comité Consultatif National d'Ethique
France
rapport
EN-141
josamycine
jugement
Intelligence artificielle
intelligence
intelligence artificielle

---
N3-AUTOINDEXEE
L'intelligence artificielle au service des patients dans les déserts médicaux
https://sesstim.univ-amu.fr/fr/video-box/lintelligence-artificielle-au-service-des-patients-dans-les-deserts-medicaux
Vidéo réalisée par des étudiants de DFGSM3 dans le cadre de la formation AIR 2022-2023 (Action d'Initiation à la Recherche) « Enjeux et défis des sciences du numérique et de l’intelligence artificielle pour la santé publique »
2023
SESSTIM
France
matériel d'enseignement audio-visuel
intelligence artificielle
a comme patient
patients
Désertification
zone médicalement sous-équipée
intelligence
Intelligence artificielle

---
N3-AUTOINDEXEE
Comparaison des réponses aux questions médicales sur un forum public entre des médecins bénévoles et l’intelligence artificielle (ChatGPT-3.5)
https://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
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
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 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

---
N1-VALIDE
Intelligence Artificielle en santé
Webinaire 6 - Mardis de la donnée de santé
https://www.youtube.com/watch?v=V3FZ0mSYCR8
Dans ce module, nous suivons une équipe lors de la réalisation d'un projet d'IA avec la solution du HDH. En suivant cette équipe, nous serons amenés à aborder les points clefs de l'intelligence artificielle en santé: pourquoi utiliser des outils d'intelligence artificielle?; En quoi l'IA devient-elle nécessaire pour traiter certaines problématiques en santé? (personnalisation des soins, multiplicité et hétérogénéité des facteurs/variables à intégrer dans les analyses); Quel est le lien entre volumétrie de données et intelligence artificielle?; Est-ce qu'il suffit d'avoir beaucoup de données pour faire de l'IA ou faut-il autre chose?; Comment le HDH peut-il aider les porteurs de projet d'intelligence artificielle?
2023
false
false
false
false
true
Health Data Hub
France
français
congrès ou conférence
matériel audio-visuel
intelligence artificielle

---
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
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
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

---
N3-AUTOINDEXEE
Intelligence artificielle et dispositifs médicaux : de nouveaux défis réglementaires
https://dumas.ccsd.cnrs.fr/dumas-03982937
Depuis plusieurs années l’Intelligence Artificielle (IA) occupe une place prépondérante dans de multiples aspects de nos vies. Le domaine de la santé n’échappe pas à cette nouvelle technologie, lui-même source de nombreuses données. Différentes solutions d’IA sont d’utilisations courantes dans le secteur hospitalier où elle trouve déjà une place particulière dans le secteur de la cancérologie et de la radiologie pour son aide au diagnostic. Ce phénomène ne devrait pas cesser de croître avec l’amélioration des technologies informatiques et les possibilités d’application illimitées. Cette évolution rapide révèle toutefois des limites dans la réglementation européenne qui éprouve des difficultés à l’encadrer. Ces limites représentent la clé de voûte de nombreux défis réglementaires. Une évolution du cadre législatif semble donc primordiale à mettre en place pour continuer à suivre l’état de l’art et son développement. Dans le cadre de cette thèse, sont mises en évidence les limites de la règlementation entourant l’IA dans l’Union Européenne en se basant sur 3 thématiques qui semblent majeures : l’enregistrement en tant que Dispositif Médical de l’IA, la gestion des données de santé selon le RGPD, et la répartition des responsabilités en cas de dommages.
2022
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Intelligence artificielle
intelligence
équipement et fournitures
intelligence artificielle
dispositif
Dispositifs médicaux

---
N3-AUTOINDEXEE
Apports de la télémédecine et de l''intelligence artificielle en gérontologie : modélisation du besoin, stratégies de validation et de déploiement à l'échelle d'un territoire rural à faible densité médicale
https://theses.hal.science/tel-03978385
La population vieillit et il est nécessaire d’adapter notre système de soins pour s’assurer de la continuité du parcours de soins des résidents d’EHPAD situés en zone rurale et à faible densité médicale. Les nouvelles technologies pourraient répondre aux défis imposés par la transition démographie mais elles nécessitent une validation pour s’assurer de leur efficience. Nous avons choisi de mettre en place une méthodologie de validation applicable à l’ensemble des technologies innovantes (objets connectés et Intelligence artificielle). La modélisation du besoin est essentielle pour s’assurer que la technologie apporte une réponse ciblée. La validation en 4 étapes par le pipeline de recherche clinique : faisabilité / preuve de concept / efficacité et coût-efficacité / déploiement, assure une fiabilité scientifique. Nos travaux ont permis de démontrer la faisabilité de la téléconsultation gérontopréventive avec un impact significatif dans la prévention des hospitalisations non programmées avec un rapport incrémental coût-efficacité de 3 494 euros par hospitalisation évitée. Nous avons également démontré une efficience significative sur la prévention d’un syndrome gériatrique tel que la chute. Enfin, sur le plan organisationnel, la mise en place du groupe de travail pluriprofessionnel permet de co-construire des documents et des procédures qui seront transposables à l’ensemble des futurs utilisateurs. Nos travaux démontrent que l’activité gérontopréventive est efficiente et répond aux besoins en soins du patient, des EHPAD et du système hospitalier.
2022
HAL Archives ouvertes
France
thèse ou mémoire
Besoins
Gérontologie
gériatrie
Intelligence artificielle
asthénie
intelligence artificielle
télémédecine
besoins et demandes de services de santé
dû à
Échelles
échelle
intelligence
télémédecine
Comportement d'orientation
poids et mesures
densité

---
N1-SUPERVISEE
Données massives et intelligence artificielle en médecine : espoirs et défis
https://sesstim.univ-amu.fr/video-box/webinar-quantim-christian-lovis
https://youtu.be/iZIb1Xf4VYU
Cours présenté par Christian LOVIS
2022
false
false
false
false
false
SESSTIM
France
matériel d'enseignement audio-visuel
Mégadonnées
intelligence artificielle
Intelligence artificielle
mégadonnées

---
N1-VALIDE
Big Data in Health
https://www.cismef.org/cismef/wp/wp-content/uploads/2022/11/big-data-in-health-2-1.pdf
Cours présenté par Arriel Benis & Stefan Darmoni: From data to big data and artificial intelligence; Data from a business perspective; Big data, definitions; Big data in medicine
2022
false
false
false
false
true
Université de Rouen, UFR Santé
France
anglais
cours
Mégadonnées
mégadonnées
Intelligence Artificielle en Médecine
intelligence artificielle
santé

---
N3-AUTOINDEXEE
Intelligence artificielle - Journée prospective 18/11/22
https://www.youtube.com/watch?v=4tz41UTOFB4&list=PLqlw8IH6G3t27jPFT5DeJAtXkLMK2ZFiU
2022
INRS - Institut National de Recherche et de Sécurité
France
enregistrement vidéo
congrès ou conférence
Intelligence artificielle
intelligence artificielle
intelligence
Prospectives

---
N2-AUTOINDEXEE
Intelligence artificielle au service de la santé et sécurité au travail
Enjeux et perspectives à l'horizon 2035
https://www.inrs.fr/media.html?refINRS=PV%2019
https://www.inrs.fr/media.html?refINRS=PV%2020
Un questionnement sur les systèmes mobilisant de l'intelligence artificielle dans le domaine de la santé et la sécurité à l'horizon 2035 : Quelles sont les opportunités et menaces pour la prévention des risques professionnels ? Dans quels domaines des avancées sont-elles possibles ? A quelles conditions ? Comment les acteurs peuvent-ils se préparer ?
2022
INRS - Institut National de Recherche et de Sécurité
France
rapport
Sécurité du travail
intelligence
Sécurité au travail
services de santé
santé au travail
intelligence artificielle
Travail
Intelligence artificielle
métier

---
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
Intelligence artificielle et examen des patients en médecine générale. Étude qualitative par théorisation ancrée auprès de praticiens
https://dumas.ccsd.cnrs.fr/dumas-03919874
Dans les années des 2010, le domaine de l’intelligence artificielle, apparu dans les années 1950, a connu d’importantes innovations, notamment en santé. De nombreuses études commencent à mesurer les compétences diagnostiques de cette technologie (reconnaissance de mélanome, de rétinopathie diabétique, lecture d’ECG), mais la médecine générale est actuellement peu impliquée dans ces évaluations. La présente thèse explore donc l’avis de médecins généralistes connaissant cette technologie dans l’examen clinique de leurs patients. Il s’agit d’une étude qualitative inspirée de la théorisation ancrée, basée sur des entretiens individuels semi-dirigés, auprès de 11 médecins généralistes exerçant en Occitanie. Il apparait donc que leur représentation et la place qu’ils donnent à l’intelligence artificielle dans leur pratique peuvent varier à des degrés de complexité croissante : l’intelligence artificielle considérée comme un simple outil, comme une intelligence maitrisée par l’homme mais vue comme un partenaire de soin, et à l’extrême comme une intelligence supérieure à l’homme, capable de prendre les décisions. Ces visions apportent aux praticiens des attentes et des craintes spécifiques, présentées dans cette thèse. La théorie proposée ici permet d’ouvrir un peu plus la recherche dans le contexte clinique de la médecine générale, ce qui semble capital pour la réflexion à mener autour du développement de tels outils, réflexion qui devra être aussi économique, politique et éthique.
2022
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Intelligence artificielle
Etudes générales
a comme patient
patients
Médecins
médecins
intelligence artificielle
Etudes générales
Etudes générales
Etudes générales
médecine générale
Etudes générales
Etudes générales
intelligence
Etudes générales
recherche qualitative

---
Ada - ton guide de santé
Obtenir des réponses sur sa santé via des symptômes
GP
https://apps.apple.com/fr/app/ada-ton-guide-de-sant%C3%A9/id1099986434
https://play.google.com/store/apps/details?id=com.ada.app
https://play-lh.googleusercontent.com/YNSedetm-2yPiKDCiR9FCLcDdMtJl3I1s3GCReebfOSE9D5TC6xYqMZ8DsLsfy6_fDQ3 s180-rw
IOS
Android
3.12.0
3.12.0
2021-05-24
2021-05-24
3.13.0
3.13.0
https://play-lh.googleusercontent.com/7899T8H6VSis9FXojwU9khAeUjdW2TQ5aUpdOOTuJuMDDzhABSmExP9LeesL9_e8nyY6 w720-h310-rw
https://play-lh.googleusercontent.com/UGbSaFt5epOriNTFCz6J3Uc0azmDfXb7UpOQ19t7ndIbhNkE40dCKY6gRJkZwChMyrNP w1536-h754-rw
https://play-lh.googleusercontent.com/2UNUZNFM_V0_eRam4Rvj6JNxOlC7OtZUmdrVHMSgP22Zpei8Unldr8vltlx3L1XAT8vC w1536-h754-rw
https://play-lh.googleusercontent.com/0PNGh5BBXz08zWludeeNgWD4X1IO7q6Pv1BS6KUq-nGnaxFlLEpUEyBKwtyM6xIRPA w720-h310-rw
https://play-lh.googleusercontent.com/UD5JP-4aR0YuskX3y9fZkA62x7d21KlEKekpgN68bs2bHz60iBzx_n049fHD6En17NE w1536-h754-rw
https://play-lh.googleusercontent.com/rV4iv3vTnCQKjH_aLey_SvY774Rjsohm6GxBXAemQc1qRpcR3XP0Pv8ntrpWJCsjch5M w1536-h754-rw
https://play-lh.googleusercontent.com/rxofZweFd8C10EKzP5vKrFa84FkX8xoQcZnsRQopmj-r8u-hmVllh-DgM-34B4cMBdc w720-h310-rw
Ada Health GmbH
pas d'objet connecté
Non renseigné
RGPD
gratuite
non
DM
true
true
oui
C
4,6
5
4
4,75
4,25
3,6
4,4
4
5
4
3
4
4
4,2
4.6
4.8
3
false
false
auto-évaluation diagnostique
intelligence artificielle
adulte
auto-soin

---
N2-AUTOINDEXEE
Intelligence artificielle en santé et SST
https://www.irsst.qc.ca/publications-et-outils/publication/i/101104/n/intelligence-artificielle
L’intelligence artificielle (IA) est au cœur de nombreux débats et fait des progrès spectaculaires depuis quelques années. Plusieurs auteurs s’entendent sur le fait que l’IA participera à la transformation des milieux de travail : les gains économiques potentiels sont souvent évoqués et principalement en lien avec l’augmentation de la productivité; la création de nouveaux métiers liés au développement de l’IA, la transformation ou l’élimination de certains métiers; des transformations des conditions de travail sont anticipées, comme l’automatisation de tâches routinières et l’attribution de tâches complexes aux travailleurs.
2021
IRSST - Institut de Recherche Robert-Sauvé en Santé et en Sécurité du Travail
France
rapport
intelligence
santé
Intelligence artificielle
intelligence artificielle

---
N3-AUTOINDEXEE
Intelligence artificielle et santé publique : normes, savoirs et appropriations
https://www.theses.fr/2021UNIP7163
Le mélanome est une forme particulièrement agressive de cancer de la peau. Depuis plusieurs décennies, cette pathologie, considérée comme un problème de santé publique, a donné lieu à un traitement systémique : fabrique de campagnes de prévention et d'éducation à la sécurité cutanée, aux facteurs de risque, financement de la recherche. C'est cette recherche qui a permis de formaliser des outils sémiologiques rendant possible la détection non invasive des lésions mélanocytaires. C'est bien dans cette articulation entre organisation de la santé publique et prise en charge médicale que la détection précoce des cas de mélanomes a pu être mise en œuvre, faisant baisser le taux de mortalité. Néanmoins, cette détection est encore sujette à erreur. Si, comme le proposent Kohn et al (2000), l'erreur est « l'incapacité à réaliser une tâche telle que planifiée ou à concevoir une stratégie qui permette d'atteindre un but », il convient d'améliorer les modalités de planification de la détection des mélanomes ainsi que les conditions de son exécution, alors même que, de par son caractère tacite, le jugement exercé du clinicien et son incertitude résistent à leur objectivation. À un moment historique de modernité informatique, la régularité de la machine computationnelle a été considérée comme une solution pragmatique à cette quête de sécurité, d'objectivation, de maîtrise de l'incertitude. Mais une telle solution ne peut avoir pour seule finalité de réaliser sa fonction en vase clos, divulguant seulement un énoncé épistémique valide ; lors de son implémentation, cette fonction doit se réaliser au sein d'environnements tant social que systémique. Ce projet de recherche interroge la possibilité de l'implémentation d'une aide informatisée au diagnostic en contexte de santé publique. Il interroge d'une part la capacité d'un tel artefact à remplir sa fonction, mais aussi la possibilité de son intégration à une stratégie de détection précoce des mélanomes. Depuis la fin des années 2000, des dispositifs de machine learning utilisant des réseaux de neurones ont permis des avancées notables dans le domaine de l'analyse d'image. De nombreuses expériences ont été engagées, montrant de façon pragmatiste la performance de ces dispositifs, mais mettant l'homme à distance du réel, à la fois par la numérisation et l'abstraction computationnelle, et par la mise en place d'un nouveau sujet artefactuel de l'observation. Le processus algorithmique de diagnostic relève alors d'une apparente objectivité mécanique, mais son opacité épistémique occulte les modalités de calcul de ses résultats. Plus encore, les logiciels disponibles sont dépourvus de la possibilité d'expliquer leurs résultats.[...]
2021
theses.fr
France
thèse ou mémoire
Santé publique
Intelligence artificielle
intelligence artificielle
intelligence
normes de référence
Normes
Savoir
santé publique

---
N2-AUTOINDEXEE
Utilisation de l'intelligence artificielle pour l'aide au diagnostic des patients atteints de pathologies neuro dégénératives
http://www.theses.fr/2021TOU30249
L'intelligence artificielle connait un boom depuis les années 2000 de par le stockage systématique des données et l'augmentation de la puissance de calcul des ordinateurs ainsi que l'apparition des méthodes dites de deep learning. Cela a permis d'envisager des recherches et applications dans de nombreux domaines, et en particulier le domaine médical. Les pathologies neurodégénératives sont des fléaux pour la société depuis leurs apparitions plus fréquentes suite à l'augmentation de l'espérance de vie. Leurs diagnostics deviennent un enjeu majeur de la neuro imagerie, en particulier sur les stades précoces des pathologies. En effet, un diagnostic précoce permet d'appliquer au plus vite un traitement et de limiter les conséquences pour les patients, ainsi que de mieux comprendre les mécanismes de développement de ces pathologies et leur apparition. Le développement d'un pipeline de deep learning appliqué aux pathologies neurodégénératives permettrait d'envisager des outils d'aide au diagnostic dans les routines cliniques, basés sur les méthodes d'intelligence artificielle les plus avancées. Ces travaux de thèse montrent qu'il est possible d'utiliser un pipeline d'apprentissage profond à la fois pour discriminer les patients pathologiques des sujets sains, mais aussi pour effectuer une analyse des pouvoirs discriminants des biomarqueurs dérivés de l'IRM. Ils démontrent comment obtenir une signature spatiale de la pathologie étudiée, tout en utilisant un jeu de données compatible avec une routine clinique. La pathologie neurodégénérative étudiée est l'atrophie multi systématisée, maladie rare avec peu donnée de patients, pour laquelle le deep learning parvient néanmoins à un bon diagnostic. Ces travaux pourraient être étendus à d'autres pathologies dégénératives, à la fois pour le diagnostic et le suivi des patients, mais aussi pour la compréhension de ces pathologies.
2021
theses.fr
France
thèse ou mémoire
intelligence
PATHOLOGIE
Pathologie
Pathologie
maladie
dégénérescence
Pathologie
a comme patient
Intelligence artificielle
Pathologie
Pathologie
Pathologie
Pathologie
Diagnostic
neurologie
patients
intelligence artificielle
diagnostic assisté par ordinateur
diagnostic pathologique
Pathologie

---
N3-AUTOINDEXEE
Abécédaire de l’intelligence artificielle dans les soins primaires
https://www.cfp.ca/content/67/12/e317
L’ntelligence artificielle (IA) et l’apprentissage automatique transforment la pratique clinique. Il est nécessaire que les utilisateurs finaux suivent une formation adaptée et que les intervenants en soins primaires se mobilisent davantage durant l’élaboration et la mise à l’essai d’outils fondés sur l’IA3. Les cliniciens n’ont pas besoin d’une compréhension approfondie ou technique de l’IA pour apporter d’importantes contributions aux initiatives liées à l’IA; par ailleurs, la plupart des ressources pédagogiques actuelles sont axées sur les méthodes et ne sont pas spécifiques aux soins primaires. Cet abécédaire compte 4 sections, et a pour but de combler ces lacunes et de susciter un remue-méninges et des discussions initiales dans les équipes de recherche interdisciplinaires à propos de possibles utilisations et applications de l’IA dans la pratique clinique et la recherche. Son objectif secondaire est de servir d’introduction à l’IA à l’intention des intervenants en soins primaires.
2021
Le Médecin de Famille Canadien
Canada
article de périodique
soins de santé primaires
Intelligence artificielle
intelligence
principal
intelligence artificielle
Soins
soins de santé primaires

---
N3-AUTOINDEXEE
Intégration de l’intelligence artificielle et des données de santé pour une médecine de plus en plus personnalisée
https://dumas.ccsd.cnrs.fr/dumas-03414167
Le secteur de la santé est confronté à de nouveaux défis notamment au niveau du vieillissement de la population, de l'augmentation des maladies chroniques et une forte pression des payeurs et autorités sanitaires quant à l'accès des produits de santé. L'intégration de l'intelligence artificielle dans le domaine de la santé et l'utilisation des données de santé sont et seront un moyen de répondre à ces différentes problématiques. Que ce soit dans l'aide à la décision, la prise en charge thérapeutique des patients, l'aide au diagnostic (imagerie médicale) et/ou la prévention de certaines pathologies, ces technologies croient de manière exponentielle et sont de plus en plus utilisées. La convergence de la science, des données, de l'analytique et des technologies pionnières - existantes et nouvelles – amènent les professionnels du secteur à se réinventer et apporter de nouvelles solutions afin de se rapprocher d'une médecine de plus en plus personnalisée. La France a d'ailleurs bien compris les enjeux autour de ce sujet et a mis en place de nombreuses initiatives comme nous le verrons à travers de nombreux exemples. Un état des lieux des applications de l'IA et des données de santé dans le monde et en France permettra d’appréhender l'évolution de ce secteur. Par la suite, une réflexion sera portée sur l'utilisation de ces technologies dans la R&D que ce soit dans la recherche de nouveau candidat-médicament ou dans le suivi et la mise en place d'essais cliniques. En effet, le modèle classique de R&D doit être aujourd'hui réinventé afin de pallier les coûts élevés, ainsi qu'une perte de temps et une complexité de plus en plus grande des essais cliniques. Enfin, ce travail s'orientera sur les enjeux et limites auxquels sont confrontés les industriels développant des dispositifs médicaux intégrant l'IA, afin de mettre sur le marché ces solutions et ainsi pérenniser leur activité à travers ces innovations.
2021
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
intelligence artificielle
Intelligence artificielle
Médecins
médecine intégrative
Médecine de précision
intelligence
ensemble de données
santé

---
N2-AUTOINDEXEE
Covid-19 : Identification d’une signature génique propre aux patients atteints de formes critiques grâce à l’intelligence artificielle
https://presse.inserm.fr/covid-19-identification-dune-signature-genique-propre-aux-patients-atteints-de-formes-critiques-grace-a-lintelligence-artificielle/44110/
Quelles sont les caractéristiques moléculaires et génétiques qui distinguent les patients atteints de formes critiques de Covid-19, et notamment de syndrome de détresse respiratoire aigüe (SDRA)? Pour répondre à cette question, des chercheurs et chercheuses de l’Inserm et de l’Université de Strasbourg au sein de l’unité U1109 « Immunologie et Rhumatologie Moléculaire », en collaboration avec les cliniciens‑chercheurs des Hôpitaux Universitaires de Strasbourg, se sont intéressés aux données biologiques et génomiques d’une cohorte ciblée de patients jeunes. Les patients hospitalisés en réanimation avec un SDRA ont été comparés aux patients Covid‑19 hospitalisés en secteur conventionnel.
2021
INSERM - Institut National de la Santé et de la Recherche Médicale
France
information scientifique et technique
Intelligence artificielle
a comme patient
intelligence artificielle
COVID-19
identification psychologique
maladie
COVID-19
dé-identification
études d'évaluation comme sujet
patients
intelligence

---
N2-AUTOINDEXEE
Des produits sûrs avec une intelligence artificielle complexe ?
https://www.inrs.fr/media.html?refINRS=NO%2033
Le législateur est confronté au défi de définir des exigences pour des systèmes dont le comportement est imprévisible.
2021
INRS - Institut National de Recherche et de Sécurité
France
article de périodique
intelligence
Intelligence artificielle
intelligence artificielle

---
N1-SUPERVISEE
L’OMS publie le premier rapport mondial sur l’intelligence artificielle (IA) appliquée à la santé et six principes directeurs relatifs à sa conception et à son utilisation
https://www.who.int/fr/news/item/28-06-2021-who-issues-first-global-report-on-ai-in-health-and-six-guiding-principles-for-its-design-and-use
Selon de nouvelles orientations publiées aujourd’hui par l’OMS, l’intelligence artificielle (IA) constitue un grand espoir pour améliorer la prestation des soins et la médecine dans le monde entier, mais à condition de placer l’éthique et les droits humains au cœur de sa conception, de son déploiement et de son utilisation. Le rapport consacré à l’éthique et à la gouvernance de l’intelligence artificielle dans le domaine de la santé (intitulé en anglais : Ethics and governance of artificial intelligence for health) est le résultat de deux années de consultations menées par un groupe d’experts internationaux nommés par l’OMS.
2021
false
false
false
OMS - Organisation Mondiale de la Santé
Suisse
bioéthique
rapport
résumé ou synthèse en français
intelligence artificielle

---
N1-SUPERVISEE
Prédire les comportements suicidaires chez les étudiants grâce à l’intelligence artificielle
https://presse.inserm.fr/predire-les-comportements-suicidaires-chez-les-etudiants-grace-a-lintelligence-artificielle/43085
Comment prédire le risque suicidaire chez les étudiants ? C’est une question d’actualité, alors que les effets délétères de la crise sanitaire sur la santé mentale des étudiants sont de plus en plus visibles, et que l’on connait l’importance d’une détection et d’une prise en charge précoce de ce risque. Une équipe de chercheurs de l’Inserm et de l’Université de Bordeaux, en collaboration avec les universités de Montréal et McGill au Québec, ont identifié, grâce à l’intelligence artificielle, un ensemble restreint d’indicateurs de santé mentale qui prédisent avec précision les comportements suicidaires des étudiants. Les résultats sont publiés dans la revue Scientific Reports...
2021
false
false
false
INSERM - Institut National de la Santé et de la Recherche Médicale
France
français
article de périodique
Comportement auto-agressif
intelligence artificielle
indicateurs d'état de santé

---
N3-AUTOINDEXEE
Intelligence artificielle et sante prédictive : l’exemple de l’Immunoscore dans le cancer du côlon
https://dumas.ccsd.cnrs.fr/dumas-03257537
L’intelligence artificielle est un domaine en plein essor. Nombres de domaines bénéficient des nouveaux progrès que les chercheurs développent depuis les années 50. La santé est un des domaines d’application où les perspectives sont grandes. Cette thèse traite de l’Immunoscore , un logiciel d’aide à la décision thérapeutique développé par l’équipe du Dr Jérôme Galon, qui est une avancée dans le domaine du cancer du colon et qui utilise l’intelligence artificielle, via la technologie de la vision par ordinateur. Cet outil s’inscrit dans le mouvement de la médecine prédictive, un axe de la médecine moderne appelée « médecine 4P », évoluant d’une médecine réactive à une médecine proactive. Il est ainsi plus efficace que les outils de pronostics et de classifications classiques comme le TNM. Cette thèse retrace également les avancées technologiques qui ont permis l’Immunoscore , d’abord par l’avènement du réseau d’Internet, véritable puit d’informations et de savoir, puis la mise en place des solutions de big data capables d’emmagasiner et de gérer ces informations. Ce big data est une véritable mine d’or pour les chercheurs, à condition de bien savoir l’exploiter. C’est pour cette raison que sont ensuite abordés les principes des algorithmes de l’intelligence artificielle, qui permettent une gestion de ces données, à savoir le machine learning et le deep learning. Le deep learning, à travers les réseaux neuronaux est maintenant utilisé dans de nombreux domaines et notamment dans l’analyse d’images, ce qui se traduit dans la santé par la digital pathology. Deux entretiens avec des membres de l’équipe d’HalioDx, société exploitant l’Immunoscore , mettent en lumière le fonctionnement de ce logiciel. Enfin, les perspectives en pharmacie sont évoquées, notamment à travers l’entretien avec un étudiant mettant en place des initiatives pour faire évoluer les formations à l’université d’Aix-Marseille, pour que les étudiants en pharmacie soient formés aux principes d’intelligence artificielle et puissent adapter leur formation médicale dans un monde en constante mutation technologique.
2021
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
cancer
intelligence artificielle
tumeurs du côlon
intelligence
Cancer du côlon
Intelligence artificielle
santé
tumeur maligne, sai
gros intestin, sai
Cancer du côlon

---
N3-AUTOINDEXEE
Évaluation d'un système d'intelligence artificielle pour le dépistage et l'évaluation de la gravité de la pneumopathie à SARS-CoV-2
https://dumas.ccsd.cnrs.fr/dumas-03207893
Contexte : la première vague épidémique de COVID-19 s'est propagée depuis la Chine et a touché presque tous les pays du monde. La détection et l’évaluation de la gravité de la pneumopathie du SRAS-CoV-2 à l'aide de la tomodensitométrie à faible dose se sont avérées rapides et sensibles. Objectif : Construire et valider un outil de segmentation automatique par intelligence artificielle (IA) pour automatiser la quantification du rapport volume affecté/volume total (VR) chez les patients suspectés de pneumopathie SARS-CoV2. Matériels et Méthodes : entre le 9 mars et le 20 avril 2020, 3422 scanners thoraciques à faible dose ont été réalisées dans notre institution pour la gestion du COVID. Un réseau neuronal circonvolutif tridimensionnel a été appliqué à un ensemble de 234 scanners d'entraînement pour construire l'outil d'IA. Le logiciel d'IA a été testé sur 60 examens scannographiques indépendants sélectionnés de manière aléatoire à partir de 3 scanners différents. Le rapport des volumes d’atteinte à SARS COV2 sur le volume pulmonaire total (VR) ont été automatiquement segmentés. Tout d'abord, la tomodensitométrie sans IA a été évaluée en aveugle et de manière indépendante par 4 experts pour déterminer quantitativement les opacités en verre dépoli (VRggo), les lésions de consolidation (VRcs) et la somme des deux (VRall). Une semaine plus tard, les experts ont à nouveau évalué les différents volumes d’atteinte à l'aide des masques d’IA de manière qualitative. Les volumes donnés par l’IA ont été comparés aux volumes des experts pour vérifier leur concordance. Les VR ont été testés comme biomarqueur de la maladie (prélèvements RT-PCR) et de la sévérité (dépendance à l'oxygène). Une comparaison statistique avec la RT-PCR et la sévérité a été effectuée. L'accord intra- et inter-observateur pour les VR et comparé à ceux des experts. Résultats : les volumes générés par l'IA ont démontré un haut niveau de précision. Les VR de l'IA étaient comparables à ceux des experts. Les VR des experts étaient plus reproductibles avec les masques de l'IA. Les performances de l'IA pour le diagnostic et la sévérité étaient au moins équivalentes à celles des experts. Conclusion : l'outil de segmentation d’IA et les volumes calculés de notre logiciel COViaX sont fiables et donnent un biomarqueur robuste de la sévérité de la maladie.
2021
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
infections à coronavirus
pneumopathie virale
COVID-19
thèse ou mémoire
gravité
intelligence artificielle
Dépistage
Intelligence artificielle
Pesanteur modifiée
Indice de gravité de la maladie
pneumopathie
Pesanteur artificielle
intelligence
maladies pulmonaires
virus du SRAS
Pneumopathie
Dépistage de masse
pandémies
COVID-19

---
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
Aspects déontologiques de l’utilisation du big data et de l’intelligence artificielle dans la recherche biomédicale
https://ordomedic.be/fr/avis/telematique/telematique/deontologische-aspecten-van-het-gebruik-van-big-data-en-artifici%C3%ABle-intelligentie-voor-biomedisch-onderzoek
Les avancées ICT (Information Communication Technology) permettent de recueillir d’énormes quantités de données, de les conserver et de les analyser. De puissants processeurs dotés d’une forte résistance combinés à de grandes quantités de données constituent les conditions de base de l’intelligence artificielle sur la base d’algorithmes. Le concept par lequel les technologies innovantes puisent la valeur des données disponibles est appelé « Big Data ». Appliquer des techniques d’intelligence artificielle sur de conséquents fichiers de données engendre un trésor d’informations et de connaissances permettant d’établir des prévisions fiables et de prendre des décisions rapides et précises. Dans les soins, l’intelligence artificielle permet aux médecins de dispenser une médecine de précision adaptée au patient. Déjà actuellement, à titre d’exemple, l’utilisation de l’intelligence artificielle donne lieu à un énorme gain de temps et de qualité dans le domaine de l’imagerie médicale.
2021
false
false
false
Ordre des médecins [belge]
Belgique
rapport
intelligence artificielle
ayant l' aspect
intelligence
Recherches
déontologie
Intelligence artificielle
recherche biomédicale
Déontologie
Mégadonnées

---
N3-AUTOINDEXEE
Intelligence artificielle et imagerie cardiovasculaire
https://www.sfcardio.fr/publication/intelligence-artificielle-et-imagerie-cardiovasculaire
L'intelligence artificielle est en train de modifier progressivement notre approche de la cardiologie. Mais s'il y a bien un domaine dans lequel l'intelligence artificielle révolu- tionne complètement le paysage cardiologique c'est bien celui de l'imagerie cardiovasculaire multimodale. En effet, l'intelligence artificielle peut constituer une aide précieuse pour le clinicien à chaque étape de l'examen d'imagerie : dans le positionnement optimal du patient en IRM cardiaque, dans la programmation de l'examen pour choisir le protocole optimal à la morphologie du patient et à l'indication d'un scanner cardiaque, dans l'acquisition des coupes idéales en échocardiographie,à travers des dizaines d'outils de post-traitement permettant d'analyser les images, ou encore dans la production d'un compte rendu final pour le patient et son médecin.
2021
SFC - Société Française de Cardiologie
France
article de périodique
Intelligence artificielle
intelligence
intelligence artificielle

---
N2-AUTOINDEXEE
Télédépistage de la rétinopathie diabétique à l’aide d’une solution d’intelligence artificielle
https://www.inesss.qc.ca/publications/repertoire-des-publications/publication/teledepistage-de-la-retinopathie-diabetique-a-laide-dune-solution-dintelligence-artificielle.html
La rétinopathie diabétique (RD) est une altération des vaisseaux sanguins de la rétine qui toucherait près de 80 % des personnes atteintes de diabète de type 2 au Québec. Elle peut rester asymptomatique jusqu’à un stade avancé et entraîner la cécité si elle n’est pas traitée à temps. Des services de dépistage opportuniste de la RD sont offerts dans la province, selon différentes trajectoires de soins. Cependant, les importants besoins cliniques des patients restent non comblés. En effet, la répartition inégale des ressources médicales et la forte prévalence du diabète ne permettent pas un accès équitable aux soins et services de santé oculaire. Selon l’avis des experts consultés, la plupart des patients diabétiques orientés vers un ophtalmologiste présentent une RD. Le défi consiste à départager ceux qui doivent être traités par un spécialiste de ceux dont l’état requiert un suivi qui peut être assuré par des infirmières spécialement formées. Un programme québécois de télédépistage systématique de la RD (TDRD) favoriserait la détection et la prise en charge précoces de la maladie. Le dépistage de la RD à l’aide de l’intelligence artificielle (IA) pourrait constituer une option à prendre en considération afin de pallier le manque de ressources médicales spécialisées.
2021
INESSS - Institut national d'excellence en santé et en services sociaux
Canada
évaluation technologique
rétinopathie diabétique
Rétinopathies
Solutions
Diabète
intelligence artificielle
rétinopathie diabétique
Rétinopathie
rétinopathie
Solutions
intelligence
Intelligence artificielle
solution
solutions

---
N3-AUTOINDEXEE
Entre opacité et profondeur : une définition complexe du diagnostic médical en réponse à l’intelligence artificielle
https://dumas.ccsd.cnrs.fr/dumas-03101490
A-t-on besoin d’un médecin pour poser un diagnostic ? À en croire les défenseurs de l’intelligence artificielle, celle-ci serait assez développée pour poser un diagnostic avec plus de précision qu’un clinicien aguerri. Dans le diagnostic des lymphomes, des tumeurs cutanées ou de la rétinopathie diabétique, l’œil de la machine se révèlerait plus fiable que l’œil du médecin. Qu’est-ce-que poser un diagnostic ? Un simple algorithme qu’un système intelligent pourrait de lui-même reproduire ? Nous inspirant d’une situation concrète issue de notre pratique médicale, nous voulons montrer que la notion de diagnostic est bien plus complexe que ne le laisse entendre notre utilisation quotidienne. Qu’il ne s’agit pas d’un processus de logique formelle mais au contraire d’un acte humain, et qu’à ce titre, il est intrinsèquement porteur d’une dimension éthique. La médecine contemporaine est à la recherche d’une subtile articulation entre science et humanité : la technique est au service de l’homme malade en respectant sa profonde individualité. Nous avons la conviction que le diagnostic est un lieu de contact unique où se nouent de multiples enjeux épistémologiques, éthiques et anthropologique. Sous l’influence de Merleau-Ponty, nous souhaitons montrer que deux caractéristiques du corps humain, son opacité et sa profondeur, sont à l’origine de la complexité de la notion de diagnostic. Si la technique et les examens d’imagerie sont à même de vaincre cette opacité, seul le médecin peut rendre à l’humain sa profondeur. L’enjeu de cette définition est de maintenir l’équilibre entre les dimensions éthiques et scientifiques de la médecine. La philosophie, et plus précisément la phénoménologie, offre des outils adéquats pour penser et revisiter cette union. S’il reste solidaire à la fois de sa perception des choses telles qu’elles sont et des données scientifiques, le regard du clinicien est une véritable vision en acte.
2020
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
diagnostic
intelligence artificielle
Intelligence artificielle
profond
intelligence
diminution de la translucidité
aucun diagnostic

---
N3-AUTOINDEXEE
Dépistage précoce et prise en charge en médecine générale des troubles du comportement alimentaire en Haute-Normandie. Apport de l’outil EXPALI et perspectives de développement en intelligence artificielle
https://dumas.ccsd.cnrs.fr/dumas-02945781
EXPALI est un algorithme développé par le département de Nutrition du CHU de Rouen. Il permet, en associant les réponses au questionnaire SCOFF-F et l'IMC, d'établir une orientation diagnostique sur un éventuelle trouble du comportement alimentaire (TCA). L'objectif de ce travail est triple. Premièrement, nous avons évalué les besoins et les attentes des médecins généralistes normands dans le dépistage et la prise en charge des TCA. Deuxièmement nous avons complété le site Internet EXPALI avec les dernières recommandations de prise en charge et nous l'avons soumis à un groupe d'experts de la Société francophone de nutrition clinique et métabolisme (SFNCM) pour évaluation. Troisièmement, nous avons effectué un test en « condition réelle » de EXPALI par des médecins généralistes normands volontaires pendant 10 semaines. Ce travail montre que les médecins éprouvent un besoin d'aide dans le dépistage (52,8%) et la prise en charge des TCA (77,8%). Une grande majorité des médecins interrogés étaient intéressés par un outil d'aide (86,1%). Les médecins trouvent cet outil plutôt utile pour apporter une aide à la prise en charge et sont globalement satisfait de l'ergonomie. EXPALI est donc un outil qui pourrait s'intégrer dans un logiciel de consultation associé à une intelligence artificielle qui permettrait de le « déclencher » automatiquement en fonction de signes d'alerte pour en optimiser son utilisation et permettre un dépistage plus précoce des TCA afin d'en améliorer le pronostic.
2020
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Troubles du comportement alimentaire
Dépistage
troubles du comportement
intelligence
Haute-Normandie
outil
Troubles du comportement
Troubles du comportement alimentaire
prise en charge du comportement
Médecins
Troubles du comportement alimentaire
gestion des soins aux patients
intelligence artificielle
Trouble du comportement alimentaire
médecine comportementale
Troubles du comportement alimentaire
Comportement alimentaire
Troubles de l'alimentation
médecine générale
Intelligence artificielle
Dépistage de masse
troubles mentaux
comportement alimentaire

---
N2-AUTOINDEXEE
Réutilisation de données hospitalières et intelligence artificielle : des données à l'intervention de santé, un chemin cahoteux.
https://sesstim.univ-amu.fr/video-box/webinar-quantim-emmanuel-chazard
Cours présenté par Emmanuel Chazard
2020
false
false
false
false
false
SESSTIM
France
matériel d'enseignement audio-visuel
intelligence artificielle
Intelligence artificielle

---
N1-SUPERVISEE
Un appel à un cadre éthique lors de l’utilisation des données des médias sociaux pour des applications d’intelligence artificielle dans la recherche en santé publique
https://www.canada.ca/fr/sante-publique/services/rapports-publications/releve-maladies-transmissibles-canada-rmtc/numero-mensuel/2020-46/numero-6-4-juin-2020/cadre-ethique-utilisation-applications-intelligence-artificielle.html
Les progrès de l’intelligence artificielle (IA), plus précisément du sous-domaine de l’apprentissage automatique, et ses applications aux données Internet de source ouverte, telles que les médias sociaux, progressent plus rapidement que la gestion des questions éthiques liées à leur utilisation dans la société. Un cadre éthique aide les scientifiques et les décideurs politiques à considérer l’éthique dans leurs domaines de pratique, à légitimer leur travail et à protéger les membres du public générateur de données. Une question centrale pour faire avancer le cadre éthique est de savoir si les gazouillis, les publications Facebook et autres données de médias sociaux de source ouverte générées par le public représentent ou non de données humaines.
2020
false
false
false
false
Licence Creative Commons - Attribution (BY)
Gouvernement du Canada
Canada
consentement libre et éclairé
justice sociale
Anonymisation des données
confidentialité
Jeux de données comme sujet
article de périodique
santé publique
intelligence artificielle
médias sociaux

---
N1-SUPERVISEE
Application de l’intelligence artificielle à l’évaluation in silico de la résistance aux antimicrobiens et des risques pour la santé humaine et animale présentés par les pathogènes bactériens entériques prioritaires
https://www.canada.ca/fr/sante-publique/services/rapports-publications/releve-maladies-transmissibles-canada-rmtc/numero-mensuel/2020-46/numero-6-4-juin-2020/intelligence-artificielle-evaluation-silico-resistance-antimicrobiens.html
Chaque année, environ un Canadien sur huit est touché par des maladies d’origine alimentaire, soit par des éclosions, soit par des maladies sporadiques, les animaux constituant le principal réservoir des pathogènes. Les laboratoires de santé publique et animale procèdent désormais régulièrement à des analyses de séquençage du génome complet afin de définir des grappes de cas de maladie épidémiologique et de déterminer les sources potentielles d’infection. De même, un certain nombre d’outils bio-informatiques peuvent être utilisés pour identifier les facteurs déterminant la virulence et la résistance aux antimicrobiens (RAM) dans les génomes des souches pathogènes.
2020
false
false
false
false
Licence Creative Commons - Attribution (BY)
Gouvernement du Canada
Canada
animaux
santé
article de périodique
études d'évaluation comme sujet
humains
simulation numérique
intelligence artificielle
résistance microbienne aux médicaments
produits dangereux

---
N2-AUTOINDEXEE
Entrepôts de données et intelligence artificielle
Webinar Commun OHI
https://youtu.be/WSrbaVr-3MI
https://sesstim.univ-amu.fr/video-box/webinar-sesstimohi-michel-volle
Michel VOLLE
2019
SESSTIM
France
matériel d'enseignement audio-visuel
Communication
ensemble de données
Communication
Intelligence artificielle
intelligence artificielle
Actualités
intelligence
Entreposage de données
Communication
plan de recherche
Communisme
Communications
Commune
ensemble de données
communication
actualités
communisme

---
N3-AUTOINDEXEE
Revue systématique de la littérature : l'intelligence artificielle peut-elle aider à estimer le risque de récidive dans les comportements violents ?
https://dumas.ccsd.cnrs.fr/dumas-02404657
Introduction : en Psychiatrie légale, les magistrats posent la question de l’existence d’un risque de récidive et de la dangerosité aux experts psychiatres. Les études de suivi en Psychiatrie légale ont montré que les éléments psychiatriques prédictifs de récidive étaient liés essentiellement aux pathologies mentales graves, consommations de toxiques, addictions, niveaux élevés d’impulsivité, insight faible, troubles de personnalité associés, en particulier troubles de personnalité antisociales. Il existe aussi des facteurs de protection, en particulier observance des traitements. Compte-tenu de la complexité des facteurs de risque et de protection psychiatriques et criminologiques, l’intelligence artificielle (IA) peut-elle aider psychiatres et magistrats à améliorer la prédictivité des récidives ? Méthodes : revue systématique de la littérature sur les applications de l’IA dans la prédiction des récidives en Psychiatrie légale, réalisée selon les critères PRISMA, utilisant les mots-clés « Artificial Intelligence », « Deep Learning », « Machine Learning », « Recidivism », « Personality Disorder », « Impulsive Behavior », « Alcohol Abuse », « Drug Abuse », « Schizophrenia », « Bipolar disorder » sur les bases de données PubMed, Science Direct, Clinical Trial et Google Scholar. Résultats : la grande majorité des études est issue de revues juridiques ou informatiques et très peu des bases de données médicales. Les études évaluant l’IA en Psychiatrie légale ont utilisé le plus souvent le Machine Learning et le Deep Learning à partir de données sociodémographiques, sociologiques, criminologiques, notamment l’âge de la première infraction et le nombre de condamnations antérieures, par exemple OxRec. A ce jour, il n’y a que très peu d’études évaluant des paramètres psychiatriques, portant surtout sur les troubles de personnalité psychopathiques. Discussion/conclusions : les applications de l’IA en Psychiatrie légale sont encore très prématurées. Cependant, certains critères psychiatriques devraient avoir une place plus importante dans ce champ, en particulier ceux issus des échelles HCR-20 et PCL-R de Hare. L’enjeu sera également de trouver les mots-clés comportementaux, psychologiques et psychiatriques pertinents à inclure en IA, dans un cadre éthique et juridique strict.
2019
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Systématique
récidive
Appréciation des risques
Intelligence artificielle
ESTIMA
Revue systématique
Systématique
Comportement à risque
violence
Systématique
intelligence artificielle
estimateur
Comportement d'aide
comportement
prise de risque
intelligence
Comportement violent
Systématique

---
N3-AUTOINDEXEE
Regard de la personne âgée de plus de 80 ans et place du médecin généraliste au sujet des 3 technologies : intelligence artificielle, robotique et biotechnologie
https://dumas.ccsd.cnrs.fr/dumas-02188195
Introduction : La population française vieillit et le souhait du « bien-vieillir » prend de plus en plus de place. Par ailleurs, la société actuelle fait face à l’essor des nouvelles technologies : intelligence artificielle, robotique et biotechnologie. br Objectif : L'objectif principal de notre étude était d’analyser la perception de ces technologies par les personnes âgées autonomes de plus de 80 ans et comment elles peuvent être intégrées à leur bien vieillir. Nous avons également analysé la place de leur médecin généraliste dans cette mutation. br Méthode : Étude qualitative avec analyse thématique menée au moyen d’entretiens individuels semi-dirigés, un échantillonnage raisonné en variation maximale a été effectué selon le sexe, l’âge et le niveau d’études. Les critères d’inclusion étaient un âge supérieur à 80 ans, être autonome (GIR6 sur la grille AGGIR). br Résultats : 12 personnes ont participé à l'étude âgées de 80 à 96 ans. Leurs positions sur les biotechnologies, IA et robotique diffèrent mais suscitent l'intérêt. En revanche, la convergence de ces technologies implique pour une grande majorité une certaine anxiété dans leur réponse. Ces technologies semblent trouver leur place dans le bien-vieillir en permettant une amélioration de l’autonomie tant physique, psychique que sociale. br Discussion : Notre étude a permis d’explorer les représentations des personnes âgées au sujet de ces nouvelles technologies. La littérature sur le sujet met souvent en évidence un rejet des technologies, particulièrement celles touchant à une automatisation, déshumanisation et sollicitant un réapprentissage. Sans être dans le rejet, les participants de notre étude ont fait part de leur crainte quant à la place que ces nouvelles technologies allaient laisser à l’humain, la crainte de déshumanisation des soins par le remplacement progressif des humains par des machines.
2019
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Intelligence artificielle
intelligence
médecins généralistes
rôle médical
personnes
Technologie
Adénoaméloblastome
sujet âgé de 80 ans ou plus
robotique
Médecins
PERSONNE AGEE
médecine générale
Robotique
Intelligence artificielle
Biotechnologie
personne âgée
robot
Technologie
biotechnologie
sujet âgé
personnes
technologie
sujet âgé de 80 ans ou plus
intelligence artificielle

---
N1-SUPERVISEE
L'intelligence artificielle et les données de santé
http://www.senat.fr/notice-rapport/2018/r18-401-notice.html
L'audition publique organisée par l'Office le 21 février 2019, sous forme de deux tables rondes, sur l'intelligence artificielle et les données de santé a montré combien la mise en oeuvre de la stratégie nationale pour l'intelligence artificielle dans le domaine de la santé passe par une organisation adaptée de la collecte des données et par la régulation de leurs modalités d'accès et d'utilisation. Production, partage et protection des données comptent parmi les enjeux essentiels de leur bonne utilisation à des fins diagnostiques et thérapeutiques, dans une relation de confiance avec les individus, sans laquelle rien ne sera possible. L'Office présente des propositions pour une organisation efficace et contrôlée de la collecte et de l'utilisation des données de santé, dans la perspective de la discussion du projet de loi relatif à l'organisation et à la transformation du système de santé en cours d'examen par le Parlement.
2019
false
false
false
Le Sénat
France
Intelligence artificielle
collecte de données
collecte de données
sécurité informatique
Protection des données
rapport
intelligence artificielle

---
N2-AUTOINDEXEE
L’Académie nationale de médecine s’engage pour le numérique et l’intelligence artificielle en santé
http://www.academie-medecine.fr/lacademie-nationale-de-medecine-sengage-pour-le-numerique-et-lintelligence-artificielle-en-sante/
La loi « Ma santé 2022 » doit permettre une amélioration substantielle du système de santé en France. Le numérique est un outil majeur de ce progrès. L’intelligence artificielle et le numérique sont entrés dans le domaine de la santé et y joueront un rôle grandissant. Cette évolution est irréversible. L’Académie nationale de médecine considère que la France doit accroitre son effort pour permettre à ses citoyens de profiter au mieux des avancées technologiques et rejoindre les pays qui ont déjà pris le virage numérique. L’Académie nationale de médecine veut contribuer à l’information objective du public et des professionnels de santé afin de gagner le défi de la confiance et se démarquer des fantasmes qui peuvent circuler sur le sujet.
2019
Académie Nationale de Médecine
France
information scientifique et technique
Intelligence artificielle
académies et instituts
Médecins
intelligence
Académies
médecine
santé
intelligence artificielle

---
N3-AUTOINDEXEE
Intelligence artificielle en santé : espoirs et craintes des médecins généralistes
https://dumas.ccsd.cnrs.fr/dumas-02513615
Introduction : l’intelligence artificielle (IA) a connu des progrès spectaculaires ces dernières années. Son développement est source d’espoirs et de craintes chez les médecins généralistes. Notre objectif principal était d’évaluer leur favorabilité au développement de l’IA dans la pratique de la médecine générale. Nos objectifs secondaires étaient d’évaluer leurs espoirs et leurs craintes quant à ce développement, et de rechercher d’éventuelles corrélations avec leur favorabilité à ce développement. Matériel et méthodes : étude quantitative descriptive transversale, de type enquête d’opinion, réalisée entre le 17 mars 2019 et le 4 juin 2019, portant sur les médecins généralistes de la région PACA. Le recueil des données était effectué par un questionnaire informatique, diffusé soit par e-mail, soit via le site internet du CDOM des Bouches-du-Rhône. Le questionnaire était composé de quatre parties intéressant les données sociodémographiques des médecins, leurs espoirs et leurs craintes quant au développement de l’IA ainsi que leur favorabilité à son développement. Résultats : Parmi les 187 sujets inclus dans l’étude, une majorité (57% ; intervalle de confiance à 95% [49.4– 63.6]) était favorable au développement au développement de l’IA dans la pratique de la médecine générale. Concernant l’influence potentielle de l’IA sur la pratique de la médecine générale, l’opinion des médecins était ambivalente, avec cependant, une tendance majoritaire à l’espoir d’une influence positive. Leurs opinions concernant cette influence sur la quasi-totalité des items de la pratique de la médecine générale explorés semblaient influer sur leur favorabilité audit développement. Conclusion : Le développement de l’IA dans la pratique de la médecine générale était générateur de craintes et d’espoirs chez les médecins généralistes. Malgré cette ambivalence, ils étaient majoritairement favorables à ce développement.
2019
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Intelligence artificielle
santé
médecins généralistes
peur
Médecins
espoir
intelligence artificielle
intelligence

---
N2-AUTOINDEXEE
Intelligence artificielle et santé
https://www.inserm.fr/information-en-sante/dossiers-information/intelligence-artificielle-et-sante
L’intelligence artificielle (IA) est un domaine de recherche en pleine expansion et promis à un grand avenir. Ses applications, qui concernent toutes les activités humaines, permettent notamment d’améliorer la qualité des soins. L’IA est en effet au cœur de la médecine du futur, avec les opérations assistées, le suivi des patients à distance, les prothèses intelligentes, les traitements personnalisés grâce au recoupement d’un nombre croissant de données (big data), etc. Les chercheurs développent pour cela des approches et techniques multiples, du traitement des langues et de la construction d’ontologies, à la fouille de donnéesfouille de donnéesTechnique visant à extraire un savoir ou une connaissance à partir des mégadonnées par des méthodes automatiques ou semi-automatiques. On parle aussi de data mining. et à l’apprentissage automatique. Il est toutefois indispensable que le grand public comprenne comment fonctionnent ces systèmes pour savoir ce qu’ils font et surtout ce qu’ils ne font pas. Le robot omniscient, qui pour beaucoup symbolise l’IA, n’est pas pour demain !
2018
false
false
false
INSERM - Institut National de la Santé et de la Recherche Médicale
France
français
information patient et grand public
santé
artificiel
Intelligence artificielle
intelligence
intelligence artificielle
applications de l'informatique médicale
compétence informatique

---
N3-AUTOINDEXEE
Intelligence artificielle et apprentissage profond appliqués à la reconnaissance d'images en cytogénétique
https://dumas.ccsd.cnrs.fr/dumas-02100870
Introduction : le récent développement de l’apprentissage profond, branche de l’intelligence artificielle, a permis de nombreuses avancées en reconnaissance d’images médicales. Le but de ce travail était d’étudier les possibilités de cette technologie dans le cadre de la cytogénétique. Matériel et méthodes : trois algorithmes (deux publics, Inception et MobileNet, et un, Mannaz, développé dans le cadre de cette étude) ont été testés dans la reconnaissance simple de chromosomes, de manière séparée ou par analyse en sous-groupes, et par rapport aux logiciels commerciaux d’analyse répandus dans les laboratoires, ainsi que dans la reconnaissance d’anomalies de structure. Les images étaient issues d’une base de données de cytogénétique hématologique en bandes R. Résultats : Mannaz obtient les meilleurs résultats (p 0,001) avec une précision de 76,5% pour la reconnaissance des chromosomes de manière séparée et de 72,5% en sous-groupes. Ces performances étaient équivalentes à celles des logiciels commerciaux. Mannaz reconnaît correctement les dérivés 9 et 22 de translocation t(9;22)(q34;q11) dans respectivement 51% et 54% des cas. La reconnaissance des délétions des bras longs du chromosome 5 est un échec. Discussion : les résultats du classement des chromosomes segmentés et de la reconnaissance d’anomalies telles que les dérivés de translocation sont encourageants. L’importance d’une base de données d’images multicentrique permettant de renforcer la sensibilité est discutée et d’autres voies de recherche sont présentées. Conclusion : cette étude met en évidence le potentiel et l’accessibilité pour le biologiste de l’apprentissage profond dans l’automatisation du caryotype conventionnel.
2018
DUMAS - Dépôt Universitaire de Mémoires Après Soutenance
France
thèse ou mémoire
Apprentissage
intelligence
Apprentissage
Intelligence artificielle
cytogénétique
apprentissage
Applications
Cytogénétique
Cytogénétique
Apprentissage profond
Applications
Intelligence artificielle
Applications
attention
intelligence artificielle

---
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

---
N2-AUTOINDEXEE
Les secrets de l'intelligence artificielle
https://www.franceculture.fr/emissions/matieres-a-penser-avec-rene-frydman/les-secrets-de-lintelligence-artificielle-0
L’intelligence c’est la capacité à résoudre des problèmes, tout en intégrant les contraintes et les perceptions afin de trouver la solution adaptée. Qu’en est-il aujourd’hui de l’intelligence artificielle ? Mathhieu Cord, professeur à la Sorbonne et expert du traitement du signal et des images nous expliquera le B-A BA de l’IA : qu’est-ce qu’un algorithme, le deep learning, le réseau des neurones, l’apprentissage par renforcement… En médecine les progrès de l’analyse d’images sont importants en particulier pour des maladies telles que : cancer cutanés, rétinopathie diabétique… et l’analyse a pris place dans l’exercice médical
2018
false
false
false
France Culture
France
français
émission radiophonique
sécrétions
sécrétions corporelles
intelligence artificielle
artificiel
Intelligence artificielle
intelligence
Secret
confidentialité

---
N2-AUTOINDEXEE
La santé à l'heure de l'intelligence artificielle
http://tnova.fr/notes/la-sante-a-l-heure-de-l-intelligence-artificielle
Le monde de la santé est sûrement l’un des secteurs où les enjeux de l'IA sont les plus importants. Jusqu’où une machine sera-t-elle capable d’analyser, de diagnostiquer et d’apprendre continuellement ? Quelles formes prendront la collaboration ou le partenariat entre l’homme et la machine? Pourra-t-elle remplacer le professionnel, et si oui dans quelle mesure ? Quelle délégation de compétences ? Quelle division du travail ? Et quelles activités ou spécialités médicales seront prioritairement concernées ? La présente note explore ces questions, sans faire de la futurologie
2017
false
false
false
Terra Nova
France
français
information scientifique et technique
santé
intelligence
intelligence artificielle
artificiel

---