IA+Santé - techniques, applications, cadres éthiques et juridiques
Construite par des spécialistes à l’attention de non-spécialistes, cette formation vise à outiller les personnes utilisatrices afin qu’ils puissent évaluer le potentiel, les enjeux et les limites de l’IA dans le domaine de la santé et mieux évaluer ou soutenir son intégration dans les pratiques actuelles.
Afin de soutenir le développement des connaissances relativement à l’intelligence artificielle (IA) et à la valorisation des données dans le domaine de la santé, l’Institut intelligence et données (IID) de l’Université Laval et ses partenaires vous proposent cette formation en ligne.
Construite à l’attention de non-spécialistes, cette formation présente une exploration des outils et techniques de l’IA, de la gestion et de l’intendance des données, ainsi que des cadres éthiques et juridiques qui les soutiennent.
À travers cette formation en ligne, on vise à outiller les utilisateurs afin qu’ils puissent évaluer le potentiel, les enjeux et les limites de l’intelligence artificielle dans le domaine de la santé et, ainsi, faciliter et soutenir son intégration dans les pratiques actuelles.
Consulter dès maintenant le site de la formation pour plus de détails
Grâce à cette formation en ligne…
- Vous comprendrez les principes de bases de l’intelligence artificielle et de l’analyse de données;
- Vous saisirez les enjeux et les bonnes pratiques en matière de gestion et d’usage de l’IA et des données en santé;
- Vous appréhenderez les concepts techniques et les mécanismes de l’IA;
- Vous comprendrez les cadres éthiques, réglementaires et normatifs relatifs à l’usage des données en santé;
- Vous découvrirez des exemples d’innovation numérique en santé.
Formation offerte en ligne. Durée : 10h
À qui se destine cette formation?
Développée par des experts, cette formation s’adresse à tout individu intéressé et concerné par l’usage des données et les systèmes d’IA dans le domaine de la santé et les domaines connexes, tant en recherche (étudiants, chercheurs, professionnels) que dans les milieux de pratique (professionnels, praticiens) ou dans l’appareil administratif (gestionnaires).
Survol de la formation
Module 1 / L’ABC de l’IA
Ce premier module d’introduction présente succinctement les concepts d’intelligence artificielle et d’intelligence numérique : ce que c’est concrètement, ce que ça peut faire, pourquoi et comment s’en servir. On y propose une définition de l’IA en santé, et de ce qu’est un système d’IA pour la santé.
Module 2 / Les données en santé
Ce deuxième module propose un tour d’horizon des enjeux et réalités associés à l’usage des données, tant en recherche qu’en pratique, dans les domaines associés à la santé. Il offre une compréhension générale de l’importance critique des données et de leur utilisation dans le domaine de la santé au Québec.
Après une première plongée dans le monde de l’innovation en santé et les questions clés entourant l’utilisation des données, on met l’accent sur la compréhension des données générées par les systèmes de santé apprenants. On y découvre le cycle de vie des données et leur rôle essentiel dans la réalisation des objectifs du système de santé apprenant.
On présente ensuite l’importance des bonnes pratiques liées à l’utilisation des données dans le contexte de la santé numérique et de l’intelligence artificielle. L’adoption des principes FAIR et la curation des données sont abordées, avant de se concentrer sur l’interopérabilité des données, les normes de représentation des données et les améliorations nécessaires pour en faciliter l’utilisation.
Enfin, le module termine sur une exploration des limites actuelles et des perspectives de l’intelligence artificielle dans le domaine de la santé au Québec. On y découvre les défis à relever pour pleinement exploiter le potentiel de l’IA dans le système de santé.
Module 3 / Concepts techniques
Le troisième module vise à offrir aux non-experts des bases de connaissances quant aux concepts techniques de l’apprentissage automatique, de l’apprentissage profond et de leurs applications, tout en soulignant les enjeux et les stratégies spécifiques à l’IA dans le domaine de la santé.
Après un premier survol de l’IA et de son évolution, on présente les notions de base de l’apprentissage automatique et le vocabulaire essentiel pour comprendre les concepts plus avancés. On y explore quelques exemples d’algorithmes d’apprentissage supervisé et non supervisé. On se concentre ensuite sur l’apprentissage profond, sa structure en réseaux de neurones, et le processus d’entraînement des modèles.
On expose alors diverses applications de l’apprentissage profond, notamment dans les domaines de la vision numérique et du traitement de données séquentielles, en discutant de leur fonctionnement, de leurs architectures et en illustrant par des exemples concrets. On examine ensuite l’importance de l’évaluation des modèles et des métriques telles que l’exactitude, la précision et la spécificité, avant d’aborder les concepts de sous-apprentissage et de sur-apprentissage.
Enfin, le module termine sur une discussion des défis, des stratégies et des limites de l’IA pour la santé, autour de concepts tels que la distinction entre causalité et corrélation, l’interprétabilité et l’explicabilité des modèles, la généralisation et la robustesse des données en santé, ainsi que leur sensibilité et confidentialité.
Module 4 / Éthique et réglementation
Ce quatrième module vise à fournir une compréhension approfondie des questions éthiques, juridiques et réglementaires entourant l’utilisation des données et de l’IA en santé, tout en mettant en évidence l’importance d’une gouvernance responsable des données de santé afin d’assurer la protection des individus.
On commence par explorer les concepts fondamentaux de l’éthique et les différents modes de régulation, en évaluant leurs avantages et leurs lacunes. On se penche ensuite sur l’éthique de la gouvernance dans le contexte de la santé et de l’IA, en mettant en évidence les enjeux éthiques et juridiques associés à l’analyse et à la valorisation des données de santé.
S’en suit une exploration des enjeux, cadres et principes éthiques de l’utilisation de l’IA et des données en santé. On y examine notamment comment les chartes éthiques peuvent être utilisées pour formaliser les principes éthiques. On continue par un examen des cadres juridiques régissant l’utilisation des données de santé au Québec, notamment en ce qui concerne l’accès et l’utilisation secondaire des données, ainsi que les impacts de la Loi 25 sur la recherche.
Enfin, le module aborde la réglementation des logiciels en tant qu’instruments médicaux, en particulier ceux utilisant des algorithmes d’apprentissage machine. On y examine les risques, les implications réglementaires et les bonnes pratiques pour le développement d’algorithmes d’apprentissage machine dans ce contexte.
Module 5 / Innovation numérique en santé
Ce dernier module explore quelques exemples et opportunités d’innovation liés à l’utilisation des données de santé et de l’IA dans le domaine médical.
Tout d’abord, on aborde l’importance de la participation des patients et des citoyens dans les projets utilisant leurs données de santé, en particulier ceux impliquant l’IA. On y présente diverses méthodes, bonnes pratiques et exemples concrets illustrant comment cet engagement peut être mis en œuvre. On explore ensuite l’approche des systèmes de santé apprenants (SSA), et le cycle d’apprentissage itératif nécessaire à leur opérationnalisation. Enfin, le module se penche sur les applications de rédaction collaborative dans le contexte des systèmes de santé apprenants.
Liste des formatrices et formateurs (par ordre alphabétique)
- Lyna Abrougui, candidate à la maîtrise en informatique, Université Laval
- Sylvain Auclair, candidat au doctorat en philosophie, Université Laval
- Patrick Archambault, chercheur-clinicien, Centre de recherche de l’Hôtel-Dieu de Lévis
- Frédéric Beaupré, étudiant au doctorat en biophotonique, Université Laval
- Tess Berthier, coordonnatrice, Plateforme IA-Santé PREDIS
- Camille Besse, scientifique de données, Institut intelligence et données (IID)
- Anthony Bilodeau, étudiant au doctorat en biophotonique, Université Laval
- Catherine Bouchard, étudiante au doctorat en génie électrique, Université Laval
- Antoine Boudreau-Leblanc, candidat au doctorat en bioéthique, Université de Montréal
- Audrey Durand, professeure adjointe, Faculté des sciences et de génie de l’Université Laval
- Simon Duchesne, professeur, Faculté de médecine de l’Université Laval
- Christian Gagné, directeur, Institut intelligence et données (IID)
- Jean-Baptiste Gartner, candidat au doctorat en management, Université Laval
- Raphaëlle Giguère, candidate à la maîtrise en informatique, Université Laval
- Géraldine Layani, professeure adjointe clinique, Département de médecine de famille et médecine d’urgence de l’Université de Montréal
- Jean-Noël Nikiema, professeur adjoint, École de santé publique de l’Université de Montréal
- Félix-Arnaud Morin-Bertrand, professionnel de recherche, Faculté des sciences sociales de l’Université Laval
- Cécile Petitgand, conseillère en gestion de données, Centre de recherche du CHUM
- Louise Ringuette, candidate au doctorat en bioéthique, Université de Montréal
- Bryn Williams-Jones, professeur, École de santé publique de l’Université de Montréal
Cette formation est offerte sur la plateforme BRIO par l’Institut intelligence et données (IID) de l’Université Laval grâce à l’appui financier du ministère de l’Économie, de l’Innovation et de l’Énergie par le biais de son programme NovaSciences.
Restons en contact!
Vous souhaitez être informé des nouvelles et activités de l'IID? Abonnez-vous dès maintenant à notre infolettre mensuelle.