Descriptif
Ce cours explore les avancées scientifiques et les applications émergentes de l’intelligence artificielle dans le domaine de la santé, en fournissant aux étudiants les connaissances et les compétences transversales nécessaires pour évaluer de manière critique, développer et transposer les innovations en matière d’IA dans la pratique clinique et industrielle. Il complète les modules techniques consacrés à l’apprentissage automatique en examinant les dimensions scientifiques, éthiques et sociétales des soins de santé fondés sur l’IA. Grâce à l’analyse de la littérature scientifique, à des études de cas, à des présentations et à des séminaires animés par des intervenants extérieurs, les étudiants apprennent à interpréter l’ensemble du processus de recherche, depuis l’identification des problèmes cliniques et la conception des méthodologies jusqu’à l’évaluation des résultats, des limites et de l’impact clinique. Le cours aborde les questions relatives à une IA responsable et fiable, notamment l’éthique, l’équité, les biais, la transparence, l’explicabilité, les cadres réglementaires et la réflexion conceptuelle (design thinking) au service d’une innovation dans le domaine de la santé centrée sur l’humain. Les étudiants bénéficient également d’une introduction à la recherche biomédicale translationnelle par le biais de l’analyse de données transcriptomiques, notamment l’expression génique différentielle et l’identification de biomarqueurs, tout en mettant l’accent sur des méthodologies statistiques rigoureuses. Enfin, le cours examine la transformation numérique des soins de santé et du secteur des sciences de la vie, notamment la recherche pharmaceutique basée sur l’IA, les thérapies numériques, les technologies médicales durables et la gestion du cycle de vie des produits.Objectifs pédagogiques
1\. Analyser de manière critique les publications scientifiques décrivant les méthodes de pointe en matière d’intelligence artificielle et leurs applications dans le domaine de la santé. 2\. Comprendre l’ensemble du processus de recherche scientifique, depuis la formulation du problème et la méthodologie jusqu’à la validation expérimentale et l’interprétation critique des résultats. 3\. Expliquer les enjeux éthiques, juridiques et sociétaux liés au développement et au déploiement de l’IA dans le domaine de la santé. 4\. Évaluer les systèmes d’IA en termes d’équité, de biais, de transparence, d’interprétabilité, d’explicabilité, de robustesse et d’acceptabilité par les utilisateurs. 5\. Analyser des ensembles de données biomédicales omiques à l’aide d’approches d’expression différentielle et interpréter les voies biologiques dans le contexte d’une maladie. 6\. Appliquer les principes du « design thinking » à la conception de solutions de santé numériques innovantes et centrées sur l’humain. 7\. Évaluer de manière critique les opportunités et les défis liés à la transposition de la recherche en IA en applications concrètes dans le domaine de la santé.
32 heures en présentiel
