Intelligence artificielle et dispositifs médicaux : l'heure est aux propositions concrètes !
Objectifs
S'approprier la notion d’Intelligence Artificielle, son potentiel et ses limites.
Pouvoir identifier des applications concrètes dans son métier.
Avoir les bases pour construire et démarrer un projet de Data Science adapté au domaine des DM/DMDIV.
Stagiaires
Chefs de projets, chefs de produits, responsables R&D et dirigeants d’entreprises du secteur des dispositifs médicaux et des dispositifs médicaux de diagnostic in vitro.
Pré-requis
Aucun.
Moyens pédagogiques
Présentation en direct à travers un outil de réunion à distance.
- Diapositives,
- Jeux de données d'entrée et de sortie d'une intelligence artificielle,
- Environnement de développement logiciel. Le participant peut poser ses questions oralement ou par écrit au fur et à mesure de la présentation.
Le formateur fournit des réponses orales au fur et à mesure ou en fin de formation.
Des supports de formation sont mis à disposition des stagiaires (sous forme de fichiers PDF téléchargeables).
Evaluation, sanction
L'évaluation des acquis est réalisée par un test basé sur des Questions à Choix Multiples (QCM).
Une évaluation de la formation par les stagiaires est formalisée en fin de formation (à chaud, puis à froid 3 mois plus tard).
Présentation
Le programme de formation comprend deux parties. La première traite de l'intelligence artificielle (IA), notamment son historique, les définitions et les principes, avec un accent sur l'IA dans le domaine de la santé. On aborde également les projets de data science, les outils utilisés (comme Python et les librairies de manipulation de données et de machine learning), et un exemple concret de projet utilisant le jeu de données "Breast Cancer Wisconsin (Diagnostic) Data Set". La deuxième partie se concentre sur l'IA et les dispositifs médicaux (DM/DMDIV), en abordant des sujets tels que l'accès aux données de santé, la réglementation, la classification des dispositifs médicaux en Europe et aux États-Unis, ainsi que des cas concrets d'application en imagerie médicale, électrocardiographie et diagnostics in vitro. La formation se conclut par des remarques générales.
Programme
Première partie : Intelligence Artificielle – définitions et principes
1 - Bref historique de l’Intelligence Artificielle
2 - Définitions, explications et clarifications autour des notions
- D’Intelligence Artificielle
- D’apprentissage automatique ou Machine Learning
- D’apprentissage profond ou Deep Learning
3 - Stratégie de la France autour de l’Intelligence Artificielle
- Contexte international
- La santé identifiée comme l’un des quatre domaines prioritaires
- Sources et moyens de financements
4 - L’Intelligence Artificielle dans le domaine de la santé
- Promesses et attentes
- Premières déceptions
5 - Mise en place et organisation de projets de Data Science
- Intérêt d’un Data-Lab
- Rôle du Data Scientist
- Déroulement type d’un projet de Data Science
- Collecte des données
- préparation des données
- conception d’un modèle prédictif
- visualisation des résultats
- optimisation du modèle
- validation
- déploiement et industrialisation
6- Exemple d’un projet de Data Science : « Breast Cancer Wisconsin (Diagnostic) Data Set »
- Présentation du jeu de données
- Introduction aux outils de Data Science
- Le langage Python
- Les librairies de manipulation de données
- Les librairies de Machine Learning et de Deep Learning
- Déroulement de l’exemple
Seconde partie : Intelligence Artificielle et dispositifs médicaux (DM/DMDIV)
1 - Éléments d’introduction
- L’IA en tant que partie intégrante du DM - L’IA en tant que DM
2 - Données de santé
- Accès à la donnée
- Pseudonymisation, anonymisation…
- CNIL,
- Health Data Hub
- Qualité et quantité des données nécessaires
- Du point de vue R&D,
- du point de vue réglementaire
Les points suivants seront traités à la fois quand l’Intelligence Artificielle est partie intégrante du dispositif médical (DM/DMDIV) et quand l’Intelligence Artificielle est le dispositif médical. Sensibilisation aux aspects Propriété Intellectuelle
4 - Brevetabilité Sensibilisation aux aspects réglementaires
- Classification du dispositif médical
- En Europe
- aux États-Unis
- Point de vue de la HAS
- Point de vue de la FDA
5 - Cas concrets d’application
- Imagerie médicale
- Électrocardiographie
- DM de diagnostic in vitro
- …
6 - Conclusions générales
